工作用 AI 要不要說？實驗顯示坦承反被當偷懶，分寸怎麼抓

同事稱讚完你的報告，緊接著問一句「這是不是 ChatGPT 寫的」——這句話聽起來像好奇，但感覺更像是在收回剛剛的稱讚。現階段的職場證據確實支持這種不安：對照實驗顯示，同一份作品只要被標上「用 AI 做的」，評分者就會把作者的懶惰程度評得高出 10 倍，也更不願意把重要任務交給他。坦承用 AI，在現在的職場文化裡是有代價的。

同事問「這是不是 AI 寫的」，代表什麼

有位倫敦的人資人員親自撰寫一封信件，同事稱讚寫得好，接著追問是不是用 ChatGPT 生成的。她的感受是這句話像拐個彎在罵人——她想要的是別人肯定她的能力，而不是被當成一個只會下指令的人。

這種感覺不是個案的過度敏感。BetterUp 與史丹佛在 2025 年 9 月的研究發現，四成美國辦公室員工都收過看似完整卻內容空洞的 AI 產出。當「AI 製作」已經和「可能是空洞內容」連在一起，被問這句話時的防備心也就有了合理的來源。

坦承用 AI，會被怎麼評價：Atlassian 的對照實驗

Atlassian 針對近千名美國知識工作者做了一個對照實驗：讓不同評分者看同一份作品，差別只在於是否被告知作者使用了 AI。結果是，被告知使用 AI 的那一組,評分者把作者的懶惰程度評得高出 10 倍，而且被推薦去負責高能見度、高難度專案的機率少了 24%。

換句話說，內容本身沒有變，只是多了一句「這是 AI 幫的」，評價就整個往下掉。這個結果呼應了 Anthropic 的另一項研究：69% 的專業人士提到，職場上對使用 AI 仍存在明顯的社會汙名。坦承用 AI 在現在這個時間點，不是中性的資訊揭露，而是一個會被打分數的行為。

為什麼那麼多人選擇不說：隱瞞的三種成本

既然說了會被扣分，很多人選擇不說。USC Marshall 調查了 604 名每天或每週多次使用 AI 的美國員工,發現 30.3% 的人曾刻意隱瞞自己用 AI 的相關知識、工作流程或技巧。KPMG 與墨爾本大學另一份涵蓋超過 4.8 萬人的調查，數字更高：57% 的人坦承曾在工作中隱瞞自己用了 AI。兩份調查的比例差很多，可能是樣本和調查方式不同，但方向是一致的——隱瞞是常態，不是例外。

矛盾的地方在於,近四分之三到五分之四的員工自己也認為,公開分享 AI 使用方式能惠及團隊、改善工作、幫助同事、提升生產力。認知上知道分享是好事，行動上卻還是選擇隱瞞,原因可以歸納成三種成本：

成本類型	員工的擔心
聲譽成本	公開用 AI 會被認為能力不足、只會下指令
工作負荷成本	效率提升被看見後，換來的是被分派更多工作，而不是被肯定工作品質
可替代性成本	工作方法被組織記錄下來，之後可能被他人取代或直接自動化

這三種擔心都不是空想，而是員工對「說出來之後會發生什麼」的理性判斷。

信任夠不夠，決定你敢不敢說

會不會選擇隱瞞,跟公司的信任文化高度相關。同一份 USC Marshall／KPMG 研究發現,組織信任度排在底層 25% 的員工,隱瞞比例是 47%；信任度排在頂層 25% 的員工,隱瞞比例只有 14%,差了三到四倍。心理安全感也是類似的模式:心理安全感低的那群人有 45% 會隱瞞,心理安全感高的那群只有 17%。

主管第一次聽到員工說「這是 AI 幫我做的」時的反應，很大程度上決定了這個員工以後還會不會老實說。

把 AI 用過頭,一樣會傷關係

不說是一種風險，但另一種同樣真實的風險是把 AI 用過頭,直接取代了本來該有的人際互動。BetterUp Labs、史丹佛與牛津大學 2026 年 4 月的研究發現,當主管用 AI 取代原本該有的指導對話(像是帶新人、給職涯建議)時,員工的離職意願上升 29%,過勞比例上升 26%,團隊協作能力則下降 12%。

同一份研究也指出,四分之一曾使用 AI 的員工,會把同事提出的問題直接轉手丟給 AI 代答,而不是自己回應。這類做法省下了當下的時間,卻在關係層面留下代價——對方感受到的不是被幫助，而是被敷衍。AI 用得好壞,直接反映在同事怎麼看待彼此的互動品質上。這也是為什麼AI Agent 導入前的權限與風險檢查清單值得先看一遍——把判斷和回應全權交給自動化之前,要先想清楚哪些事情本來就該留給人。

用 AI 久了,自己的能力會跟著變薄嗎

除了被怎麼看待,還有一個更根本的問題:長期依賴 AI 會不會讓自己的能力真的變弱。MIT Media Lab 2025 年的一項寫作實驗提供了一個值得注意的數字:用 ChatGPT 寫短文的那組,有 83.3% 的人事後無法正確引述自己剛寫完的文章內容,而不使用 AI 或只用搜尋引擎輔助的另外兩組,這個比例只有 11.1%。需要說明的是,這份研究目前還是未經同儕審查的預印本,其中引用的第四次實驗只有 18 人完成,樣本規模和腦波分析方法都已經被學界提出質疑,結果不宜過度推論,但方向上值得留意。

類似的能力折舊訊號也出現在其他研究裡。華頓商學院 Bastani 的研究讓近千名高中生用 AI 家教練習數學,練習時的成績比沒用 AI 高出 48%,但拿掉 AI 之後考試成績反而低了 17%——練習時看起來進步,拿掉輔助工具就現出原形。Anthropic 的研究讓 52 名資淺工程師學習陌生的程式工具,用 AI 輔助的那組平均只拿 50 分,自己動手摸索的那組拿到 67 分,差距最大的地方是除錯能力。波蘭一項追蹤 19 位資深大腸鏡醫師的研究也發現,導入 AI 輔助之後,醫師在沒有 AI 協助時的腺瘤偵測率,從 28.4% 降到 22.4%。

這些研究都指向同一個方向:讓 AI 做太多「練習」或「判斷」的部分,可能會讓人在失去工具時顯得更弱,而不是更強。如果想避免這種情況,AI 素養的 4D 框架談的就是怎麼分清楚哪些該交給 AI、哪些該自己練。

台灣的現況:幾乎人人在用,但方法還沒定型

2026 年 8 月一份針對台灣工作者的調查(1,503 份有效問卷)顯示,74% 的工作者幾乎每天使用 AI,85% 同時使用三種以上工具。但只有 16% 的人已經建立出固定的工作流程,60% 的人天天用卻沒有固定做法。有固定做法的人,認為自己產出品質穩定的比例,是沒有固定做法者的兩倍多。至於沒建立穩定做法的那群人,51% 說不知道怎麼下指令或設定工具,39% 覺得研究工具太花時間。

這組數字說明一件事:台灣工作者用 AI 的普及度很高,但「怎麼用、用到什麼程度、要不要說」這些拿捏,還沒有共同默契。想建立穩定的下指令方式,可以參考提示詞的基本結構與場景範本。

另一個值得注意的落差,是管理者和員工看法本來就不一致。Checkr 針對 3,000 名工作者(管理者與非管理者各半)的調查發現,70% 的管理者信任 AI 招聘工具,員工只有 27% 信任;58% 的管理者認為 AI 已經是不言而喻的工作要求,員工只有 29% 同意。管理者和員工對「用 AI 到底算不算理所當然」的認知本來就有落差,這也解釋了為什麼揭露這件事對員工來說格外為難——說了可能被懷疑,不說又違背直覺上的誠實。

那到底該怎麼拿捏:揭露判準

把前面的證據收斂成可以操作的原則,大概可以分成三種情境:

該主動揭露的情況:

• 這份產出之後要有人為它負責(簽核、對外發布、作為決策依據)
• 這份內容之後會被別人二次引用或轉述,一旦出錯會連帶影響別人的判斷
• 內容涉及他人的權益,例如評估、審查、涉及他人隱私或利益的文件

不必特別揭露的情況:

• 用 AI 做的事情,跟用搜尋引擎查資料或用拼字檢查差不多層級——輔助你找資料、抓錯字、潤稿語氣,但判斷和最終決定還是你做的
• AI 只是加速了你本來就會做的事,沒有改變產出的責任歸屬

判斷的關鍵不是「有沒有用 AI」,而是「最後的判斷是誰下的」。如果 AI 只是幫你抓出可能的幻覺或錯誤引用,AI 幻覺的查證做法就是屬於你還是要自己把關的那一層,用了也不代表你把判斷外包出去了。

被問到時,怎麼回答才體面

如果同事或主管直接問「這是不是 AI 寫的」,比起回答「是」或「不是」,更有效的方式是講你做了什麼判斷與驗證,而不是講用了哪個工具。例如把重點放在「我核對過數字和引用來源」「我重寫過結論的邏輯」「我確認過這份建議適用在我們的情境」,而不是停在「這段我用 AI 生成的」。

這不是要你說謊或刻意隱瞞,而是把對話焦點從「工具」移到「你負的責任」。Atlassian 的實驗已經說明,光是「AI 製作」這個標籤就會讓人被貶低;但如果你能展示自己在這份產出上做了哪些把關,評價的依據就會從「誰做的」轉回「做得對不對」。

團隊可以先約好的一句話規則

比起每個人各自猜測該不該說、怎麼說,團隊如果能先講清楚一句共識,會省掉很多尷尬和猜忌:加速可以外包,判斷不能外包。

用 AI 加快草稿速度、整理資料、抓錯字,這些屬於加速層級,不需要每次都特別聲明;但最後的結論、建議、對他人權益有影響的判斷,必須是人自己拍板、自己能解釋得出來的。這樣的分界,既回應了 Atlassian 實驗裡「揭露會被貶低」的現實,也回應了 MIT Media Lab 那類研究裡「過度依賴會讓能力變薄」的風險——把加速和判斷分開講,團隊裡的人就不用賭「說了會不會被扣分」,而是清楚知道自己該為哪一塊負責。