以人為本的人工智慧：先進決策的新範式

共生智慧的黎明：超越自動化

圍繞人工智慧的敘事長期以來被一種二元對立所主導：人類對抗機器。多年來，主流的焦慮集中在被取代——演算法自動化任務、使人類角色過時，並以效率優先而犧牲能動性。然而，一場重大的範式轉移正悄然進行，正在重新定義先進技術的發展軌跡。正如 Forbes 在 2026 年 1 月 25 日發表的一篇開創性分析所指出，業界正轉向 以人為本的 AI（Human-Centric AI，HCAI）。這一新框架強調設計旨在提升人類認知的系統，而非取代之，標誌著從單純自動化向複雜且具倫理性的決策支援的轉變。

Chuck Brooks，全球公認的資安與新興科技思想領袖，將此轉變描述為朝向「共享能動性（shared agency）」邁進。他最近報告的核心前提是：AI 的未來在於其作為協作夥伴的能力。這種演變源於對一個事實的認識：機器在模式識別與資料處理方面表現優異，但缺乏人類判斷中固有的細微差別、情境與倫理推理。新的目標是建立 智能選擇架構（Intelligent Choice Architectures）（ICAs），以賦能個人做出更佳決策，而不是替他們做決定。

在 Creati.ai，我們將此發展視為產業成熟的一個關鍵節點。討論不再是 AI 多快能完成一項任務，而是它能多好地理解背後的人類意圖。本文將探討此新範式的深層意涵，檢視以人為本的 AI 如何重塑各行各業、推動它的倫理必要性，以及使之成為可能的技術突破。

重新定義人機關係

傳統 AI 開發與新興的以人為本模型之間的差異是深遠的。傳統方法往往將人類因素視為瓶頸——一個需被最小化或移除的錯誤來源。相較之下，HCAI 主張人類因素是賦予 AI 目的與方向的「建築師」。Brooks 指出，我們正從「模式完成（pattern completion）」轉向「選擇賦能（choice empowerment）」。

從被動接收到主動參與

在標準的自動化情境中，AI 系統分析資料並執行預先設定的動作。例如，舊有的演算法可能會根據僵化的信用分數門檻自動拒絕貸款申請。這對使用者來說是被動的體驗，對組織而言則是一種「黑箱」操作。

在以人為本的範式下，AI 扮演的是一位精密的顧問。它分析相同的資料，但向人類決策者呈現情境：為何分數偏低？有哪些異常因素可能表示即便分數低仍具信用性？這種稱為「增強式智慧（augmented intelligence）」的方法，保有人類在迴路中，確保最終決策兼具資料驅動的洞見與人類直覺。

智能選擇架構（ICAs）的崛起

當前環境中被大量引用的一項關鍵創新是智能選擇架構。智能選擇架構是為了適應使用者特定需求、偏好與認知風格而設計的系統。它不是強加僵化的工作流程，而是學習某位人類專家偏好的問題解決方式，並針對性地調整資訊呈現。

例如，在像資安或策略性商業規劃這類複雜領域，智能選擇架構不僅標示威脅或機會；它會根據使用者的策略目標，模擬潛在結果。如果資安分析師將網路正常運作時間優先於激進的隔離措施，智能選擇架構會調整其建議，使之符合該操作理念。這種適應性確保科技保持為賦能人類的工具，而非控制機制。

倫理的必要：信任與問責

隨著 AI 系統日益整合進高風險情境——如醫療診斷、司法審查與金融預測——對倫理健全性的需求隨之提高。Forbes 報導強調，以人為本的 AI 不僅僅是一種設計偏好，而是一項「對問責、信任與社會公益的現實性要求」。

打破黑箱

阻礙 AI 在敏感領域被採納的一大主因是缺乏透明度。如果醫生無法解釋為何 AI 建議某項治療，他們就無法在倫理上開立該治療。HCAI 透過將 可解釋的 AI（Explainable AI，XAI） 設為標準功能來解決此一問題。系統現在被建構為能提供其推理的「收據」，讓人類操作員在簽署決策前稽核其邏輯路徑。

透過人類監督減緩偏見

自動化系統常會無意中延續其訓練資料中的偏見。透過設計需有人類驗證與判斷的工作流程，組織可以在偏見反映到現實結果之前加以發現與修正。HCAI 模型將 AI 視為撰稿者、人類為編輯。這種「人類在迴路中（human-in-the-loop）」的結構對維持公平性至關重要，也確保自動化效率不會以社會公義為代價。

比較分析：傳統與以人為本模型

為了充分理解此範式轉移帶來的操作性差異，對比傳統以自動化為優先的方法與現代以人為本的方法於各主要領域是有幫助的。

Table 1: Operational Shift from Automation to Augmentation

Sector	Traditional AI Approach (Automation)	Human-Centric AI Approach (Augmentation)
Healthcare	Diagnostic tools output a probability of disease based solely on imaging data, often bypassing patient history context.	Systems provide differential diagnoses with confidence intervals, referencing patient history and lifestyle to assist the physician's final judgment.
Finance	Algorithmic trading executes high-frequency trades automatically based on pre-set market triggers, creating volatility.	智能選擇架構 analyze market sentiment and macro-trends to propose strategy adjustments to portfolio managers for approval.
Customer Service	Chatbots use rigid scripts to deflect inquiries, aiming to minimize human agent contact and reduce costs.	AI agents analyze customer sentiment to route complex emotional issues to human staff immediately, while suggesting empathy-driven responses.
Cybersecurity	Automated firewalls block traffic based on static rules, often causing false positives that disrupt business operations.	Security platforms identify behavioral anomalies and present analysts with a "threat narrative," allowing for nuanced containment decisions.
Manufacturing	Robots perform repetitive assembly tasks in isolation, replacing human workers on the line.	Collaborative robots (Cobots) work alongside humans, handling dangerous heavy lifting while humans manage quality control and customization.

技術基礎建設

以人為本的 AI 的實現，得益於計算能力與模型架構的巨大進展。Forbes 文章提到 Google、Microsoft 與 NVIDIA 等科技巨頭所進行的「前所未有的投資」與「基礎設施創新」。

新一代模型

我們看到如 Gemini 3 Pro 與 DeepThink 之類的模型被部署，這些模型明確為推理與程式撰寫任務而設計，而不僅僅是語言生成。這些模型展現出更高程度的情境保留能力，能夠「記住」使用者的長期目標與偏好。這項能力是建立人機共生關係所需信任的基礎。

情境感知

不同於早期將每次互動視為白紙一張的 AI，現代的以人為本系統具備深度情境感知。它們可以分析更廣泛的環境——例如經濟狀況、公司文化或特定專案的限制——並將這些變數納入輸出。從「通用智慧」轉向「情境化智慧（situated intelligence）」的這一轉變，使 AI 能夠從新奇事物蛻變為關鍵的商業資產。

未來展望：共演化的時代

展望 2026 年剩餘時間及更遠的未來，發展軌跡十分明確：最成功的組織將是那些將 AI 視為夥伴而非替代者的企業。目標是「共演化」，即人機共同進步、相互提升能力。

對於企業領導者而言，這意味著策略的轉變。投資不應僅集中於可削減人力的自動化軟體；相反，資源應投入培訓勞動力以與智慧代理協作。未來的技能重點將圍繞 提示工程（prompt engineering）、演算法稽核（algorithmic auditing） 與 策略監督（strategic oversight）。

在 Creati.ai，我們相信以人為本的範式代表最永續的前進道路。它在解放機器學習指數性潛力的同時，守護人類能動性。正如 Chuck Brooks 優雅總結的，這不是 AI 對抗人類智慧，而是「AI 與人類智慧（AI with human intelligence）」共同創造一個以負責任創新與共同潛能為特徵的未來。決策賦能的時代已到來，其核心鮮明地屬於人類。