AI 進辦公室後，人的判斷力要放在哪裡？

AI 進辦公室之後，最直接的變化是很多事情變快了。信件可以先起草，會議可以自動摘要，簡報可以先排架構，客服可以先分類，資料可以先整理成圖表。這些都很有用，但也讓另一個問題變得更重要：人的判斷力到底要放在哪裡？

如果只是把 AI 當成更快的產出工具，人很容易變成按下接受鍵的人。可是工作真正有價值的部分，往往不在第一版輸出，而在知道問題問對了沒有、資料能不能信、結論是否符合脈絡，以及最後誰要負責。

AI 擅長整理，不等於理解責任

AI 很會把散亂資料整理成看起來完整的答案。這對辦公室很有吸引力，因為很多工作本來就充滿整理、改寫、摘要與格式化。但完整不等於正確，流暢也不等於適合。

一份 AI 摘要可能漏掉會議裡的猶豫，一段客戶回覆可能太標準，一張分析表可能把錯誤資料包裝得很有條理。這些問題不是 AI 沒用，而是提醒人不能把判斷責任一起外包。

人要做的是問：這份輸出服務的是哪個決策？它少了誰的觀點？它有沒有過度簡化？如果照這個建議做，責任由誰承擔？

AI 讓很多人的角色變得更像編輯。以前時間花在把內容從零做出來，以後更多時間會花在選方向、補資料、刪掉不準確的話、調整語氣，以及確定輸出能不能進入下一個流程。

這不是比較輕鬆，而是責任位置不同。編輯者需要知道什麼可以保留、什麼必須重寫、什麼看起來漂亮但沒有根據。當 AI 產出越多，審稿能力反而更稀缺。

Agent-in-the-Loop 的研究也指出，把人類回饋放進客服與營運流程，能讓 AI 系統持續修正知識缺口和採納品質。這個邏輯放到一般辦公室也成立：AI 不應該是黑盒輸出，而應該被放進可回饋、可校正的工作流程。

工作流裡使用 AI，不能只靠個人感覺。組織需要知道哪些任務可以用 AI，哪些資料不能丟進外部工具，哪些輸出需要人工審核，哪些決策一定要留下依據。

這些聽起來像治理，但其實是保護組織記憶。當一封信、一份報告、一個價格建議或一項客戶承諾是 AI 協助產生的，團隊應該能回頭看：使用了哪些資料？誰審過？哪些地方被修改？最後的決策理由是什麼？

沒有紀錄，AI 會讓工作看起來更快，也讓責任更模糊。

AI 會接手中間很多操作：搜尋、整理、改寫、分類、生成。人的判斷力因此會移到兩端。前面是定義問題：我們到底要解決什麼？成功標準是什麼？哪些資料算有效？後面是承擔結果：這個答案能不能用？要不要發出去？出了問題誰負責？

FT 對 agentic travel 的報導顯示，旅遊產業已經在思考 AI agent 如何改變搜尋、推薦與預訂。辦公室也是同一件事：當 AI 可以替人完成更多步驟，人更需要決定哪些步驟可以交給它，哪些地方必須留在人手上。

所以 AI 進辦公室後，人的價值不會消失。它會變得更不像打字速度或簡報排版，而更像問題感、脈絡感、責任感。

未來真正重要的工作能力，可能不是「會不會用 AI」，而是「能不能在 AI 很會產出的時候，仍然知道什麼值得相信、什麼不該交出去、什麼需要自己負責」。