讀完這篇文章，你將清楚了解什麼是 AI 去技能化、為什麼一位華頓商學院教授在 2026 年 9 月 10 日公開承認自己正在「去技能化」、你團隊哪些能力可以放心交給 AI，以及哪些能力一旦失去，就再沒有人能分辨 AI 的答案是對還是錯。
什麼是 AI 去技能化？
AI 去技能化（AI deskilling）指的是：因為 AI 工具接手了某項工作，人逐漸停止練習，能力隨之退化，最終沒有工具就做不到，甚至無法判斷 AI 的結果是否正確。它可以發生在個人身上，更危險的是同時發生在整個團隊身上。
這個詞比 AI 更早出現。勞動經濟學家 Harry Braverman 在 1970 年代用「去技能化」形容工廠把工序拆得極細，令工人不再需要手藝。計算機令人不再心算，導航令人不再看地圖，拼寫檢查令人不再校對。
2026 年的分別在於廣度與速度。以往一代人才失去一項能力，如今一個人可以在數月內同時失去試算表、寫作、排除故障和分析的能力，因為同一個 AI 助手把這些全部包辦。
這個詞在 2026 年 9 月 10 日正式進入主流：華頓商學院教授 Ethan Mollick 發文表示，自己正以極快的速度在許多「煩人的工作」上去技能化，而且「還嫌不夠快」。貼文瀏覽量超過 56,000 次，留言區隨即演變成一場關於「方便到哪裡為止、風險從哪裡開始」的公開辯論。
AI 去技能化是如何發生的？
去技能化遵循一個簡單的循環：工作沉悶，AI 做得夠好，人停止親自做，能力因缺乏練習而退化。幾個月後，這個人已無法判斷 AI 的輸出是否正確，因為判斷所需的正是他已停用的那項能力。
可以想像一位餐廳主廚訂購了預先切好的蔬菜。第一個月，她逐袋檢查，退回切得不好的貨。第六個月，她信任供應商，不再細看。第十二個月，她已忘記標準的細絲應該是什麼樣子，一批劣質貨直接上了餐桌。
研究結果與此吻合。微軟研究院一項涵蓋 319 名知識型員工的研究（發表於 CHI 2025 學術會議）發現：對 AI 工具越有信心的人，對其輸出所運用的批判思考越少；對自身能力越有信心的人，反而持續檢查。
2025 年刊登於《The Lancet Gastroenterology & Hepatology》的一項研究則發現，使用 AI 偵測工具三個月的醫生，在關閉工具後辨識異常的能力出現可量度的下降。受過專業訓練的醫生都能在十二週內流失核心能力，一位行政助理失去試算表能力的速度只會更快。
哪些能力可以放手，哪些絕對不能？
判斷標準不是工作是否煩人，而是兩個問題：不親自做，你還能否核對 AI 的結果？失去這項能力，是否等於失去唯一發現錯誤的方法？機械式、易核對、出錯代價低的工作可以放手；依賴判斷、難核對、出錯代價高的工作，必須保留至少一位懂行的人。
Mollick 貼文下的留言像一張家務清單：修理打印機、寫試算表公式、找電腦檔案、排除電腦故障。其中一則留言只用三個字概括了健康的版本：「判斷留下。」
同一套分類法，套用到香港中小企是這樣的：
可以放心去技能化（機械式、易核對、出錯代價低）
--- 整理價目表或報價單格式。錯了一眼就看得出。
--- 例行 WhatsApp 回覆和社交媒體貼文的初稿。發送前你總會讀一遍。
--- 把供應商的 PDF 發票轉成試算表一行資料。總數對得上就是對得上。
--- 餐牌或產品描述的初步翻譯。母語者仍會略讀一次。
不能完全去技能化（依賴判斷、難核對、出錯代價高）
--- 閱讀租約或供應商合約。一份看似合理的摘要，仍可能漏掉那條令你損失 20 萬港元的條款。
--- 核對每月現金流。如果沒有人記得正常月份是什麼樣子，一筆分類錯誤的 8 萬港元就會無聲無息地過去。
--- 招聘決定與員工評核。AI 對履歷的排名，只有在有人能指出它錯在哪裡時才有價值。
--- 定價與毛利決策。模型可以提議，但老闆必須仍能解釋那個數字從何而來。
為什麼團隊去技能化比個人去技能化更危險？
一個人去技能化，同事仍可以發現錯誤。當整個團隊同時停止練習同一項工作，就再沒有人能認出「看似合理但其實錯誤」的答案。問題從個人的不便，變成組織的盲點，而且失去了最後一道糾錯機制。
Mollick 貼文下最一針見血的留言正是這一點：個人版本沒有問題，但「當所有人都在同一項工作上去技能化，就沒有人能在 AI 出錯時把它抓住」。
想像一家位於觀塘、六人規模的貿易公司。2024 年，三位員工都能人手核對每月銀行月結單。2026 年，AI 記帳工具四分鐘完成，三人全部停手。2027 年，工具把一筆 12 萬港元的客戶退款誤標為收入，帳目連續五個月看起來比實際健康。沒有人發現，因為沒有人記得核對時「應有的感覺」。
IBM 商業價值研究院在 2026 年訪問了 1,500 名高層管理人員及 28 個國家的 8,800 名員工，發現 46% 的高層已把能力流失列為首要憂慮，60% 的員工表示自己直接受到影響，其中最常被提及正在退化的能力是批判思考。
波士頓諮詢公司（BCG）在 2026 年的報告《當所有人都用 AI，企業就有失去關鍵能力的風險》中得出相似結論：管理層最重視的判斷力與問題界定能力，恰恰是最容易流失的。
香港中小企如何防止有害的去技能化？
防止去技能化是人事與流程的決定，不是技術的決定。為每項依賴判斷的工作指定一位「能力守門人」，安排簡短而定期的人手練習，每週抽查一部分 AI 輸出，並把「正常結果是什麼樣子」寫下來，讓新人也能辨認異常。
以下五個步驟，適合二十人以下的企業：
--- 列出你的判斷型工作。合約、現金流、定價、招聘、合規，通常只有五至八項。其餘工作可以放心自動化。
--- 每項工作指定一位守門人。不要所有事情都落在老闆身上，分散開來，企業才不會依賴同一個腦袋。
--- 設立「人手星期一」。每月一次，守門人親手完成該項工作，或逐行核對 AI 的版本。三十分鐘已足夠保持手感。
--- 抽查，不必全查。五十份 AI 起草的報價單中抽五份檢查。若有兩份出錯，擴大抽查範圍；若全部正確，維持抽查。
--- 把基準寫下來。「正常月份有 40 至 55 張發票，毛利率介乎 31% 至 36%。」一頁紙的基準，足以讓初級同事察覺 AI 已經偏離。
這也是合理培訓新人的方法：讓新同事在首兩星期親手做一遍機械式的版本，之後才交給 AI。日後 AI 的輸出一旦「不對勁」，他們永遠都能嗅出來。
關於 AI 去技能化的常見誤解
三個想法造成了大部分損害：去技能化一定是壞事、去技能化完全沒問題、只有初級員工才會受影響。事實上，有意識地放下瑣事是健康的，不受控地放下判斷力則不是；而一年沒有親自看過帳目的老闆，往往是全公司最「去技能化」的人。
「去技能化一定是壞事。」沒有人為失去長除法能力而惋惜。如果一項工作對你沒有手藝價值，而且結果易於核對，放手反而能騰出時間做真正推動業務的事。
「只要 AI 準確，去技能化就無所謂。」今天準確，不代表工具更新、供應商改變格式或模型退役的那一天仍然準確。工具悄悄失靈時，人的後盾才最重要。
「只有初級員工才有風險。」BairesDev 的調查發現 24% 的初級程式員沒有信心在沒有 AI 的情況下從零寫程式。但一年沒有親自翻開帳簿的老闆同樣去技能化，而且賭注大得多。
「培訓一次就能解決。」能力因為不用而退化，不是因為缺少證書。只有定期練習，哪怕很短，才能保住。
AI 去技能化常見問題
香港老闆最常問的四個問題：去技能化是否無可避免、多快會發生、是否應該因此延遲採用 AI、如何量度。簡答是：可以管理、最快三個月、不應延遲、每月一次人手抽查是最簡單的量度方法。
AI 去技能化是否無可避免？機械式部分是的。判斷部分只會在你讓所有人同時停止練習時才會失去。
多快會發生？《刺針》的研究在三個月內已量度到專科醫生的能力下降。任何團隊停用的能力，可假設三至六個月內退化。
我應否延遲採用 AI 以避免去技能化？不應該。落後於競爭對手的代價，遠高於每月一次練習的成本。先採用，再保護那幾項判斷能力。
如何量度？每季一次，讓一位員工在關閉 AI 的情況下完成一項真實工作並計時。如果他做不完，或無法解釋結果，這項能力就需要守門人。
它與「認知卸載」是同一回事嗎？密切相關。認知卸載是把思考交給工具的行為；去技能化是反覆這樣做之後的長期後果。
結語：放下瑣事，留住判斷
AI 去技能化是因為工具接手工作而導致的能力流失。放下你從不重視的能力是划算的交易；失去核對工具的能力則不是。用「我還能否核對它？」為工作分類，為每項判斷型工作指定守門人，然後簡短而定期地練習。這樣 AI 會令你的團隊更快，而不是更盲。
科技應該接走苦差，而不是接走思考。這個平衡，正是我們 28 年來陪伴香港企業尋找的東西。懂AI，更懂你 UD相伴，AI不冷
UD AI 團隊審閱。
想知道你的團隊目前有多少 AI 判斷力，缺口在哪裡？免費 AI IQ 測試只需幾分鐘，就能告訴你哪些能力必須保護。UD 團隊手把手教你，從測試結果到實際方案，全程陪你走每一步。
