做得更好，卻更不想做？
年底績效考核季，處長國華要寫十二份部屬的績效評語。去年他花了整整兩個週末，今年他把每個人的工作紀錄丟給 AI，一個下午就完成了。評語寫得比去年更完整、更客觀，人資還特別稱讚。
一個月後，一位部屬拿著評語來找他：「處長，你說我在跨部門溝通上『還有進步空間』，可以舉個例子嗎？」國華愣了一下，他不記得自己寫過這句話，也不確定自己是不是真的這麼想。更讓他不安的是，他發現自己對這件事不太在乎了。
AI 讓國華做得更快、更好。但它也悄悄拿走了一些東西：他對這份工作的投入。
研究發現：生產力上升與動機下降，可以同時發生
研究者 Liu、Wu、Ruan、Chen 與 Xie（2025）在《科學報告》（Scientific Reports）發表了一份研究，也在《哈佛商業評論》以「生成式 AI 讓人更有生產力，也更沒有動機」為題介紹。他們做了四個實驗，共超過 3,500 位參與者，任務包括寫社群貼文、發想點子、撰寫電子郵件等職場中常見的工作。
實驗設計是這樣的：參與者先完成一個任務（有些人用 AI、有些不用），再獨立完成另一個不同的任務。結果有三個發現。
發現一：用 AI 的時候，表現更好。 這一點並不意外，與過去許多研究一致。
發現二：用過 AI 之後再獨立工作，動機下降、無聊上升。 從用 AI 切換到獨立工作時，內在動機平均下降約 11%，無聊感平均上升約 20%。而一直沒有用 AI 的人，心理狀態則相對穩定。
發現三：掌控感是關鍵。 與 AI 合作的時候，人對工作的掌控感降低了。回到獨立工作後，掌控感恢復了，但工作的樂趣沒有跟著回來。
這個結果並不孤立。在 P&G 的田野實驗中（Dell'Acqua 等，2026），用 AI 的人「預期自己的方案會進入前 10%」的比例，比對照組低了 9.2 個百分點，即使他們的實際表現更好。MIT 媒體實驗室的 Kosmyna 等人（2025，預印本）則發現，在 54 位寫作者中，用大型語言模型寫文章的人，對自己文章的「擁有感」最低，而且很難正確引述自己剛寫的內容。國華不記得自己寫了什麼，正是這個現象。
這些研究的限制也要說清楚。Liu 等人的實驗任務很短，測量的是任務切換當下的動機，長期效果仍不清楚（證據等級 A）。Kosmyna 等人的研究樣本小、且為預印本（證據等級 C），只能作為輔助。但幾份研究指向同一個方向：AI 可以提高產出，但也可能削弱人與工作之間的連結。
工作特性模型的提醒：AI 拿走了哪一個？
Hackman 與 Oldham 的「工作特性模型」是組織心理學中最經典的工作設計理論之一。它指出五個讓工作有意義、讓人有內在動機的特性。把 AI 放進去，可以看出它各自可能帶來的影響：
- 技能多樣性 工作需要運用多少種不同的能力。AI 可能拿走一部分，也可能讓人有機會發揮新的能力。
- 任務完整性 是否能從頭到尾完成一件看得見的作品。這是最容易被 AI 拿走的：當 AI 寫初稿、人只是修改，「這是我做的」的感覺就變淡了。
- 任務重要性 工作對他人的影響。績效評語本來是影響部屬職涯的重要工作，但當它變成「一個下午就做完」，重要性也在不知不覺中被看輕。
- 自主性 對工作方式的決定權。這正是 Liu 等人所說的掌控感。
- 回饋 從工作本身知道自己做得好不好。當成果有一部分來自 AI，人就很難判斷「做得好」是自己的功勞還是 AI 的。P&G 研究中「表現更好但信心更低」的現象，很可能就是這個線索被打亂了。
自我決定理論（Deci 與 Ryan）則指出，內在動機來自三個基本需要：自主、勝任與關係。AI 會同時動到前兩個：它可能讓人覺得自己不再做主，也可能讓人不確定自己是不是真的勝任。
主管容易犯的兩個錯
第一個錯：只看產出。 當 AI 讓產出提高，主管很容易只看到「做得更快、做得更多」，而沒有注意到部屬對工作的在乎程度正在下降。動機的下降不會馬上反映在績效上，但會慢慢反映在創意、主動性與留任上。等到看得見的時候，往往已經太遲。
第二個錯：把「交給 AI」當成獎勵。 很多主管善意地說：「這些瑣事交給 AI，你就可以輕鬆一點。」但如果交出去的正好是部屬喜歡、也從中建立專業認同的部分，這個「獎勵」就變成了一種剥奪。我們在〈員工想交給 AI 的工作，跟技術做得到的不一樣〉一文談過，員工想交出去的，和主管以為他們想交出去的，常常不一樣。
心理動力的解讀：作品是自我的延伸
以下是作者的觀點，而非上述研究的發現。
對很多人來說，工作成果不只是交付的東西，也是自我的延伸。一份寫得好的報告、一個設計精巧的方案，都在說「這就是我」。從心理動力的角度看，這種「我的作品」的感覺，是人在工作中建立身分與自尊的重要來源。
當 AI 參與了作品的生產，這個「我」就變得模糊了。做得好的時候，不確定自己能不能驕傲；做不好的時候，也不確定該不該自責。久了，人可能會用「不在乎」來保護自己：既然這不完全是我的，那我也不必太投入。國華「發現自己不太在乎了」，可能就是這樣一種防衛。
從這個角度看，失去擁有感也是一種失落。它不夠明顯，不會有人為它做什麼，但它確實存在。主管如果能看見這份失落，而不是把它當成「態度問題」，就更有機會幫助部屬重新找回投入。
怎麼做：守住「我的作品」的感覺
一、和員工談「哪些工作你想自己做」。 不要預設哪些工作是「瑣事」。在一對一中問問：「你的工作裡，哪一部分是你最有成就感的？哪一部分你很希望交給 AI？」這個對話本身就是在把自主權還給員工。也可以參考 Liu 等人的建議，讓 AI 輔助的任務與獨立完成、有創意挑戰的任務交錯安排。
二、保留需要判斷的部分給人。 不一定是讓 AI 少做，而是讓人在關鍵的地方做決定。例如績效評語：AI 可以整理資料、提供初稿，但「這個人今年最重要的成長是什麼」要由主管自己寫。把判斷留給人，就是把作品的「靈魂」留給人。
三、肯定人的貢獻，而不只是成果。 當部屬交出一份好的報告，不要只說「做得很好」，而是具體指出他的判斷、他的改動、他看到而 AI 沒有看到的地方。這樣的回饋會幫助他重新建立「這是我做的」的感覺。
給人資與 OD 的提醒： AI 導入的成效評估，很少包含內在動機與投入感。建議在投入度調查中加入「我對自己的工作成果有擁有感」這類題目，並且在績效制度中，明確肯定「判斷」與「修正」這些人的貢獻。
結語：產出可以加速，投入要用心守住
AI 可以讓工作做得更快、更好，但它不會替人在乎。國華的部屬關心的，不是評語寫得多完整，而是他的主管有沒有真的看見他。產出可以交給 AI 加速，投入則要人用心守住。
留給你的問題： 交給 AI 之後，你有沒有哪件事，變得不再在乎它做得好不好？
延伸閱讀
參考文獻
- Deci, E. L., & Ryan, R. M. (2000). The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.（證據等級 A：經典理論文獻）
- Dell'Acqua, F., et al. (2026). The cybernetic teammate: A field experiment on generative AI and teamwork. Organization Science, 37(4). https://doi.org/10.1287/orsc.2025.20702（證據等級 A）
- Hackman, J. R., & Oldham, G. R. (1976). Motivation through the design of work: Test of a theory. Organizational Behavior and Human Performance, 16(2), 250–279.（證據等級 A：經典理論文獻）
- 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）
- Liu, Y., Wu, S., Ruan, M., Chen, S., & Xie, X.-Y. (2025). Human-generative AI collaboration enhances task performance but undermines human's intrinsic motivation. Scientific Reports.（證據等級 A：同儕審查實驗）
- Liu, Y., Wu, S., Ruan, M., Chen, S., & Xie, X.-Y. (2025, May). Research: Gen AI makes people more productive—and less motivated. Harvard Business Review.
慧培國際相關服務
更多資訊請見慧培國際網站 www.whitespace-leadership.com 。