人機合作非1+1 企業應如何善用AI決策

必須注意一個容易忽略的問題：AI很強，不代表「人+AI」一定更強。
研究發現，人和AI合作時不一定能發揮兩者之長。人機合作的結果，很多時候不及人或AI之中本來表現較好的一方。
換句話說，「1+1」有時不但未必大於2，甚至可能小於1。原因並不難理解，人可能過度相信AI，AI一錯便跟著錯。
人也可能過度相信自己的經驗，明明AI提供了有用資訊，卻置之不理。真正重要的不是相信AI，而是在適當的時候相信它。

專業程度影響判斷

那麼，管理者應該把多少決策權交給AI？可以先看三件事，包括人、任務和AI本身。
首先是人。同一套AI交給不同員工，效果可以很不一樣。研究顯示，專業程度會影響人是否懂得判斷AI的建議。

專家通常較有能力發現AI出錯，但也可能過度相信自己的經驗；經驗較少的人往往從AI獲益更大，卻較難分辨AI何時可信。
資訊呈現方式也有影響。有人較容易理解文字；有人較擅長處理圖像。最新研究發現，同一種AI解釋方式，對不同認知習慣的人，可以產生不同效果。
因此，公司不應期望只買一套AI，然後所有員工都以同一方式使用。
第二是任務。AI特別擅長資料量大、規則較清楚、可以反覆計算的工作。
例如需求預測、數據分析等結構化任務，人硬要逐一介入，有時反而會加入主觀偏差。
相反，涉及模糊情境、創意、倫理判斷或大量背景知識的工作，人類仍有重要優勢。

研究亦發現，人機合作在創意和較含糊的任務上，較容易產生真正的互補效果。
第三便是AI。管理者不能只問：「這個AI準確率有多高？」還應該問：「它甚麼時候容易出錯？員工知不知道它可能錯？」
AI可以提供理由、例子和信心程度，幫助使用者判斷，但「解釋愈多愈好」同樣是誤區。
研究發現，AI的解釋本身也可能有錯，甚至令人更有信心地作出錯誤決定。所以企業管理層分配人與AI的決策權，不妨採取三個原則。
第一，分配的是「任務」，不是整份工作。不要先問哪些職位可以被AI取代，而應把工作拆開：哪些步驟適合AI分析？哪些需要人判斷？哪些必須由人負責？

第二，決策權應分級。對重複、規則清楚而風險較低的工作，可以提高自動化程度；對中等風險或需要背景判斷的工作，可讓AI提供分析，由人決定；涉及重大安全、倫理或責任的決策，則應由人保留最終權力。
相關研究亦指出，最合適的人機合作模式應隨任務複雜度和風險而改變。

重新設計誰有權作決定

第三，不要只訓練員工怎樣用AI，還要訓練他們甚麼時候不要用AI。
管理者應持續檢視員工是否經常盲從AI？是否經常無理由否定AI？AI在哪類情況最常出錯？只有這樣，信任才會慢慢被「校準」。
AI進入職場後，管理者最重要的新工作之一，或許就是重新設計「誰有權作決定」。

真正成熟的人機合作，不是把所有決策交給機器，也不是要求人永遠替AI把關，而是讓決策權在不同情境下，流向當刻最有能力作出正確判斷的一方。