顧衡／長期研究歷史與社會結構的寫作者
關於 AI 是否會取代人類工作的討論一直不少。但或許也可以從另一個角度思考：AI 不會平均賦能，它可能會放大既有差距。
與其只討論 AI 會取代誰，不妨也想一想——AI 會放大誰。
做一個思想實驗。假設有五位本來就極為優秀的企業決策者，判斷成熟、經驗豐富、承擔風險的能力相近，彼此差距其實不大。
其中兩位開始深度且高品質地使用 AI。他們用模型模擬市場情境，用演算法壓力測試反對意見，用數據掃描微弱訊號，用系統檢驗自己的假設盲區，而決策拍板仍然由他們完成。
這些工具帶來的優勢，在單一決策上也許並不明顯，但累積一年下來，整體決策品質可能只多出約5% 的優勢：錯誤率略微下降，風險盲區略微縮小，決策速度略微加快。
這樣的微幅差距，在時間中開始產生複利效果。三年之後，這每年多出的 5% 優勢，在複利計算下可能累積成約 16% 的差距，使原本微小的優勢迅速被放大。
AI 並不平均賦能，它放大的是決策期望值。
多數討論仍停留在「準確率」，但真正的關鍵是決策責任仍然在人類身上。預測可以外包，分析可以外包，報告可以生成；然而是否承擔風險，仍需要有人拍板。
拍板意味著責任，責任意味著權力。現代社會建立在問責制度之上：醫師背負執業風險，企業主管受董事會監督，公職人員面臨政治問責，而程式碼沒有法律人格。
它無法出庭，無法被吊銷執照，無法承擔歷史後果。
只要責任仍然存在於人類制度中，決策權就無法完全轉移。這條防線暫時仍然牢固。
另一個結構限制來自內隱知識。人類判斷大量依賴長期經驗整合、情境感知，以及難以語言化的直覺。
資深醫師看一眼病患神情，經驗豐富的主管聽幾句簡報語氣，就能察覺事情不太對勁。這類判斷往往難以被寫成明確公式。這種情況常被稱為「波蘭尼悖論」（Polanyi’s Paradox）：人類能做的事情，往往比能清楚說出的規則還要多。
這些能力缺乏穩定參數邊界。更困難的是，人類往往不知道自己正在使用哪些隱性能力。
模型可以處理被資料化的世界；尚未被形式化的經驗，構成邊界。AGI（通用人工智慧）之所以困難，很大一個原因是現實世界充滿未知情況，而目前的系統主要是在特定資料與任務中訓練出來的能力。
算力可以不斷提升，但很多人類經驗仍然很難被清楚寫成可操作的模型。
AI 正在壓縮中間層的判斷工作。高度流程化的分析將逐漸被工具取代，標準化決策流程將被自動化。
組織結構開始重組：
頂層決策者的槓桿被放大；
底層執行者高度系統化；
中間層的判斷空間被壓縮。
算力成為基礎設施，
決策權成為稀缺資產。
當 AI 工具逐漸普及之後，真正的分水嶺將落在誰握有拍板權、誰能承擔後果。
當機器包辦 99% 的預測與計算，人類剩餘的價值將集中在三個位置：問題定義者、價值排序者、責任承擔者。
AI 不會創造優秀的決策者，它只會放大已經優秀的決策者。
在算力廉價化之後，權力與責任將成為新的競爭核心。未來的差距，不發生在資訊層，而發生在決策層。
這才是 AI 時代真正的結構變化。
★《鏡報》徵文／《鏡報》歡迎各界投書，來文請寄至：editor@mirrordaily.news，並請附上真實姓名（使用筆名請另外註明），職稱與聯絡電話。來文48小時內若未收到刊登通知，請另投他處。回到原文
更多鏡報報導
解放軍「無人作戰」的虛實：解析AI時代認知戰與現代防禦機制
Google來台20年大動作！百萬美元打造AI健康網 300偏鄉糖尿病患受惠
AI爆發掀人才荒 緯創3月啟動大規模校園徵才 實習生也能參與AI專案