會議室裡，正在出現一種奇怪的景象。
簡報的版型更漂亮，分析框架更完整，連結論都像顧問公司寫的。可是主管關掉投影幕，多問一句：
「什麼證據出現，你會推翻現在的結論？」
報告的人，答不出來。
他知道AI給了什麼答案，卻不知道那個答案憑什麼成立。
一項由任職於哈佛商學院、華頓商學院、MIT的研究者共同完成的實驗，找來758位BCG顧問，研究結果於2026年正式刊登在《Organization Science》。
面對AI能力範圍內的任務，使用GPT-4的顧問，完成速度快25.1%，平均多完成12.2%的任務；成果品質提高29.9%至33.9%。
但研究者又設計了一道AI不擅長的商業題：顧問必須交叉閱讀財務資料與公司內部訪談，判斷哪一個品牌最有成長機會。
這一次，使用AI的顧問，答對率平均低了約19個百分點。
這些人不是缺乏訓練的學生，而是BCG顧問。
AI不只會犯錯。它還能把錯誤答案，寫成一套完整、合理、有說服力的分析。
研究者稱之為「鋸齒狀的科技邊界」：AI可以完成某些複雜的策略工作，卻可能在一個看似簡單的因果判斷上失手。更麻煩的是，人很難事先知道，眼前的問題究竟落在邊界內，還是邊界外。
一份寫得太好的錯誤答案，往往比一份粗糙的錯誤答案更難被發現。
第二份研究，把問題往前推了一步。
卡內基美隆大學與微軟研究院的研究者，訪問319名知識工作者，分析936個實際使用生成式AI的工作案例。研究於2025年收入CHI人機互動學術會議正式論文集。
結果顯示，人們對AI完成任務的信心愈高，自陳投入批判思考的程度愈低；對自身專業愈有信心，反而愈會查證AI的答案。
這是一項問卷研究，不能證明AI造成批判思考能力下降。但它揭露了一個正在企業內部發生的位移：
過去，人自己蒐集資料、建立假設、分析問題；現在，AI先產出，人負責查證、修改與監督。
表面上，人從執行者升成了主管。
問題是，監督AI需要的判斷力，恰恰來自那些逐漸被AI接手的工作。
一位資深財務主管看得出AI混淆了現金流與獲利，因為他曾親自分析過無數張報表。但如果一名新人從第一天便把分析交給AI，五年後，他可能有五年的AI使用經驗，卻沒有五年的財務判斷經驗。
他被放到監督者的位置，卻沒有走過成為監督者之前的路。
第三份研究，則直接觀察寫作時的大腦活動。
MIT Media Lab研究者領銜的實驗，讓54名參與者分別使用ChatGPT、搜尋引擎，或完全不用工具撰寫文章，並以腦電圖記錄腦區連結。
不用工具者的腦區連結最強、分布最廣；搜尋引擎組居中，ChatGPT組最低。ChatGPT組也較難準確引用自己剛寫過的內容，對文章的所有權感較低。
這項研究目前仍是尚待同儕審查的預印本，樣本也不大，不能據此斷言AI會讓大腦退化。
但它留下了一個問題：看懂一個答案，等於形成一個答案嗎？
寫作從來不只是把答案輸出成文字。人往往是在回想、選擇、排序、刪除與懷疑的過程中，才知道自己究竟相信什麼。
AI若太早進場，人可能接收了一條完整的推論，卻沒有親自走過形成推論的路。
三份研究都沒有證明「使用AI會讓人變笨」。
它們共同指向的，是另一個更難察覺的變化：成果與能力，開始脫鉤。
一個人可以交出超過自身能力的成品，卻沒有相等程度的理解。一家公司也可能累積愈來愈多完整的報告，卻養出愈來愈少能在資訊不完整時做判斷的人。
所以，真正需要改變的，可能不是「要不要用AI」，而是AI在思考的哪一刻進場。
先形成自己的問題、關鍵假設與初步判斷，再讓AI找漏洞、提反例、補資料。報告完成後，關掉投影幕，只問一句：
「什麼證據出現，你會推翻現在的結論？」
如果答不出來，投影幕上的二十頁已經完成了。
但思考，可能還沒有開始。
