當 AI 開始參與我們的選擇

3C 時代，科技延伸人的行動能力；AI 時代，科技開始更深入地參與人的判斷、選擇與決策形成過程。

過去二、三十年，我們早已習慣科技進入生活。

電腦改變工作，手機改變溝通，網路改變資訊取得；GPS 幫我們找路，行事曆協助記憶，搜尋引擎讓知識幾乎隨手可得。

如果今天突然失去手機、電腦與網路，很多人的工作與生活恐怕立刻就會受到影響。

科技早已不是生活之外的東西。

它就是生活的一部分。

但生成式 AI 出現之後，我開始覺得：

這一次，好像又有些不一樣。

一句「我也想要這樣的網站」，事情就開始了

最近我自己就有一個很直接的經驗。

某天看到高醫師的個人網站時，第一個感覺真的是——驚為天人。

它不只是把個人資料放上網，而是把一個人的專業、文章、理念與對外連結，整理成一個完整而有辨識度的空間。

當下我腦中也浮現一個想法：

如果我也能有一個這樣的個人網站就好了。

但這個念頭很快就碰到現實。

網站怎麼做？

從哪裡開始？

版面怎麼設計？

網域、部署、內容架構、訂閱功能又要怎麼處理？

如果放在過去的 3C 時代，我大概會先去找工程師、設計師或網頁公司。

接下來是需求溝通、估價、設計、製作、修改、測試、上線。需要時間，也需要一筆預算。

更不用說網站完成之後，每一次新增功能、維修或改版，都可能再次需要專業人員協助。

但這一次，我只是打開 GPT，拋出一句：

「我想做一個類似高醫師的個人網頁。」

事情就這樣開始了。

從網站定位、內容架構、版面設計，到建立頁面與網域部署，後來又一路延伸到電子報訂閱與官方 LINE。

不到一個星期，一個原本只是腦中模糊的念頭，真的變成了一套可以使用的數位平台。

真正讓我感受到差異的，其實不只是：

AI 幫我寫了程式。

而是整個過程裡，當我不知道下一步是什麼時，它會協助我拆解問題；當我不知道有哪些選擇時，它可以整理可能的方案；遇到技術問題時，可以陪著一步一步排除；新的想法冒出來，又可以立刻接著往下發展。

慢慢地，我對這件事情的認知也改變了。

原本是：

「這不是我會做的事。」

後來逐漸變成：

「好像真的做得到。」

也就是從這個經驗開始，我想到一個問題：

科技與人的關係，是不是已經悄悄出現了變化？

從 3C 到 AI：真正改變的是什麼？

回頭看 3C 時代，科技其實早就在延伸人的能力。

我要寫文章，所以使用 Word。

我要查資料，所以使用搜尋引擎。

我要去陌生的地方，所以使用 GPS。

我要和遠方的人聯繫，所以使用手機與通訊軟體。

科技讓我們做得更快、更遠，也讓很多原本困難的事情變得容易。

甚至在認知科學裡，早已有 cognitive offloading（認知卸載）的概念。

Risko 與 Gilbert 將 cognitive offloading 描述為：人透過外在行動或外部資源，降低一項任務原本需要由內在認知處理的負荷。手機提醒、紙筆紀錄等，都可以視為其中的例子。

也就是說：

把一部分認知工作交給環境，並不是 AI 才開始的事情。

過去的科技，早就在幫助我們記憶、計算、搜尋與完成工作。

因此，如果把 3C 與 AI 完全切成兩個世界，其實並不精確。

搜尋引擎的排序會影響我們看到什麼，社群媒體的演算法會影響我們注意什麼，影音平台的推薦也早已影響我們下一部影片可能看什麼。

科技從來不只是完全被動的工具。

真正值得注意的，是到了生成式 AI 世代，這種影響的深度與互動方式開始改變。

我會暫時這樣描述：

3C 時代，科技延伸人的行動能力；AI 時代，科技開始更深入地參與人的判斷、選擇與決策形成過程。

以前比較常是：我先決定要做什麼，再使用科技完成它。

現在則可能是：我還不知道怎麼做，先和 AI 討論；決定也在互動之中逐漸形成。

最後做決定的仍然是人，但決定形成的過程，已經可能有 AI 參與其中。

那麼，我們可以用什麼角度理解這種改變？

這裡，我想借用一套職能治療很重要的理論。

職能治療其實一直在研究：人為什麼會過著現在這樣的生活？

很多人想到職能治療 Occupational Therapy，第一個聯想到的可能是復健、手功能訓練、輔具或生活自理訓練。

但職能治療所關心的，其實比「一個動作做不做得到」更廣。

我們會問：

一個人為什麼想做這件事？

為什麼他的生活形成現在這些習慣？

他的能力能不能支持他做想做的事情？

環境是在幫助他，還是在阻礙他？

人在每天反覆做這些事情的過程中，又逐漸形成什麼樣的生活？

Model of Human Occupation，簡稱 MOHO，就是職能治療領域中非常重要的一個理論模型。

MOHO 最早由 Gary Kielhofner 與 Janice Burke 於 1980 年提出，當時便以 open systems theory 作為重要理論基礎，試圖理解人的職能如何在一個持續與環境互動的系統中形成。

後續 MOHO 不斷發展，核心持續圍繞著一個問題：

人的 occupation，是如何被驅動、形成規律，並真正被執行出來？

MOHO 將人的部分理解為三個彼此關聯的重要構面：

Volition｜意志

關於一個人為什麼想做，包括興趣、價值，以及對自己能力與效能的看法。

Habituation｜習慣化

關於我們如何透過習慣與角色，形成相對穩定的日常生活模式。

Performance Capacity｜表現能力

關於支持一個人實際執行活動的身體與心理能力。

而這些又會持續與人所處的 environment｜環境產生互動。

MOHO Clearinghouse 的資料也指出，要理解 human occupation，就必須同時理解 occupation 發生其中的 physical and social environments。

也就是說：

人類的職能，從來不是單純由「一個人本身的能力」決定。

人的動機、生活模式、能力與環境會持續彼此影響，最後形成我們每天真正過著的生活。

而這也讓 MOHO 成為一個很有意思的框架，幫助我重新觀看 AI。

第一層：AI 改變了「我能不能做到」

先回到剛才建立網站的例子。

我並沒有因為使用 GPT 一星期，就突然成為網頁工程師。

但是我的「可完成範圍」確實改變了。

過去需要工程師、設計師，甚至多個不同專業角色共同完成的事情，現在在 AI 的協助之下，我可以參與其中，甚至完成相當大的一部分。

這就讓我想到 MOHO 所說的 performance capacity。

但 AI 世代也帶出了一個很有趣的問題。

如果一個人本身不會寫程式，卻可以透過 AI 完成網站；

一個人不擅長整理大量資料，卻能和 AI 一起完成分析；

一個人英文能力有限，卻可以透過 AI 完成跨語言表達，

那麼：

我們到底該怎麼理解這個人的「能力」？

是只有存在他身體與腦中的能力？

還是也包括：

他能不能有效調動環境中的資源，完成自己想完成的事情？

這個問題其實很符合 OT 的思考方式。

因為職能表現從來不是只看「人會不會」。

而是看：

這個人，在實際環境裡，最後能不能完成對自己有意義的 occupation。

AI 只是讓這個問題變得更加明顯。

不過，人與 AI 合作並不代表一定會做得更好。

2024 年一篇刊登於 Nature Human Behaviour 的系統性回顧與統合分析，整理了 106 項 human–AI 實驗。

研究發現，人與 AI 結合平均而言確實優於「人單獨完成」，具有 human augmentation 的效果；但若以「人單獨」或「AI 單獨」之中表現較好的一方作為基準，人機組合的平均表現反而較差。

尤其在決策型任務中，人機組合出現了平均表現下降；相較之下，內容創作型任務呈現較大的互補潛力。

所以 AI 帶來的並不是：

人類能力無條件升級。

比較精確的說法可能是：

AI 改變了能力可以如何被組合。

第二層：AI 改變了「我習慣怎麼做」

科技真正改變生活，往往不是發生在第一次使用的時候。

而是在某件事情逐漸變成：

不用想，就會這樣做。

第一次使用 AI 修改文章，可能只是一個嘗試。

接下來變成：

文章寫完，先給 AI 看。

再後來變成：

文章還沒寫，先和 AI 討論架構。

接著可能是：

遇到問題先問 AI。

企劃之前先和 AI brainstorm。

資料很多時先讓 AI 協助整理。

甚至像這篇文章：

先由人提出問題，和 GPT 一起發展架構；

形成初稿之後，再進入編輯審閱流程；

修訂意見回來，再回到 AI 協作修稿、設計圖像與網站上稿。

一個原本單向的寫作流程，慢慢變成：

人 ↔ AI ↔ 編輯審閱 ↔ 人 ↔ AI

的雙向迴路。

當這種模式反覆發生，它就不再只是「偶爾使用一個工具」。

而可能逐漸形成新的工作習慣。

這正好讓我想到 MOHO 所說的 habituation。

Habituation 涉及 habits，也涉及我們長期扮演的 roles。

我們不會每天早上醒來，再重新決定一次：

今天要怎麼當老師？

怎麼當主管？

怎麼當治療師？

怎麼當父母？

很多行為早已經透過生活經驗，形成相對穩定的模式。

而 AI 現在開始進入這些模式。

老師的工作中，開始出現 AI-assisted teaching。

主管的工作中，也開始出現 AI-supported management。

創作工作中，也逐漸出現 human–AI co-creation。

治療師也可能逐漸使用 AI 協助資料整理、行政作業、教學準備，甚至某些專業推理之前的資訊整理。

因此，真正值得問的可能不只是：

AI 幫我省了多少時間？

還包括：

我正在因為 AI，養成什麼樣的工作與生活習慣？

因為習慣最後會形成生活。

第三層：AI 改變了「我覺得自己能做什麼」

MOHO 的 volition 不只是單純的「想不想」。

其中有一個很重要的概念叫做 personal causation。

簡單來說，就是：

我怎麼看自己的能力？

我覺得自己做得到嗎？

這也是我的網站經驗裡，最明顯的改變之一。

一開始：

「做網站不是我的專業。」

後來：

「也許我可以試試看。」

再後來：

「原來我真的可以把自己的想法做成網站。」

客觀上，我的程式能力並沒有突然成長到工程師的程度。

但是我對：

「自己能完成什麼」

的理解，已經發生改變。

而 volition 除了 personal causation，也包括 values 與 interests。

也就是：

我重視什麼？

什麼事情吸引我？

我願意把時間放在哪裡？

AI 可能會對我們說：

「這個方向還可以這樣發展。」

「你可以從另外三個角度思考。」

「這兩個方案的差別可能在這裡。」

這並不代表 AI 擁有人的 volition。

但我認為，它的確可能成為：

影響人類 volition 的環境因素之一。

而且和傳統資訊工具相比，這種影響可以發生在一連串持續的對話與回饋中。

第四層：AI 開始進入「決策形成」的過程

這也是我認為 AI 與過去 3C 最值得區分的地方。

搜尋引擎可以給我一百個網站。

生成式 AI 則可以和我討論：

「你真正重視的是成本、時間，還是自主性？」

也可以協助比較：

A 方案有什麼優勢？

B 方案可能有哪些風險？

當我提出新的條件，它還可以重新整理前面的分析。

於是，人與 AI 之間可能形成一個持續修正問題與判斷的 feedback loop：

這和傳統「使用工具」的感覺已經有所不同。

一項 2024 年關於 human–Generative AI collaborative decision-making 的準實驗研究，也顯示生成式 AI 可能影響人類分析與決策的歷程；但研究同時提醒，過度依賴 AI，以及 AI 在情境理解與人類判斷上的限制，仍是人機協作時需要注意的問題。

所以：

AI 參與決策形成，不等於 AI 應該取代人的決策。

真正的改變在於：

過去我們比較常是在「決定之後」使用科技；現在 AI 開始有機會出現在「決定形成之前」。

當環境開始會和我們「對話」

這裡也許是 AI 最有意思的地方。

MOHO 一直非常重視 environment。

環境可以支持我們，也可以限制我們。

沒有電梯的建築，會限制輪椅使用者的參與。

支持性的家庭，可能讓一個人在挫折後重新投入生活。

友善的工作制度，可能讓能力真正被發揮。

而科技一直都可以被理解成環境的一部分。

電腦是環境資源。

手機是環境資源。

網路也是。

但 AI 有一個相當特殊的地方：

它會回應。

而且不只是固定回應。

它可以依據我們提出的問題、提供的資料，以及當下對話中的脈絡，生成不同的內容。

它具有互動性、生成性與回應性；在某些系統與設定下，也可能呈現一定程度的個人化與適應性。

它會影響我們下一步怎麼做。

而我們的下一步，又會影響下一次 AI 如何回應。

所以 AI 雖然仍然可以被放在 environment 的脈絡中思考，但它可能是一種和過去許多科技不同的環境條件。

它不只提供工具。

在我的理解裡，它也開始成為：

人與職能之間，一個持續互動的數位介面。

AI 不是只有「讓事情做得更快」

目前談 AI 時，我們很容易停留在 productivity。

可以省多少時間？

能提高多少效率？

可以自動化多少流程？

這些當然重要。

但如果從 OT 的角度來看，我們可能還會再多問一些問題：

AI 是否增加了一個人的 participation？

是否讓他完成原本很重要、卻做不到的事情？

是否增加了自主？

是否重新建立角色？

是否支持 meaningful occupation？

或者反過來：

AI 是否讓人逐漸不敢在沒有協助的情況下開始？

是否降低了對自身能力的信任？

是否讓選擇越來越依賴系統提供的建議？

甚至讓我們逐漸忘記：

自己原本真正重視的是什麼？

這些問題沒有單一答案。

前面提到的人機合作統合分析其實已經提醒我們：

Human + AI 並不自動等於最好的結果。

它能不能產生真正的 augmentation 或 synergy，和任務、人本身的能力、AI 的能力，以及兩者如何協作都有關。

所以 OT 對 AI 的問題，可能不只是：

「AI 好不好用？」

而是：

「這樣使用 AI，正在形成什麼樣的職能生活？」

能做什麼，不等於值得做什麼

回頭看我建立網站的例子。

如果只有 AI，而沒有一開始那一句：

「我也想要有一個這樣的網站。」

後面的事情其實都不會發生。

網站要放什麼？

哪些文章值得留下？

想和什麼樣的人連結？

Allen Mind Lab 想傳達什麼？

未來希望它長成什麼樣子？

這些都不是 AI 自己擁有的職能意義。

它們仍然來自人的：

values

interests

roles

以及一路累積而來的生活經驗。

AI 可以讓很多原本很遠的事情變得可及。

但：

能做什麼，不等於值得做什麼。

而「什麼值得做」，

可能才是人與 occupation 之間最重要的核心。

從「我會不會用 AI」，到「AI 正在讓我怎麼生活」

3C 時代，我們慢慢學會了：

如何使用科技。

AI 時代，也許我們需要進一步學會：

如何與科技相處。

因為當 AI 開始參與我們的工作、學習、創作、判斷與選擇，真正值得思考的，就不再只是：

「我還可以叫 AI 幫我做什麼？」

而是：

我正在因為 AI，變成一個怎麼工作的人？

我正在形成什麼樣的習慣？

我對自己的能力產生什麼樣的理解？

哪些決定仍然是我想清楚之後做出的？

哪些事情仍然值得我親自投入？

以及也許最重要的一個問題：

AI 正在支持我過更有意義的生活，還是只是讓我做更多的事情？

職能治療一直關心的，從來不只是人：

「能不能做。」

而是：

一個人做什麼、為什麼做、在什麼環境裡做，以及這些每天反覆發生的行動，最後如何形塑他的生活。

也許 AI 時代真正值得我們重新理解的，不只是人工智慧。

而是人。

以及——

當人開始與 AI 一起工作、一起思考、一起形成選擇之後，我們將過著什麼樣的職能生活？