一句「我不知道，它寫得很順」
這半年，我們最常遇到的一個場景是這樣：一位企業主管把 AI 寫好的提案貼過來，第一句話問「這樣可以嗎？」我們反問他：「你自己覺得，哪裡不太對？」他愣了大概三秒，然後說了一句我們在很多公司都聽過的話：「我不知道，它寫得很順。」
那個三秒的停頓，比整份提案更值得注意。提案本身沒有問題，問題是：這位主管原本應該是最有能力判斷那份提案的人，但那一刻，他的判斷沒有啟動。
我們把這個現象叫做認知資本折舊。公司在財報上會攤提設備折舊，卻沒有任何一張表在追蹤一件同樣在貶值的資產：組織裡那些靠經驗累積出來的判斷力。
三個訊號同時出現，指向同一件事
第一份是 OECD 在 2026 年 9 月 8 日發布的 PISA 2025 報告，涵蓋 91 個國家、超過 76 萬名 15 歲學生，是 AI 真正普及之後的第一次大規模評量。報告顯示，在調整家庭社經背景之後，經常使用 AI 的學生科學成績普遍低於不使用的人。這裡有兩個必須一起講的但書：OECD 明確表示這是關聯，不是因果；而且同一份報告也發現，如果學生平常被要求評估 AI 產出的品質，規律使用者的表現反而優於完全不使用的人。
換句話說，OECD 的訊息不是「AI 有害」，而是「怎麼用決定結果」。至於落差有多大，各家媒體換算不一：科技新報標題寫「長達一年」，也有媒體寫「一年半」，這部分數字請保留懷疑。
第二份是《哈佛商業評論》2026 年 3 月的研究，結論很直白：生成式 AI 可以讓員工更快完成不熟悉的工作，但它不會縮小新手與專家的績效差距。所謂「AI 讓每個人都變專家」，在實證上看不到。
第三個訊號來自企業自己的動作。安永（EY）美國分公司宣布，在本財政年度投入 1 億美元（約新台幣 30 億元）推出新的員工獎勵計畫，獎勵的不是 AI 使用量，而是 AI 時代依然關鍵的「人類核心技能」：商業判斷力、適應力、領導力、團隊協作與創新思維，個人獎金最高 2.5 萬美元。一家專業服務公司願意編這種預算，等於是用錢承認：當答案變便宜，判斷力反而變貴。
AI 省掉的是哪一層
要理解折舊為什麼會發生，得先看 AI 到底幫我們省掉了什麼。認知負荷理論把學習時的心力分成三層：一層是找資料、排版、整理這類雜事；一層是理解問題本身；最裡面那一層，是把零散資訊建成自己的心智模型，也就是「以後遇到類似情況，知道該怎麼判斷」的那一層。
AI 最擅長壓縮的，是第一層、而且那本來就該外包。真正的風險在第三層：如果連建構心智模型的機會都一起外包，省下的不只是時間，還有學習本身。這也解釋了一個看起來矛盾的現象：為什麼工具愈強，某些團隊的能力反而不進反退。效率是當下的，能力是累積的，兩者的計分方式不同，所以在儀表板上不會同時出現。
想像一家四十人的公司，兩年前導入了 AI，提案、報告、客戶回覆全部先過一次模型。表面上看起來是好事：交付變快、格式變整齊。但兩年後，中階主管的日常工作變成「審 AI 的稿」；他們依然很忙，卻很少有機會從零開始想一件事。折舊就是這樣發生的：不是有人偷懶，而是整條路徑被設計成「跳過最需要練習的那一段」，而且每一步看起來都很合理。
折舊的三個要素，認知資本也適用
會計上的折舊有三個關鍵參數：取得成本、耐用年限、殘值。把這三個參數換到人的能力上，會看到一個很清楚的管理問題。
取得成本：一項判斷能力是怎麼來的？幾乎都是從做過一次笨的、慢的版本開始。提問能力來自問錯問題之後被追問；判斷力來自做過一次沒有把握的決定，然後承擔它的結果。這些成本無法用訂閱費取代。
耐用年限：這項能力可以支撐到多複雜的問題？判斷力是有上限的，而且上限會因為長期不使用而下降。一個人如果連續半年只負責審 AI 的稿，他能處理的問題複雜度會停在半年前那一級。
殘值：如果這個人明天離開，公司剩下什麼？如果答案是「他很會用 AI 工具」，那殘值其實接近零，因為工具的操作方式每三個月就換一輪；真正有殘值的是他能說清楚「為什麼這樣決定、哪裡可能出錯」。
折舊最麻煩的地方不是它會發生，而是它不會抗議。設備壞掉會停線，人不會；能力退化的過程通常長得像「效率提升」，甚至會被寫進績效考核的優點欄。
折舊盤點四問
要在自己的組織裡檢查這件事，不需要量表，四個問題就夠。這四個問題建議在季度檢視會上直接問，答案要寫下來。
一、上一個季度，公司裡有幾個決定，是在「沒有 AI 版本」的情況下做出來的？ 如果一整個季度都找不到，代表最關鍵的那條路徑已經被外包出去，而且沒有人發現。
二、開會時，第一個提出判斷的人是誰？ 如果順序永遠是先有 AI 摘要、再輪到人講意見，那麼人其實是在對一份已經收斂過的資訊表達偏好，不是在判斷。
三、新人問「為什麼」的次數，是變多還是變少？ 只問「怎麼下 prompt」而不問「為什麼這樣做」的新人，兩年後會變成很會操作工具、但無法獨立承擔的中階人力。
四、如果 AI 明天全部停用一週，哪一些工作會立刻停擺？ 會停擺的，通常正是最需要保留能力的環節；這件事應該被當成風險清單，而不是效率清單。
保值的三個動作
盤點之後要做事。以下是我們認為今天就能開始的三個動作，都不需要預算。
第一，決策者的行事曆上，留一段「無 AI 時段」。 每週一次、每次兩小時，用來做需要完整脈絡的決定：看原始資料、想清楚、寫下自己的判斷，再打開 AI 對照。重點不是拒絕工具，而是確保自己在沒有工具的情況下仍然能做決定。
第二，把新手的訓練順序反過來。 不要從「教他用 AI 完成任務」開始，先讓他用傳統方式做一次，做出一個笨的、慢的版本，然後再讓他用 AI 做第二次，並比較兩者的差別。差距在哪裡、AI 補掉了什麼、又漏掉了什麼，這個比較本身就是訓練。
第三，把內訓的驗收標準，從「交出來」移到「講得清楚」。 交付成果不等於學會。能說明白為什麼這樣做、哪一步最可能出錯、如果條件改變會怎麼調整，才算真的具備這項能力。驗收要問的是後者。
折舊要有人負責
最後回到管理。折舊之所以沒有人管，是因為它不在任何人的職責描述裡：財務管設備折舊，HR 管訓練時數，但「組織的判斷力水位」沒有業主。
我們的做法是把這件事寫進既有的管理循環：季度檢視會固定跑一次折舊盤點四問，並指名一個人負責追蹤保值動作的執行。就像導入 AI Agent 之後要有人負責它的產出一樣，認知資本也需要一個負責人。差別是：Agent 的產出會抗議，人的能力不會。
問題從來不是「要不要用 AI」，而是：哪些能力絕對不能折舊，以及誰在看著它。
資料來源
- •OECD，*PISA 2025 Results Volume I*，2026 年 9 月 8 日發布（91 國、逾 76 萬名 15 歲學生；OECD 強調為關聯而非因果）
- •Harvard Business Review，*Gen AI Won't Make Your Employees Experts*，2026 年 3 月 4 日
- •安永（EY）美國分公司員工獎勵計畫：本財政年度投入 1 億美元，表揚「人類核心技能」，個人獎金最高 2.5 萬美元（報導見 Fortune 2026 年 9 月 1 日、科技新報 2026 年 9 月 12 日）
- •認知負荷理論：John Sweller 的工作記憶與認知負荷研究，本文以其為基礎，延伸到企業管理的折舊語言