哈佛商學院的研究工作報告顯示，結構性重複任務的市場需求正在快速下滑，但可被 AI 擴增的職位需求卻逆勢成長了 20%。
領先的企業主管不再問「AI 能取代哪些人」，而是開始問，在 AI 時代，哪些人類能力變得更有價值？
人機協作的效益，比多數人想像的更有條件
MIT 集體智能中心（CCI）發表於《自然人類行為》期刊的研究，檢視了超過 100 項人機協作實驗，得出一個令人意外的結論：平均而言，人機組合的表現，並不優於最佳的純 AI 或純人類系統。
但這個發現並非要否定人機協作的價值，而是在指出，協作效益只在特定情境下才會出現。
當人類在任務中的表現本來就優於 AI 時，人機組合往往能超越兩者各自的表現；例如鳥類圖像分類，這是需要專業知識的任務，人類單獨達到 81% 準確率，AI 單獨達到 73%，但人機組合達到 90%。
反之，當 AI 本來就比人類更擅長某項任務時，加入人類判斷反而可能拉低整體表現，因為人類在此時也不擅長判斷何時該信任 AI、何時該信任自己。
MIT 的研究也發現，在內容創作類任務上，人機組合的效益明顯更高，尤其是生成式 AI 的場景。生成式 AI 允許草稿、編輯、修改的迭代循環，AI 能即時回應人類反饋，讓人類在過程中動態調整輸出。這種互動模式比早期只能執行特定任務的 AI 系統，更適合真正的人機協作。
對企業主管而言，這個研究指向一個更重要的管理任務：不是把子任務分給人或 AI，而是重新設計整體工作流程。Malone 以家具量產為例說明，自動化不只是組裝步驟，還要考慮如何移動完成品穿越工廠，因此真正的效益來自流程層面的重新思考，而非表面的任務重新分配。
被低估的人類能力，正在重新定價
而同理心、創造力、倫理判斷，這些長期被歸類為「軟技能」的能力，在 AI 時代正迎來一次遲來的重新評價。AI 在處理過去的資料上表現卓越，但面對前所未見的文化轉折或地緣政治衝擊，它沒有能力導航。而那些時刻，恰恰是決定一家公司是領導者還是跟隨者的關鍵。
MIT 的研究也印證了這個方向。研究發現人類在涉及情境理解與情緒智能的子任務中表現最佳，AI 則在重複性高、資料驅動的子任務中佔優。這個分工邏輯，正是當前最具韌性的組織正在落實的方向。
他們開始量化情緒智能，並建立專門的人類決策層，用來捕捉 AI 產出但無法自我判斷的事物，包括低品質的 AI 輸出（研究者稱之為「workslop」）、因過度依賴機器而侵蝕的團隊士氣，以及缺乏人類脈絡的決策結果。情緒智能在這些組織裡，已不再是文化指標，而是業務指標。
效率是起點，不是策略
關於 AI 帶動的效率，Deloitte 2026 年全球人力資本趨勢報告的數據指出，採取技術優先取向的主管，比採取以人為中心取向的主管，未能實現 AI 投資回報的機率高出 1.6 倍。
報告也指出，AI 帶來的效率紅利應該再投資於員工的表現與組織創新，而不是從中抽取。技術可以被複製，人才與文化不行。
對想要在這個狀況中有效領導的主管，有三個具體的切入點。
第一，稽核讓員工感到挫折的任務，而不只是找冗餘工作。讓團隊指出那些做起來費力但低於他們能力水平的重複任務，尋找可以被寫成標準作業程序並自動化的流程。
第二，在與主管的一對一會議中，找出員工長期工作在能力水平以下的環節，將那些時間釋放出來，導向需要判斷力的策略工作。MIT 的研究也支持這個方向：持續監控協作效果、根據結果與使用者回饋優化工作流程，是實現真正人機協作效益的必要步驟。
第三，把文化連結視為資產負債表上的項目來保護。遠端工作與機器協作讓真實的人際互動變得更稀缺，也因此更珍貴。一個簡單的做法是在會議開始時問，「最近什麼事讓你感到開心？」聽起來微小，但對團隊凝聚力的效果並不微小。
AI 是副駕駛，目的地仍屬於人
AI 效率論的天花板正在顯現，而那條天花板的位置，剛好就是人類判斷力開始的地方。
MIT 的研究提醒，人機協作不是把兩者加在一起就能自動變好，而是需要理解各自的能力邊界，並在流程層面重新設計。
真正的 AI 轉型挑戰，不是讓員工學會使用工具，而是讓員工從對 AI 的恐懼，轉向主動將 AI 當作槓桿。這個轉變需要領導層以身作則。
技術可以被競爭對手複製，一個能讓員工主動學習、持續擴增自身能力的組織文化，才是真正難以被取代的護城河。
【推薦閱讀】
◆【別只說「AI 會提高生產力」】想平穩轉型，領導者必須對症下藥的 3 大關鍵
◆全公司 70% 都用了 AI，資訊長卻喊「無法接受」？揭秘日清食品的 AI 轉型歷程
◆【亞馬遜發起內部重組】力抗微軟、Google，AWS 諮詢部門朝 AI 轉型要搶回企業大單
＊本文開放合作夥伴轉載，參考資料：Forbes、MITSloan，首圖來源：Unsplash
（責任編輯：鄒家彥）
