當 AI 做掉大部分工作，組織的經驗存在哪裡？
老林在工廠做了三十二年的設備工程師，下個月就要退休。公司兩年前導入了預測性維修的 AI 系統，大部分的異常都由系統判斷、自動派工。廠長本來覺得，老林退休應該不會有太大影響。
直到交接會議上，老林隨口說了一句：「三號機在梅雨季如果有那種悶悶的聲音，系統不會報警，但一定要停機檢查。」在場的年輕工程師面面相覷。他們進公司以後，大多數時間都在看系統的儀表板，很少有機會站在機台旁邊聽聲音。廠長這才意識到：還有多少這樣的判斷，只存在老林的腦子裡？
AI 可以接手大部分的工作，但組織的經驗不只存在工作的結果裡，也存在人的判斷與做事的過程裡。當人不再做，經驗就開始流失。
研究發現：判斷力退化的三份證據
第一份是四十年前的警告。 工程心理學家 Bainbridge 在 1983 年發表〈自動化的反諷〉，指出自動化的一個根本矛盾：系統越自動，操作者越少親手操作，技能就會因為少用而退化。但當系統出問題、需要人接手時，需要的正是這些已經退化的技能。自動化越成功，人在例外狀況中的表現反而越差。
第二份是 2026 年的立場論文。 Margaret Mitchell、Avijit Ghosh 與 Samir Passi 在〈AI 代理把人推出迴圈〉一文中主張，只是讓「人在迴圈裡」並不夠。人即使有正式的權限，也可能缺乏判斷代理行為所需的資訊與機會；而長期依賴自動化，會削弱監督所需要的認知能力。他們的結論是：監督者的需要，應該和代理的能力一樣被重視，組織也需要制度來對抗技能的萎縮。這篇論文入選了 NeurIPS 2026。
第三份是一個小型的腦科學實驗。 MIT 媒體實驗室的 Kosmyna 等人（2025）讓 54 位參與者分別用大型語言模型、搜尋引擎、或不用工具寫文章，並用腦波測量大腦的連結。用語言模型的組別腦部連結最弱，而且很難正確引述自己剛寫的內容。
這三份證據的限制要說清楚。Bainbridge 的是經典理論分析（證據等級 A），但當時討論的是工業控制系統。Mitchell 等人的是立場論文，提出論證而非新的實證資料（證據等級 C）。Kosmyna 等人的是小樣本的預印本（證據等級 C），只能當作警訊。三者都沒有直接證明「企業導入 AI 之後，員工的判斷力退化了」。但它們指向同一個方向，而且這個方向對組織來說風險很高：等到證據充分，經驗可能已經斷了。
組織記憶的兩種形式
Walsh 與 Ungson（1991）在〈組織記憶〉一文中指出，組織的記憶存在很多地方：個人、文化、工作流程、組織結構、工作環境，以及外部的檔案。其中最重要、也最容易流失的，是存在個人身上的那一部分。
Nonaka 的知識創造理論則區分了兩種知識：
- 外顯知識 可以寫下來、可以用文件傳遞的知識，例如標準作業程序、產品規格、常見問題的答案。
- 內隱知識 很難說清楚、只能在做中學的知識，例如老林聽得出機台的異音、資深業務知道哪個客戶「說好」其實是「不好」。哲學家 Polanyi 的說法是：「我們知道的，比我們說得出來的更多。」
AI 很擅長接住第一種知識。它可以讀完所有的文件、整理所有的紀錄，甚至比人記得更清楚。但第二種知識不在文件裡，而在人的身體、直覺與經驗裡。Nonaka 認為，內隱知識要透過「共同化」（一起工作、一起經歷）才能傳遞。問題是，當 AI 做掉大部分工作，人一起工作、一起經歷的機會也跟著變少了。
更麻煩的是，AI 系統本身往往是從外顯知識訓練出來的。老林「梅雨季的異音」從來沒有被寫進任何文件，所以系統永遠不會知道。當組織以為「知識都在系統裡了」，其實只是其中一半在系統裡。
與入門工作消失的關係：新人沒機會練，資深者沒機會教
這個問題和入門工作的消失緊密相關。史丹佛的 Brynjolfsson、Chandar 與 Chen（2025）分析美國最大薪資服務商的資料發現，生成式 AI 普及之後，在最容易受 AI 影響的職業中，22 到 25 歲工作者的就業相對下降了 13%；同一職業中較資深的工作者則大致穩定。下降主要集中在 AI 「取代」而非「輔助」人的職業。
過去，新人是從簡單的工作開始做起，在資深者身邊一邊做、一邊學，慢慢累積判斷。這個過程同時也是組織經驗傳承的過程。當這些簡單的工作被 AI 做掉，新人就沒有機會練，資深者也沒有機會教。我們在〈未來的主管從哪裡來〉與〈新人沒有基本功可以練了〉兩篇文章都談過這個問題。從組織記憶的角度看，它的後果是：十年後，可能沒有人能判斷 AI 是不是錯了。
心理動力的解讀：「反正 AI 會」
以下是作者的觀點，而非上述研究的發現。
傳承從來都不是一件輕鬆的事。對資深者來說，把經驗傳下去，意味著承認自己會離開，也意味著放下「只有我會」的獨特地位。對組織來說，面對傳承，就是面對「我們其實很依賴幾個關鍵的人」這個令人不安的事實。
「反正 AI 會」提供了一個不必面對這份焦慮的方式。如果 AI 會，老林就不必苦惱要教誰、怎麼教；廠長也不必擔心老林退休會帶走什麼。這是一種社會防衛：組織用一個看似合理的信念，避開了一個令人不舒服的問題。
這個防衛最危險的地方在於，它在大部分的時候都是對的。AI 確實會處理大部分的狀況，只是在少數、關鍵的例外中，它不會。而這些例外，正是老林三十二年經驗的價值所在。
怎麼做：讓經驗留在組織裡
一、找出只存在少數人身上的判斷。 不要等到退休或離職前才交接。定期問資深員工三個問題：「哪些狀況下，你會不照系統的建議做？」「哪些錯誤，你一眼就看得出來，但很難說明為什麼？」「如果你明天不在，團隊最可能在哪裡出錯？」這些答案就是組織內隱知識的地圖。
二、設計人仍要親手做的練習。 Mitchell 等人建議組織建立對抗技能萎縮的制度。具體來說，可以定期安排「不用 AI」的演練，讓人親手處理一次例外狀況；讓新人跟著資深者實地巡檢，而不只是看儀表板；在 AI 的產出中刻意放入錯誤，練習抓錯。就像飛行員即使有自動駕駛，也要定期在模擬器中練習手動飛行。
三、把雙環學習放進專案回顧。 Argyris 區分了「單環學習」與「雙環學習」：前者是發現錯誤就修正行動，後者是回頭質疑導致錯誤的假設。AI 很擅長單環學習，但雙環學習需要人。在專案回顧中，除了問「哪裡出錯了」，也要問「我們當初為什麼這樣判斷」與「系統的哪個假設不成立」。這些對話本身，就是在把個人的經驗轉成組織的經驗。
給人資與 OD 的提醒： 關鍵人才的接班計畫，常只關注「誰來接位子」，而不是「什麼判斷需要被傳下去」。建議把「關鍵判斷盤點」加入接班計畫，也在 AI 導入評估中問：導入之後，哪些人的哪些技能會因為少用而退化？我們打算怎麼維持它？
結語：經驗不會自動留在組織裡
組織常以為，只要文件寫好、系統建好，經驗就會留下來。但最有價值的經驗，往往是那些沒有人寫下來、也很難寫下來的判斷。AI 可以做掉大部分的工作，但如果沒有人刻意傳承，這些判斷會在某一天悄悄消失，而且直到出事之前，沒有人會發現。
留給你的問題： 如果你的團隊有一位資深者明天離開，哪一個判斷會跟著消失？
延伸閱讀
參考文獻
- Argyris, C. (1977). Double loop learning in organizations. Harvard Business Review, 55(5), 115–125.（證據等級 B：經典實務文獻）
- Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.（證據等級 A：經典理論文獻）
- Brynjolfsson, E., Chandar, B., & Chen, R. (2025). Canaries in the coal mine? Six facts about the recent employment effects of artificial intelligence [Working paper]. Stanford Institute for Economic Policy Research. https://siepr.stanford.edu/publications/working-paper/canaries-coal-mine-six-facts-about-recent-employment-effects-artificial（證據等級 B：工作論文，大型行政資料）
- Kosmyna, N., et al. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task (arXiv:2506.08872). https://www.media.mit.edu/publications/your-brain-on-chatgpt/（證據等級 C：預印本，小樣本）
- Mitchell, M., Ghosh, A., & Passi, S. (2026). AI agents push humans out of the loop (arXiv:2608.23642). NeurIPS 2026 position paper. https://neurips.cc/virtual/2026/poster/140100（證據等級 C：立場論文）
- Nonaka, I. (1994). A dynamic theory of organizational knowledge creation. Organization Science, 5(1), 14–37.（證據等級 A：經典理論文獻）
- Polanyi, M. (1966). The tacit dimension. Doubleday.
- Walsh, J. P., & Ungson, G. R. (1991). Organizational memory. Academy of Management Review, 16(1), 57–91.（證據等級 A：經典理論文獻）
慧培國際相關服務
- 組織學習設計：盤點組織中的關鍵判斷與內隱知識，設計傳承與練習的機制。
- 核心小組陪跑：陪伴專案團隊將雙環學習帶進回顧與決策，讓個人的經驗轉為組織的經驗。
更多資訊請見慧培國際網站 www.whitespace-leadership.com 。