認知債務危機：越來越多研究顯示AI正悄悄侵蝕工作者的批判思考能力

兩年來，職場AI的主流敘事圍繞著生產力提升打轉：更快的文件草稿、更迅速的資料研究、加速的程式審查。然而，2026年中密集發布的一批研究正在動搖這個樂觀故事，令人不安地提出一個可能：生產力的提升確實存在，但我們在這筆交換中失去的東西，或許比看到的還要重要。

這個現象現在有了名字，研究人員和企業主管使用的頻率越來越高——認知債務（Cognitive Debt）。這個概念由北卡羅來納大學教堂山分校資訊科學教授穆罕默德·侯賽因·賈拉希（Mohammad Hossein Jarrahi）提出，描述的是當員工長期把認知任務委外給AI、自己本應執行的思考工作被AI代勞時，個人能力所發生的累積性侵蝕——而這些能力，原本需要透過反覆練習才能維持與強化。

「每當一位知識工作者讓AI代替自己做了本應由人做的決定，」賈拉希告訴《彭博》，「他就欠下了一筆小小的債。利息悄悄積累，等到組織察覺的時候，那份能力已經消失了。」

研究說了什麼

佐證這個論點的證據正在積累，已經難以忽視。

微軟與卡內基美隆大學研究人員主導的一項研究，追蹤了319位知識工作者，發現了一條清晰的反向關係：對生成式AI越有信心的受試者，在使用AI完成開發新想法、學習新主題、做決策等任務時，自述投入的批判思考反而越少。工作者越信任AI會給出正確答案，他們獨立驗證或質疑AI輸出的意願就越低。

今年稍早由來自30個國家的研究人員共同編制的《2026年國際AI安全報告》，也識別出初步證據，顯示將認知任務例行委外給AI，可能對批判思考與記憶鞏固產生負面影響。這個段落在整份報告中篇幅不大，但它出現在這份具有高度科學權威的文件裡，本身就是一個訊號：研究界已認真到將這個風險與其他重大威脅並列。

波士頓諮詢公司（BCG）的研究團隊調查了數百位企業主管，發現了一個令人憂慮的收斂點：領導者認為對組織長期績效最關鍵的技能——判斷與決策、問題框架建構、創意思考——恰恰是被識別為最容易在AI輔助下發生萎縮的技能。AI最能加速的能力，往往也是人類認知最需要透過重複練習才能維持的能力。

讓執行長們感到不安的數字

企業情緒調查呈現出一個矛盾的畫面：主管們一邊承受推動AI採用的短期壓力，一邊對自己在對員工做什麼感到越來越不安。

《彭博》的系列報導引用了一串主管的陳述，他們描述的是同一種焦慮的不同版本：為了達成生產力目標而推動AI使用，同時開始懷疑自己是否在以不會立刻顯現的方式掏空組織的能力底蘊——等到AI在某個關鍵時刻犯了錯，或是某個真正需要人類判斷的全新情境出現，那時才會發現，員工早已不具備應對的能力。

蓋洛普（Gallup）與沃爾頓家族基金會的調查顯示，79%的工作者擔心AI正在讓人類變得心智上更懶惰。50%的員工表示他們對AI的依賴已經過度。30%的人說他們已經無法在沒有AI的情況下正常工作——這種依賴性，在模型服務中斷、基礎設施失效，或AI給出自信但錯誤的答案時，代表一種組織層面的脆弱性，是企業以前不曾需要面對的。

《快速企業》（Fast Company）的報導發現，近半數Z世代工作者——這個從出生就與這些工具一起長大的世代——說AI正在讓他們變笨。這指向研究人員所謂的「從未習得（Never-Skilling）」問題：這代人不是失去了曾有的技能，而是一開始就沒有建立起來，因為AI提供的支架讓他們從來不需要在困難中掙扎——而從神經科學的角度看，那種掙扎，恰恰是真正的學習發生的地方。成年人失去技能；孩子們根本不曾建立。

被忽視的細緻差異

說AI對認知有害，會是一個過於簡化的結論。研究本身不支持這個全面性的說法。

比較「被動AI使用」（接受模型輸出而不投入）與「有目的的結構性使用」（用AI生成選項，然後由人主動評估）的研究，發現了截然不同的結果。被動使用與技能退化有相關；有目的的使用——讓人保持在推理迴圈中的那種——反而顯示出批判思考增強和分析視野擴展的標記。

這個差異對組織如何設計AI採用框架至關重要。根據BCG的觀察，在這方面做得好的公司，並不是AI推廣最積極的那些，而是在設計人機工作流程時最刻意讓批判判斷留在人類手中、而非全盤委外給模型的那些。

部分組織現在開始投資所謂的「認知體能訓練」——結構性的練習、角色扮演、刻意練習，旨在維護日常AI使用可能讓其萎縮的分析能力。這種方法類似運動員使用訓練輔具的邏輯：輔具不能取代練習，只能輔助練習。認知體能訓練能否完全抵消重度AI依賴的效應，目前仍未有定論；相關研究的時間軸還短，工具的演化速度遠超研究追蹤的速度。

結構性問題

更深層的問題在於激勵結構。個人工作者和團隊，都因為產出量——完成的任務、草擬的文件、做出的分析——而獲得獎勵。幾乎從來沒有一個指標衡量在產出這些成果的過程中判斷力的品質，更沒有指標衡量透過這個過程所維持的技能深度。

當AI讓產出變得廉價，組織自然理性地優化產出量。認知方面的副作用，是在幾個月到數年的時間尺度上累積的，遠超出大多數績效考核週期，更遠超出多數季度財報的視野。等到侵蝕變得足夠明顯、顯露為一個問題，那種原本可以更早察覺它的制度性知識與判斷力，或許也早已一同萎縮了。

這不是一個更好的AI模型能夠解決的技術問題。事實上，更好的AI模型讓替代更加容易，在提升短期生產力的同時，加速認知債務的積累。

下一步在哪裡

AI生產力浪潮是真實的。它確實加速了軟體開發、法律研究、金融分析和內容創作。要求組織因為擔憂認知副作用而放棄這些收益，不是一個現實可行的政策立場。

但2026年研究文獻中浮現的這個權衡，值得認真對待：以損耗判斷深度為代價換來的產出量提升，代表一種大多數組織並未有意識地同意，卻正在無聲地承受的制度性交換。

或許最誠實的框架是：AI正在改變知識工作的本質，而不只是讓它變得更快。當AI能夠草擬備忘錄、準備簡報、提出投資命題，人類的工作就變成了另一種東西——驗證、質疑、綜合、指引。那份工作需要好的判斷力。而好的判斷力需要鍛鍊。

認知債務問題，歸根究柢是一個問題：在這個系統裡，到底還有沒有人在做那份鍛鍊的工作？或者所有人都已經把自己的判斷外包給了一個自信程度遠不等於正確程度的模型？

一位企業主管在接受《彭博》採訪時說出了這件事的本質：「我們用『知道事情』換來了『能問一個知道事情的東西』。在它變成問題之前，這是一筆好交易。」