133 位律師的三個月
2026 年 9 月，MIT 經濟學家 David Autor 和 Google 的研究團隊，找來 133 位專利律師（分布在美國 11 家智財法律事務所），做了一個三個月的隨機對照實驗。三分之二的人拿到一支 AI 專利撰寫助手，剩下三分之一暫時沒有。
有 AI 的那三個月，用 AI 的人草稿品質比對照組高出 0.38 個標準差，而且進步最大的是初階律師。AI 讓菜鳥交出來的東西，看起來跟老手一樣能寫。
把 AI 拿走之後，請所有人在不用 AI 的情況下，動手改一份有瑕疵的專利申請書，這是專利律師判斷力的核心動作。這次，整體只進步 0.32 個標準差，而這 0.32 全部來自資深律師（+0.45）。初階律師的平均成長是負的，−0.03。
從「判斷力在貶值」到「判斷力在斷代」
九月我們寫過〈認知資本折舊〉，講的是組織的判斷力正在悄悄貶值。這一週的新證據，把結論往前推了一步。貶值還有救，因為東西還在，只是價格掉了。斷代是另一回事，你拆掉的是「養下一代判斷力」的那個場子。
Autor 把這組現象叫做「表現平衡器」與「技能去平衡器」。把 AI 拿開之後，強弱差距不但回來，還比原來更大。有 AI 在場時那個「大家看起來一樣好」，其實是把差距暫時藏起來了。
看得出問題，卻不動手改
研究團隊翻看初階律師的工作紀錄，發現一個共同的模式。他們看得出專利哪裡有缺陷，會寫下很正確的診斷註記，像是「這條 claim 範圍太窄」「這裡會限縮權利」，但只停在診斷，不動手把改法做出來。他們花大量時間潤飾開頭那段不痛不癢的文字，把最重要的請求項留到最後。
研究團隊把這叫「診斷而不執行」，並且特別說明：這個毛病，對照組（沒用 AI）的初階律師也一樣。三個月靠 AI 代勞改稿，這個毛病沒有被補起來。
老手把 AI 當稽核員，新手把 AI 當代筆
訪談裡，資深律師說他們把 AI 的產出當成「邏輯稽核員」。他們不是照單全收，而是拿 AI 的版本，逼自己把「為什麼這樣改、改了會不會限縮權利」講清楚，把原本已經內化的判斷，重新想過一遍。
資深律師花在改稿上的時間，比初階律師更長，因為他們會繞過不痛不癢的段落，直接重建請求項、把可能限縮權利的用語挑掉。初階律師的做法相反，多半從頭改到尾，花最多時間在開頭那段最不重要的文字上。
企業正在同步拆掉這個場子
BCG 訪問 70 位全球高階主管，半數已經在自己組織裡看到「去技能化」，超過六成認為三到五年內會變成實質威脅，53% 點名「初階人才的發展變慢了」。超過九成的主管說，員工開始把 AI 產出當「夠好了」，直接跳過質疑那一步。
Anthropic 的自家勞動力報告更直接：技術部門的初階員工占比，從 21% 掉到 14%；初階技術招募占比，從 27% 腰斬到 9%。員工形容工作「從做事，變成管理一堆 Claude」，報告明講「人的注意力與判斷」正在變成生產力瓶頸。
企業一邊用 AI 省掉初階人力，一邊抱怨資深人才難找。資深人才是從初階那批人裡、靠動手做長出來的，養成場被拆掉，三年後就沒有資深的人可以升。
台灣版：缺工缺口，正好卡在「判斷力的儲存庫」
台灣的數據，機制上跟這個實驗相同，兩邊指向的都是同一個中階斷層。
台灣連鎖暨加盟協會（TCFA）與資策會數位轉型研究院，9 月底發布一份 160 家大型連鎖加盟企業的缺工調查：98.8% 缺工，57% 缺了超過一年。門市接待（62.0%）、商品銷售（53.8%）缺的是人力，加薪、找中高齡、找僑外生，多少能補。真正補不動的，是店長與門市主管（60.8%）、總部區域督導（51.8%）。
店長、區督，就是一個組織的「判斷力儲存庫」。他們不寫程式、不畫流程圖，做的是每天幾十個「這單能不能通融、這個客訴怎麼收」的判斷。
另外，75.9% 的企業把加薪當第一對策，但薪資提升跟留任時間沒有顯著關聯，47.5% 的新進員工半年內就離職。
給中小企業主的三件事
我們自己就是 AI 的重度使用者。導入 AI 員工的前提，是你同時設計了「人怎麼練判斷」。
第一，新人養成的順序，反過來。 讓一個新人第一個月先不要碰 AI，用笨的、慢的方式，把一件事從頭到尾親手做一遍，甚至做錯一次。做完之後，再打開 AI 對照，讓他自己找出 AI 的版本跟自己做的差在哪、哪邊比較好、哪邊它錯了。
第二，把「親手改」訂成驗收標準。 員工拿 AI 的產出交差時，多問一句：「你自己有沒有動手改過？改在哪、為什麼？」
第三，中階的斷層，不要用 AI 填。 店長、區督這種位置，補人靠的是讓下面的門市人員有機會先做小的判斷、再做大的判斷。先讓他決定怎麼排班，再讓他決定客訴怎麼收。
什麼時候會誤判
Autor 這份研究的樣本不大（133 人，完成全程的 91 人），只觀察三個月，而且樣本都來自跟 Google 有專利業務往來的事務所，未必代表所有行業。它證明的，是「在某個高專業、高判斷的場景下，AI 對初階的技能累積沒有幫助」，而不是「AI 對所有新人都沒用」。
把這份研究的限制，跟 BCG 的 70 位主管、Anthropic 的自家數據、台灣連鎖業的缺工調查放在一起看，方向是一致的：判斷力的供給端正在被拆。
最後留一個問題：你公司裡，誰在養下一批會做判斷的人？
資料來源
- •David Autor、Tanya Rodchenko 等，〈Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting〉，NBER Working Paper 35720，2026 年 9 月（10 月修訂）：https://www.nber.org/papers/w35720
- •Google Research，〈Does better work always mean better workers?〉，2026 年 10 月 7 日：https://research.google/blog/does-better-work-always-mean-better-workers/
- •BCG，〈When Everyone Uses AI, Companies Risk Critical Skills〉，2026 年：https://www.bcg.com/publications/2026/when-everyone-uses-ai-companies-risk-critical-skills
- •Anthony Ha，〈Anthropic says its workforce has become less junior and is spending more time in meetings〉，TechCrunch，2026 年 10 月 17 日：https://techcrunch.com/2026/10/17/anthropic-says-its-workforce-has-become-less-junior-and-is-spending-more-time-in-meetings/
- •中央社，〈台灣連鎖加盟協會調查：近 99% 業者缺工 缺口擴及管理職〉，2026 年 9 月 30 日：https://www.cna.com.tw/news/afe/202609300307.aspx
- •聯合新聞網（經濟日報），〈98.8% 連鎖業喊缺工 TCFA 籲政府從補助缺工轉向「人才布局」〉，2026 年 10 月 2 日：https://udn.com/news/story/7241/9791292