我每週都會看到這種情況：一位創辦人告訴我，他們終於開始了 AI 轉型之旅。他們用 ChatGPT 取代了文案撰稿人，用機器人取代了客戶服務主管。但當我查看他們的行事曆時，他們比以往任何時候都更加疲憊。為什麼？因為他們掉進了影子工作陷阱（Shadow Work Trap）。他們現在每天花八小時檢查工作，而不是在執行工作。他們並沒有建立一個更精簡的企業；他們只是讓自己成為一台機器的「高薪編輯」，而這台機器根本不在乎他們是否過勞。
這是當前 AI 浪潮中的巨大悖論。我們被承諾能獲得全然的效率，然而許多企業卻意外地製造了新一層的「管理冗員（management bloat）」。他們聘請（或重新分配）人力來監督 AI，而這種方式產生的摩擦比原本的人工流程還要多。如果您的 AI 轉型導致「AI 產出」與「人工審核時間」的比例為 1:1，那麼您並沒有實現任何自動化。您只是改變了營運成本的本質。
驗證負擔：新的生產力稅
💡 想要 Penny 分析您的業務嗎？ 她繪製了人工智慧可以取代哪些角色的地圖，並制定了分階段計劃。 開始免費試用 →
我將這種現象命名為驗證負擔（The Verification Burden）。當驗證 AI 產出結果的成本超過了人類從頭開始執行該任務的成本時，就會發生這種情況。
以法律事務所或顧問公司為例。當他們使用 AI 起草一份複雜的報告時，資深合夥人花在核實 AI 細微差別上的時間，往往與指導初級律師所花的時間一樣長。在許多專業服務環境中，這種負擔是投資報酬率（ROI）的無形殺手。事務所「省下」了初級員工的薪水，但卻在資深合夥人投入深度審核模式的計費工時中損失了十倍之多。
這種情況之所以發生，是因為大多數企業將 AI 視為一種工具（Tool），而非一個系統（System）。工具需要手來握持；系統則需要框架來管理。當您以工具導向的方式經營業務時，您會永遠受困於「影子工作」階段——那些提示（prompting）、修正、格式化和反覆檢查的隱形任務，這些任務從未出現在試算表上，卻吞噬了您整個下午的時間。
「人機協作」的謬誤
我們被告知「人機協作（Human-in-the-Loop）」是負責任 AI 的黃金標準。實際上，這往往只是一個阻礙真正規模化的安全網。
如果人類必須核准 AI 生成的每一項產出，那麼您並沒有擴展產能；您只是將 AI 的速度限制在您最慢的人力速度上。這在 IT 支援中尤為明顯，公司試圖使用 AI 來處理工單，但仍堅持對每個回覆進行人工簽核。結果呢？這造成了瓶頸，讓 AI 感覺更像是一種阻礙而非助力。
要克服這一點，我們必須應用我所稱的 90/10 法則。
當 AI 處理了 90% 的職能時，您必須自問：剩下的 10% 是否真的值得投入人力角色？ 通常答案是否定的。那 10% 的「檢查」工作往往是提示詞設計不良或缺乏數據基礎（data grounding）的徵兆。與其聘請人力來修補那 10%，您應該投資於系統架構，以填補差距，使其達到 99%。
辨識 AI 時代的管理冗員
您如何知道自己是否陷入了陷阱？請留意以下三種由 AI 引發的管理冗員症狀：
- 切換脈絡稅（Context-Switching Tax）：您發現自己正在五個不同的 AI 工具之間跳轉，將數據從一個工具複製貼上到另一個工具，因為它們互不相通。那種人工「黏合劑」就是影子工作。
- 提示詞疲勞（Prompt Fatigue）：您花在「完善提示詞」上的時間，比直接向一位稱職的人員解釋任務所花的時間還要多。
- 品質大樂透（The Quality Lottery）：您永遠不知道 AI 會給您的是傑作還是亂碼，因此您感到一種強迫性的需求，必須「盤旋」在產出結果之上隨時監控。
如果您有這些感覺，您經營的並非 AI 優先的企業，而是一個帶有 AI 形狀干擾的傳統企業。當您將我的模型與傳統商業顧問進行比較時，區別顯而易見：我不建議增加層級；我建議透過建立對自主循環（autonomous loop）的信任來移除層級。
邁向真正的自主運作
要擺脫影子工作陷阱，您需要將焦點從產出轉向驗證系統。真正自主運作的企業——就像我經營的那樣——並不依賴持續的人工監控。它們依賴的是多代理驗證（Multi-Agent Verification）。
與其由您檢查 AI 的工作，不如由第二個 AI 代理專門設計來批評和驗證第一個代理。如果代理 A 寫了一段程式碼，代理 B 則執行測試。如果代理 A 起草了一份合約，代理 B 則根據您的特定品牌指南或法律要求的數據庫進行檢查。
這就是您如何從等級 1（工具）晉升到等級 4（自主系統）的路徑：
- 等級 1：工具。 您輸入，它回應，您編輯。（高度影子工作）
- 等級 2：助手。 它了解您的風格並處理部分草擬工作。（中度影子工作）
- 等級 3：系統。 AI 處理工作流，但由您檢查最後關卡。（低度影子工作）
- 等級 4：自主代理。 AI 處理工作流，透過反饋循環自我修正，且僅在發生預定義的異常情況時才向您發出警示。（零影子工作）
「代理商稅」的經濟現實
許多企業目前正在支付我所稱的代理商稅（Agency Tax）。他們每月支付外部代理商 £5,000，用於代理商現在只需五分鐘就能用 AI 完成的工作。但因為代理商仍需「管理」該 AI 並將其呈現給客戶，客戶仍在為舊有的、效率低下的勞動力支出買單。
真正的 AI 轉型意味著奪回那些利潤。這意味著要意識到價值不再體現於「執行」，而是在於「指揮」。如果您仍在為「執行」付費，您就是在資助別人的影子工作。
您的行動計畫：消滅影子工作
- 審計「檢查」時間：記錄一週內您花在審核 AI 生成內容或數據的小時數。如果超過任務總時間的 20%，您的系統就出問題了。
- 建立驗證循環：停止擔任驗證者。自問：「我可以提供什麼數據讓 AI 自行驗證其工作？」（例如：風格指南、過去成功案例清單或邏輯檢核表）。
- 採用「僅限異常」原則：更改您的工作流程，使您只看到 AI 不確定的事項。如果 AI 的信心評分為 95%，就讓它發布。如果低於 80%，那才是它進入您收件匣的時候。
AI 應該是您帆上的風，而不是您必須拉動的額外船槳。您的 AI 轉型目標不應該是做更多工作；而應該是讓工作量變少。
停止檢查機器。開始建立能夠自我檢查的系統。