目錄
文｜UMU ALT團隊 UMU學習平台
當AI開始進入每一間辦公室，企業面對的問題早已不是「要不要導入AI」，而是「怎麼導入才對」。
然而，大多數組織的數位轉型策略仍停留在「追求最強AI」的思維，卻忽略了一個更根本的問題：AI的改進方向，才是決定員工收入上升或下降的關鍵變數。IESE商學院在2024年發表的研究論文提出一個反直覺的發現——AI愈努力補自己的弱點，對勞動力反而愈不利。
本文將帶你從三個層次理解這份研究的核心發現：
- 為什麼現有的數位轉型策略容易走錯方向？HR與組織決策者最常踩到的三大挑戰是什麼？
- 透過文中研究發現，如何翻轉我們對AI配置的既有認知？
- 這些理論框架能為HR、主管與組織決策者帶來什麼具體的戰略啟示？
如果你正在思考如何讓AI真正為員工創造價值，而不只是取代人力，這篇文章值得你細讀。
前言:數位轉型策略的關鍵：從「追求最強 」到「最適合的 」
AI 的快速發展正在重塑工作世界，引發關於其社會影響的廣泛討論。一些觀點認為 AI 將提升生產力並推動經濟成長，使整個社會受益；另一些觀點則擔心這項技術可能取代人類勞動，壓低薪資。
對於負責組織 AI 戰略和人才發展的決策者而言，一個核心問題尚未得到充分解答：AI 的哪些改進會增加勞動力收入，哪些會減少？更重要的是，是否存在一個理論框架，能夠引導組織在 AI 時代最大化勞動力價值？
企業導入AI的3大挑戰：數位轉型策略缺的不是預算，是方向
在當前的 AI 轉型實務中，人力資源部門正陷入重重困境。
挑戰1：組織大量投入，卻沒有顯著的成果或數據
許多組織每年投入數百萬資金進行 AI 培訓和轉型，但 HR 卻無法向高階主管證明這些投資究竟帶來了什麼價值。培訓數據分散在各個系統，無法形成完整的證據鏈。當高階主管質疑「這些培訓到底提升了多少業績」時，HR 只能給出模糊的質化描述，拿不出具體數據。這種「投入看不見回報」的困境，讓 HR 在預算談判中處於被動地位。
挑戰2：策略模糊，轉型方向不清楚
組織都知道要數位轉型，但「怎麼轉」卻成了難題。許多組織投入大量資源，轉型效果卻不明顯，缺乏清晰的執行路徑。更關鍵的是，組織不知道應該優先提升 AI 的哪些能力。是追求「最強 AI」嗎？還是應該有所側重？這個根本性的戰略問題，至今沒有理論框架來引導。
挑戰3：員工擔憂被取代，數位轉型難推動
員工擔心 AI 的改進會降低自己的收入，甚至被取代。這種擔憂導致員工對 AI 轉型產生抗拒情緒，影響轉型推進。但組織卻無法向員工說清楚：AI 的哪些改進會真正幫助員工，哪些又會損害員工利益？缺乏這個答案，組織就無法消除員工的疑慮，也無法獲得員工對 AI 轉型的支持。
這些挑戰的根源在於，我們缺乏一個理論框架來理解 AI 改進對勞動力的影響機制。傳統觀點可能認為 AI 改進總是對勞動力有利，或者認為更強的 AI 必然帶來更好的結果。
但最新經濟學研究有了一個不一樣的發現：AI 改進方向比改進程度更重要。 這個發現，正是解決上述三個挑戰的關鍵。IESE 商學院的 Enrique Ide 和 Eduard Talamàs 在 2024 年 8 月發表的研究論文中，建構了一個知識經濟模型來分析 AI 能力對勞動力收入的影響。
延伸閱讀：數位賦能戰略｜AI在人才發展與數位學習的新趨勢
研究發現1：數位轉型策略的方向決定了人機協作的價值
論文的第一個核心發現是：當 AI 在機器弱於人類的維度改進時，勞動力收入下降；當 AI 在機器強於人類的維度改進時，勞動力收入上升。
同樣導入AI，有人受益、有人受害？關鍵在於「怎麼用」
這個發現的核心邏輯是：AI 改進的方向決定了人機協作的價值變化。論文將知識理解為多維度的能力。例如，一個業務職位可能需要兩個維度的能力：產品知識維度（了解產品特性）和人際溝通維度（理解客戶需求、建立信任）。
AI 擅長快速檢索產品資訊（強維度），但不擅長理解客戶情緒（弱維度）。如果 AI 在它弱於人類的「理解客戶情緒」維度改進，它只能獨立處理簡單溝通，把複雜問題留給人類，人機協作價值沒有提升，反而讓人類的工作更加困難。
但如果 AI 在它強於人類的「產品知識」維度進一步改進，它就能解決更多之前無法解決的複雜問題，讓人機協作創造更大價值，人類收入因此上升。關鍵在於：AI 應該在自己擅長的領域變得更強，而不是在自己不擅長的領域追趕人類。
不是AI有多強，而是AI強在哪裡
論文透過經濟學模型證明了一個關鍵規律：
- 當 AI 在它不擅長（弱於人類）的領域變強時，員工收入反而下降
- 只有當 AI 在它本來就擅長（強於人類）的領域更強時，員工收入才會上升
AI 搶走了容易的工作，把最複雜的問題留給了人類
論文提供了清晰的解釋：當 AI 在它不擅長的領域硬補不足之處時，它只是學會了獨立完成那些簡單任務。結果就是：AI 搶走了容易的工作，把最複雜的問題留給了人類。這不僅沒有創造新價值，反而讓人類的工作變得更艱難。
相反，當 AI 在強維度改進時（例如在產品知識維度進一步提升），這種改進既提升了人機協作的價值，又增加了知識協同效應。論文指出，AI 能獨立解決的每個新問題，都是組織之前無法解決的問題，因此人類需要處理的問題範疇也有效改善了。
換句話說，當 AI 在強維度改進時，它能夠解決更多之前無法突破的複雜問題，人機協作的價值大幅提升，勞動力收入因此上升。
數位轉型後的組織4種可能形態：
- 單層自動化組織：只有 AI，沒有人類——就像完全由機器人運作的工廠，AI 獨立處理所有問題
- 單層非自動化組織：只有人類，沒有 AI——就像傳統手工作坊，所有工作都由人類完成
- 底層自動化組織：AI 在底層，人類在頂層——AI 先處理問題，解決不了的再交給人類，人類是「救援角色」。例如：客服系統（AI 先回答，再轉人工）
- 頂層自動化組織：人類在底層，AI 在頂層——人類先處理問題，解決不了的再請教 AI，AI 是「專家顧問」。例如：醫師診斷（醫師先看診，疑難問題再諮詢 AI）
研究發現2：數位轉型策略的隱藏矛盾——員工與雇主對AI的不同期待
員工v.s.雇主：兩者想要的AI不一樣
論文的第二個核心發現，當人類在至少一個維度足夠強時，對員工最有利的 AI 配置是「非對稱」的：在人類相對強的維度表現盡可能弱，在人類相對弱的維度表現盡可能強。這個發現完全顛覆了「AI 愈強愈好」的直覺認知。論文明確指出：當 AI 在人類相對強的維度表現盡可能弱、在人類相對弱的維度表現盡可能強時，勞動力收入才能達到最大化。
論文給了一個很直觀的解釋：站在員工的立場，最理想的AI是「價格合理、專門補我不足之處」的輔助工具；但站在雇主端的立場，最理想的AI是「什麼都能做、越強越好」的全能機器。
用業務角色來看：什麼樣的AI配置才能創造最大價值
舉例來說：假設業務人員在人際溝通維度很強（能建立客戶信任），但在產品知識維度較弱（難以記住所有產品細節）。如果組織引入一個「非對稱」的 AI，例如：在人際溝通維度表現普通，但在產品知識維度表現出色（能快速檢索所有產品資訊），這個 AI 就能在業務人員弱的維度發揮補充作用，形成理想的人機協作。業務人員專注於自己擅長的溝通，AI 提供產品知識支援，兩者協作創造最大價值。
但如果引入一個「全維度強」的 AI——在人際溝通和產品知識兩個維度都很強，這個 AI 可能會獨立完成更多工作，減少人機協作的需求，反而降低勞動力收入。
這一發現說明勞動力與雇主端在 AI 發展方向上的根本分歧：勞動力希望 AI 是「輔助者」（在人類弱的維度強），而雇主端則是希望， AI 是「取代者」（在所有維度都強）。
研究發現3：真正懂得設計協作結構，才是數位轉型策略的核心
論文還揭示了一個重要機制：人機協作可以產生知識協同效應，也就是人機聯合解決問題的能力，可能大於各自獨立解決問題能力的總和。
這個發現意味著，人機協作不是簡單的「1+1=2」，而是可以創造「1+1>2」的協作價值。例如，人類單獨能解決 60% 的問題，AI 單獨能解決 50% 的問題，但人機協作可能能解決 80% 的問題，超越了單純相加的結果。
這一理論發現也獲得了實證支持。Krakowski 等學者在 2024 年的統合分析顯示，人機協作在皮膚癌診斷中的表現優於單獨的人類或 AI。這證明人機協作不僅僅是替代關係，而是能創造真正的協同價值。
延伸閱讀：學習型組織如何迎戰AI時代？2025最新研究揭示5大關鍵策略【培訓實務案例】
數位轉型策略的思維升級
基於這些研究發現，論文提出了一個重要的策略啟示：組織應該關注「在哪些維度提升 AI」，而非「提升多少」。
思維轉變具有重要的實務意義，也為組織發展提供了具體方向。傳統數位轉型可能陷入「追求最強 AI」的誤區，但論文揭示應該追求「最適合的 AI 配置」。論文明確指出，最大化勞動力收入的 AI 配置，與最大化資本收入的 AI 配置並不相同，說明 AI 配置本身需要戰略抉擇。
轉型新思維1：人機協作的組織設計
論文的人機協作組織設計框架，可以協助組織規劃最佳的人機協作結構。論文分析了不同組織層級架構（單層對比雙層、機器在底層對比頂層）的效率差異，為組織設計提供了理論依據。
關鍵原則是最大化知識協同效應。組織應設計人機協作模式，使人機聯合解決問題的能力大於各自獨立能力的總和。這需要先釐清 AI 在哪些維度強於人類、在哪些維度弱於人類，再據此設計對應的協作架構。
轉型新思維2：AI 素養的培訓方向
論文的發現為 AI 素養培訓提供了方向指引。培訓應重點培養員工在 AI 強維度上的協作能力，同時在 AI 弱維度上維持人類優勢。
論文的「非對稱 AI 配置」理論可應用於個人化培訓設計。不同員工在不同知識維度各有優勢，需要「非對稱」的 AI 協作培訓方案，而非齊頭式的標準化培訓。這為解決「個人化培訓需求與規模化交付之間的落差」提供了新思路。
轉型新思維3：培訓效果評估的框架升級
論文的發現也為培訓效果評估提供了新框架。傳統培訓效果評估只看「提升了多少」，但論文揭示「在哪些維度提升」更為關鍵。這為評估培訓成效增添了新維度：不僅要量化能力提升，更要評估提升方向是否正確。
這一框架可以幫助 HR 向高階主管清楚說明培訓投資的價值。透過方向性評估，HR 可以證明培訓投資的戰略意義，而不僅僅是能力提升的幅度。
延伸閱讀：組織的AI素養評估矩陣和發展畫布：從高階主管到一線人才的AI力【培訓趨勢議題】
結語：從人力資源角度重新思考數位轉型策略
這項研究揭示了一個關鍵發現：AI 改進方向比改進程度更重要。當 AI 在機器弱於人類的維度改進時，勞動力收入反而下降；只有當 AI 在機器強於人類的維度改進時，勞動力收入才會上升。這一發現為組織 AI 戰略、人機協作設計和 AI 素養培訓提供了全新的理論框架。組織應該從「追求最強 AI」轉向「追求最適合的 AI 配置」，在 AI 投資決策中納入勞動力利益的考量，最大化知識協同效應，而非單純追求 AI 能力提升。
對人力資源部門而言，這一理論框架提供了向高階主管證明培訓投資價值的新工具。透過方向性評估，HR 可以清楚呈現培訓投資的戰略價值，而不僅僅是能力提升的程度。在 AI 快速發展的時代，理解 AI 改進方向對勞動力的影響，比單純追求 AI 能力提升更為重要。這不僅是技術問題，更是戰略抉擇。
數位轉型策略的核心問題，從來不是「AI有多強」，而是「AI用在哪裡」。
當AI在本來就擅長的維度持續精進，人機協作的價值才會真正提升，員工的收入與貢獻才有機會同步成長。對HR而言，這個框架提供了一個全新的視角：「培訓投資的價值，不只看提升了多少能力，更要看提升的方向是否正確。」從選擇AI工具、設計協作流程，到評估培訓成效，「方向比強度更重要」這個原則，應該貫穿組織數位轉型策略的每一個決策環節。
1.在你的組織裡，目前導入的AI工具，是在強化人類的優勢，還是在補人類的弱點？
2.制定數位轉型策略時，你們有沒有討論過AI配置方向對員工收入與工作滿意度的影響？
您也有訓練需求嗎?
填寫訓練需求表單，我們將盡快派專人與您聯繫，提供相關培訓建議與資料，以協助您的企業人才持續發展。
培訓雜誌
《培訓》雜誌由新華報業傳媒集團主管主辦著重於企業培訓與人才發展前沿資訊，實踐案例，實用方法的報導與分析，探求中國企業高索質人才培養與發展的方法和途徑。自2005年創刊以後，已成長為企業培訓專業媒體平台。
《培訓雜誌》公眾號
