5. 橡皮圖章主管:有人看過,不等於有人懂

陳經理負責信用審核已經十二年。公司導入 AI 審核助理後,他每天要核准大約 80 件 AI 的建議。
前兩個月,他每一件都仔細看,還抓到幾個錯誤。第三個月開始,AI 幾乎沒有出過錯,他看的速度越來越快。半年後,一筆核准的案件出了問題。檢討時發現,AI 的建議理由裡其實寫著一個疑點,但陳經理已經很久沒有讀理由了。
他很懊惱:「我每一件都有簽,但我不確定我有沒有看。」
在「迴圈之上」與〈主管為什麼放不了手?〉兩篇文章中,我談的是主管「放不下」的問題:每一件都要親自審核,最後把自己累垮。這篇談的是另一個方向:主管「放太快」。兩者看起來相反,其實是同一個問題的兩面。
有人監督,就夠了嗎?
MIT Sloan Management Review 與 BCG 從 2022 年起合作經營一個「負責任 AI」專家小組,成員包括 50 多位實務工作者、學者與政策制定者,來自 DBS 銀行、渣打銀行、H&M、新加坡國立大學等機構。每一輪,研究者提出一個主張,請專家表態並寫下理由。
2025 年 6 月,專家小組討論的主張是:「有效的人類監督,可以降低 AI 系統對可解釋性的需求。」
簡單說,就是問:只要有人把關,是不是就不必管 AI 為什麼這樣決定?
在回應的 30 位專家中,37% 強烈不同意,40% 不同意,合計 77% 不同意;只有 3% 同意。
專家們的主要理由是:可解釋性與監督回答的是不同的問題。可解釋性回答「AI 為什麼這樣決定」,監督回答「這個結果對不對、安不安全」。兩者不能互相取代。新加坡國立大學的 Simon Chesterman 稱它們是「互相強化的兩根支柱」。
DBS 銀行的 Sameer Gupta 說得更直接:沒有可解釋性,「監督會變得表面化,人只剩下蓋橡皮圖章,而不是真正的把關」。
也有少數不同的聲音。Apollo 的 Katia Walsh 認為,先進 AI 的推理已經和人一樣複雜,「可解釋性是一種謬誤」。也有專家提醒,硬要解釋可能變成「可解釋性表演」。這些提醒很重要:解釋不是越多越好,而是要用在對的地方。
需要說明的是,這是專家意見的分布,不是企業的實證數據。但當專家一面倒地認為「有人看過」不夠,主管就應該問自己:我的簽名,是把關,還是蓋章?

人的位置,移到了鏈的終點
為什麼這個問題現在變得特別重要?因為主管的工作位置正在改變。
MIT 的 Mert Demirer、John Horton 與微軟研究院的學者,在 2026 年發表的 NBER 工作論文〈Chaining Tasks, Redefining Work〉中指出,AI 的價值不在單一任務做得比人好,而在把相鄰的步驟串成一條「AI 鏈」:一串連續的自動化步驟,最後接一個由人審查的步驟。
這代表主管不再逐步參與工作,而是站在鏈的終點,檢查最終的產出。這正是「迴圈之上」的意思。但這也代表,整條鏈的品質,最後取決於終點那個人的審查品質。如果終點的人只是蓋章,前面所有步驟的錯誤,都會直接通過。
為什麼會變成橡皮圖章?
陳經理不是不認真。他的改變,可以從三個角度理解。
第一,自動化的諷刺。 早在 1983 年,心理學家 Lisanne Bainbridge 就在〈Ironies of Automation〉一文中指出:系統越自動,人越少有機會親自操作,判斷能力也越容易退化;但系統出問題時,又偏偏需要人在最關鍵的時刻接手。自動化越成功,人就越難成為好的監督者。
第二,自動化偏誤。 Raja Parasuraman 與 Dietrich Manzey 等研究者整理了大量人因工程研究發現,系統越可靠,人就越容易放鬆檢查,而且專家也不會因為經驗豐富而免疫。陳經理前兩個月抓到錯誤,是因為他還在懷疑;當 AI 幾乎不出錯,懷疑就慢慢消失了。
第三,也是最少被談到的:焦慮的防衛。 在〈主管為什麼放不了手?〉中,我提到逐件審核背後,是「我不確定」的焦慮:只要每一件都經過我,我就不必面對失控的感覺。
橡皮圖章其實是同一個焦慮的另一種處理方式。當主管看不懂 AI 的推理,又不好意思承認自己看不懂,最省力的方式就是相信它。團體動力學家 Wilfred Bion 描述過一種「依賴」的基本假設:當焦慮太高,團體會把判斷交給一個被想像成全知的對象。過去這個對象是領導者或專家,現在可能是 AI。
所以,「放不了手」與「太快放行」看似相反,都是在迴避同一件事:承認自己不確定,並且帶著這份不確定去做判斷。 一個用控制來迴避,一個用依賴來迴避。
Bion 借用詩人濟慈的說法,把「能夠待在不確定之中、而不急著抓住答案」的能力稱為「負向能力」。迴圈之上的主管,需要的正是這種能力:不是每件事都管,也不是什麼都交出去,而是知道何時該停下來問:「這個答案,我真的懂嗎?」

怎麼做:三個讓審查有實質的練習
專家小組提出的建議中,有兩項特別值得主管參考:依使用情境調整監督強度,以及讓系統提供支持與反對某個結論的證據。搭配的 1,221 位主管調查也發現,多數人認為,讓使用者了解系統的優勢、限制與風險,是讓監督有效的關鍵。將這些建議轉成主管的日常做法,可以從三個練習開始。
練習一:依風險分級,而不是一律全看或全放。 把自己要審的案件分成三級:高風險的每件都讀理由,中風險的定期抽查,低風險的交給流程。這能解決「全看會累垮、全放又不安」的兩難,也讓你的注意力留給真正需要判斷的地方。
練習二:簽名之前,先問「它為什麼可能錯?」 不要只看 AI 的結論,而是要求它列出反對這個結論的證據,或自己在簽名前寫下一句「我同意的理由」。如果你寫不出來,就是一個訊號:你可能在蓋章。
練習三:定期開「校準會」。 每月挑幾件案例,讓團隊先不看 AI 的建議、自己判斷,再與 AI 的結果比對。差異本身就是最好的學習材料:哪些地方 AI 比我們好?哪些地方我們看到了它看不到的?這個練習同時維持團隊的判斷力,也對抗 Bainbridge 說的能力退化。
這三個練習的共同點,是讓「不確定」有一個安全的地方可以被說出來。當主管不必假裝全懂,也不必假裝全部都看過,審查才會重新有意義。

結語
AI 越準,橡皮圖章的風險越高,因為沒有人會懷疑一個很少出錯的系統。
「迴圈之上」不等於放手。站在上面,是為了看得更清楚,而不是看得更少。主管的價值,不在他簽了多少件,而在他知道哪一件該停下來。
留給你的問題: 上一次你推翻 AI 的建議,是什麼時候?為什麼?如果你想不起來,可能值得想一想。
把文章中的思考,帶進組織現場
歡迎加入「組織的另一半」共學社群,與 HR、OD 夥伴一起讀研究、交流經驗,探索 AI 轉型中可以嘗試的下一步。
👉 〔了解共學方式・申請加入〕https://forms.gle/n5MzwZc1SJjFDga7A

延伸閱讀
參考文獻
- Renieris, E. M., Kiron, D., Kleppe, A., & Mills, S. (2025, June). AI Explainability: How to Avoid Rubber-Stamping Recommendations. MIT Sloan Management Review & Boston Consulting Group.
- Demirer, M., Horton, J. J., Immorlica, N., Lucier, B., & Shahidi, P. (2026). Chaining Tasks, Redefining Work: A Theory of AI Automation. NBER Working Paper No. 34859.(工作論文)
- Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
- Parasuraman, R., & Manzey, D. H. (2010). Complacency and bias in human use of automation: An attentional integration. Human Factors, 52(3), 381–410.
- Bion, W. R. (1961). Experiences in Groups. London: Tavistock.
- Bion, W. R. (1970). Attention and Interpretation. London: Tavistock.
Lead yourself first with authenticity and positivity that other people will choose to follow.Positive Leaders, Positive Organizations.

作者
Edward Cheng 鄭博文
慧培國際管理顧問公司台灣區人才發展總監 / 企業教練/策略引導師
台灣人,具多個行業的豐富人力資源管理經驗, 清大教育與心理諮商學系碩士,現職清大教育與心理諮商學系團體動力講師與慧培國際台灣區人才發展總監。
Edward 過去有將近18年的HR主管經驗,有2/3的時間是跟企業的CEO一起工作,能夠從企業經營的高度來規劃組織的人才發展。協助主管不只是知道還要能夠做到,從系統性的角度完整的規劃與提升主管的關鍵能力以帶來組織的成效。
Edward 擅長於 願景策略會議引導(Vision and Strategies Workshop) 、商業模式引導 (Business Model Workshop)、團隊教練 (Group Coaching)、高管教練(Coaching) 以及教練領導力(Coaching Leadership)。
Email:powen.coach@whitespace-leadership.com M:0958802653
