AI 教練和人類教練，哪一個有效？

2026-10-24

年度預算會議上，人資主管惠文拿到了一份提案：一家廠商的 AI 教練平台，每位主管每年的費用不到人類教練的十分之一，而且二十四小時都能使用。簡報上還引用了一份研究：「AI 教練和人類教練一樣有效。」

財務長很有興趣：「那我們今年的主管教練預算，是不是可以省下一大半？」惠文想到去年的一位新任事業處長，在人類教練的陪伴下，終於說出了自己對接任前任的強大壓力，也找到了和前任團隊相處的方式。她很難想像這些對話發生在一個聊天機器人裡。

「AI 教練和人類教練一樣有效」，這句話有研究支持，但它說的「有效」，究竟是指什麼？

研究發現：在目標達成上，兩者相當

南非斯泰倫博斯大學的 Terblanche，與英國的 Molyn、荷蘭的 De Haan 等人，在 2022 年於《PLoS ONE》發表了一份研究。這是目前少數直接比較 AI 教練與人類教練的長期研究。

研究設計。 研究包含兩個各為期十個月的隨機對照研究，參與者都是一所英國商學院的大學部學生。

研究一（2017～2018 年）：比較人類教練組與對照組。人類教練都具備專業資格、至少三年經驗，平均年齡 50 歲，透過視訊進行六次、每次一小時的教練，內容不受限制。最後有 94 位教練組與 85 位對照組完成所有測量。
研究二（2019～2020 年）：比較 AI 教練組與對照組。AI 教練是一個名為「Coach Vici」的文字聊天機器人，以目標設定理論為基礎設計，全天候可用。最後分析了 75 位 AI 教練組與 73 位對照組。

結果。 兩個教練組的目標達成程度，都顯著優於對照組。而 AI 教練組與人類教練組之間，在任何時間點都沒有顯著差異，效果量也幾乎相同。作者的結論是：「在試驗結束時，AI 教練與人類教練一樣有效。」在 AI 教練組內，使用次數越多的人，目標達成的進步也越大。

作者的解釋。 為什麼一個聊天機器人能與經驗豐富的人類教練相提並論？作者提出了三個可能的原因。第一，AI 嚴格而一致地運用目標設定理論，每次都會問進度、要求寫下目標；人類教練則各有風格，不一定每次都追蹤目標。第二，AI 隨時可用，使用者可以在需要的時候使用。第三，研究最後一段期間，人類教練組已經沒有教練會談，而 AI 教練組仍可繼續使用，這也可能讓 AI 組在最後追上。

研究的限制

這是一份設計仔細的隨機對照研究（證據等級 A），但引用時必須知道它的限制。

只測了目標達成。 研究的唯一結果指標，是參與者自評兩個目標的達成程度。教練常見的其他成果，例如自我覺察、心理健康、處理關係的能力、對複雜情境的理解，都沒有被測量。
是自評。 目標達成是參與者自己評分，作者也承認可能有自評偏誤。
兩組來自不同的研究。 AI 教練與人類教練沒有在同一個試驗中直接隨機分組，而是在相隔兩年的兩個研究中，各自與對照組比較。
是大學生，不是主管。 參與者都是英國一所商學院的大學部學生。他們設定的目標、面對的情境，和一位新任處長面對的組織政治、團隊衝突、身分轉換很不一樣。
AI 是規則式的。 研究中的 Coach Vici 是以規則為基礎的專家系統，不是今天的大型語言模型。今天的 AI 教練更會對話，可能在某些面向更好，但也可能帶來新的風險，例如過度迎合使用者。

所以，這份研究可以支持的結論是：在「幫助人設定與追蹤目標」這件事上，AI 教練可以和人類教練一樣有效。不能支持的結論是：「AI 可以取代教練。」

AI 教練適合與不適合的情境

教練研究中有一個穩定的發現：教練與客戶之間的「工作同盟」（working alliance），也就是雙方對目標的共識、對任務的共識，以及彼此之間的信任與連結，是預測教練成效的重要因素。從這個角度，可以把教練的情境分成兩類。

AI 教練可能適合的情境：

目標清楚、需要持續追蹤的行為改變，例如建立一個新的工作習慣。
大量員工的基礎發展，例如新任主管的基本管理技巧練習。
兩次人類教練會談之間的反思與追蹤。

仍需要人類教練的情境：

複雜的組織情境，例如接任前任、跨部門衝突、併購後的整合。
涉及身分與情緒的轉換，例如從專業者轉為管理者、面對失敗或倦怠。
客戶自己也說不清楚「問題是什麼」的時候。這時候需要的不是目標設定，而是一起探索。

惠文想到的那位處長，就是第二類的典型例子。他需要的不是一個更清楚的目標，而是有人讓他可以安全地說出「我很怕」。

心理動力的解讀：被理解的經驗，需要另一個人

以下是作者的觀點，而非上述研究的發現。

從心理動力的角度看，教練關係中最有力量的時刻，往往不是「設定了一個好目標」，而是「被另一個人理解了」。Bion 用「涵容」描述這種經驗：一個人把自己無法承受的焦慮交給另一個人，對方接住、消化，再以可以承受的形式還給他。這個過程之所以有用，是因為對方也是一個會受影響、會有感受的人。

AI 可以說出「我理解你的感受」，甚至說得比很多人更溫柔。但使用者心裡知道，對方並沒有承擔什麼。人類教練在聽到一位處長說「我很怕」時，也會感到一點不安；正是因為教練承受了這份不安而沒有跑開，處長才學會自己也可以承受。

這並不是說 AI 教練沒有價值。對很多人來說，一個不會評價自己的對象，反而是開始反思的安全入口。但教練的處理如果停在這裡，人就可能一直在安全的對象面前練習，卻沒有機會在真實的關係中成長。

怎麼做：讓 AI 與人類教練各司其職

一、依需求分配 AI 與人類教練。 不是「選一個」，而是依情境分配。對於目標清楚、量大的發展需求，可以優先使用 AI 教練；對於關鍵職位的轉換、複雜的組織情境，仍然保留人類教練。省下來的預算，也可以拿來擴大人類教練的對象，而不只是縮減。

二、把 AI 用在教練之間的追蹤。 研究中 AI 教練的一個優勢是「隨時可用」與「一致追蹤目標」，而這正好是人類教練的弱項。可以設計混合模式：每月一次人類教練會談，處理複雜的問題；會談之間由 AI 協助追蹤行動與反思。這樣可以同時保留兩者的優勢。

三、評估時不只看目標達成。 如果只用目標達成來評估教練，AI 就會看起來和人類一樣好，組織也會慢慢只投資在測得到的地方。建議同時評估自我覺察、關係品質、處理複雜情境的能力，以及教練關係本身的品質。

給人資與 OD 的提醒： 廠商引用這份研究時，常常只說「AI 教練和人類一樣有效」。在做預算決定前，請先問三個問題：研究測量的是什麼？參與者是誰？我們想要的教練成果，是否在裡面？也要留意資料隱私：主管在教練中說的話，存在哪裡、誰看得到。

結語：AI 能幫人達成目標，人能幫人看見自己

這份研究告訴我們，AI 教練在「讓人追蹤與達成目標」上很有效，甚至可以和人類教練一樣好。但教練的價值不只在達成目標，也在幫人看見自己、承受複雜、在關係中成長。這些部分，研究還沒有測到。AI 能幫人達成目標，人能幫人看見自己。

留給你的問題： 你們的人才發展中，哪一部分適合交給 AI 教練，哪一部分一定要有人？

參考文獻

Bion, W. R. (1962). Learning from experience. Heinemann.（證據等級 A：經典理論著作）
Graßmann, C., Schölmerich, F., & Schermuly, C. C. (2020). The relationship between working alliance and client outcomes in coaching: A meta-analysis. Human Relations, 73(1), 35–58.（證據等級 A：統合分析）
Terblanche, N., Molyn, J., de Haan, E., & Nilsson, V. O. (2022). Comparing artificial intelligence and human coaching goal attainment efficacy. PLoS ONE, 17(6), e0270255.（證據等級 A：隨機對照研究）

【備註】AI 教練適合與不適合的情境」為作者的實務建議，非研究結果。

慧培國際相關服務

主管教練 在關鍵職位轉換與複雜組織情境中，提供人類教練的涵容與陪伴，並可與 AI 工具整合為混合模式。
團隊教練 以「AI 時代團隊教練手冊」為基礎，協助團隊在 AI 進入工作之後，重新定義合作與學習的方式。

更多資訊請見慧培國際網站 www.whitespace-leadership.com 。