匯東華

研究誠信與 AI 治理系列 No. 02

AI 讓人去技能化？

證據走到哪裡，以及研究工作者真正該保留的能力

匯東華統計顧問｜陳秀敏博士

第 3 期匯東華電子報第 3 期｜2026.08.21 看本期網頁版 →

一頁先懂｜核心判斷

長期依賴 AI 輔助，專業能力可能退化。
目前最直接的一筆臨床證據來自四家波蘭內視鏡中心：在導入 AI 息肉偵測系統後，醫師執行沒有 AI 輔助的標準大腸鏡時，腺瘤偵測率（adenoma detection rate, ADR）由 28.4% 降至 22.4%。這項研究的重要性，在於它不再只是詢問使用者「是否覺得自己變依賴 AI」，而是觀察到實際臨床工作表現的變化。
但證據還沒有走到「AI 已證實會使專業能力退化」。
這是一項觀察性研究，研究刊出後已有三封讀者來函提出質疑，原作者亦正式回覆；寫作、認知工作與導航等其他領域的資料，則分別來自預印本、企業自有使用資料與不同研究設計，證據強度並不相同。
因此，現階段真正值得研究工作者警覺的，不只是 AI 會不會讓我們「少練習一項技能」，而是：
當愈來愈多認知工作被交給 AI，我們是否也把原本用來監督這些工作的判斷能力一起交了出去？
對研究工作而言，產出可以被加速；判斷不能被省略。

01｜目前最直接的證據：AI 輔助內視鏡之後，沒有 AI 時發生了什麼？

2025 年，Budzyń 等人在 The Lancet Gastroenterology & Hepatology 發表一項多中心觀察性研究，探討一個相當直接的問題：

當內視鏡醫師長期暴露於 AI 輔助後，在沒有 AI 的情況下，其大腸鏡檢查表現是否發生改變？

研究涵蓋四家波蘭內視鏡中心。這些中心於 2021 年底導入 AI 息肉偵測系統，研究者比較 AI 導入前 3 個月與導入後 3 個月的標準非 AI 輔助大腸鏡，共納入 1,443 位病人：

AI 導入前：795 例

AI 導入後：648 例

中位年齡：61 歲

主要結果相當醒目。

標準非 AI 輔助大腸鏡的 ADR 由 28.4% 降至 22.4%，絕對差為 −6.0%（95% CI −10.5 至 −1.6；p = 0.0089）。多變項邏輯迴歸分析中，AI 暴露與較低 ADR 相關，OR 為 0.69（95% CI 0.53–0.89）。

若只看到這裡，很容易將結果轉述成：

「使用 AI 會讓醫師的能力退化。」

但原作者並沒有下這麼強的結論。

研究原文寫的是：

“Continuous exposure to AI might reduce the ADR of standard non-AI assisted colonoscopy, suggesting a negative effect on endoscopist behaviour.”

兩個限定語尤其重要：

might 是「可能」，不是「會」；
suggesting 是「暗示」，不是「證明」。

此非文字遊戲，而是證據強度。

觀察到 AI 導入前後的 ADR 下降，與證明 AI 造成能力退化，為兩個不同層級的主張。當 might 被轉述成 will，或 suggesting 被寫成 showing，研究結論就已經在傳播過程中被放大。

本項研究之所以值得重視，也正在於 ADR 並非抽象的實驗室測量，而是大腸鏡品質的重要臨床指標。因此，它至少提供一個需要正視的訊號：

AI 的影響可能不只出現在「使用 AI 的當下」，也可能延伸到 AI 不在場時的人類工作表現。

同期，Omer F Ahmad 在同一期刊發表評論〈Endoscopist deskilling: an unintended consequence of AI-assisted colonoscopy?〉，亦直接以 deskilling 描述這項值得關注的潛在非預期後果。

但「值得關注」仍然不等於「因果關係已經確立」。

02｜真正的爭議：下降的是能力，還是行為？

這項研究屬於觀察性設計，而非隨機分派試驗。

研究刊出後，同年 12 月號的 The Lancet Gastroenterology & Hepatology 刊登三封相關讀者來函，以及原作者回覆。

類型	作者	DOI	PMID
讀者來函	Lam K	10.1016/S2468-1253(25)00290-0	41205614
讀者來函	Levartovsky A, Kopylov U	10.1016/S2468-1253(25)00289-4	41205615
讀者來函	van de Sande D, Sleijfer S, Buijsman SNR, et al.	10.1016/S2468-1253(25)00288-2	41205616
作者回覆	Budzyń K, Romańczyk M, Mori Y	10.1016/S2468-1253(25)00324-3	41205617

目前無法取得上述四篇全文，因此可以確認的是：這項研究確實引發正式學術討論。

但同樣必須守住另一條證據邊界：

「有三封來函提出質疑」不等於「學界已否定本項研究」。

對同一研究的方法學限制，美國胃腸病學會（American College of Gastroenterology, ACG）的 Evidence-Based GI 專欄整理得相當清楚，包括：

研究為觀察性設計，容易受到干擾與選擇偏誤影響。

AI 導入後，病人如何進入非 AI 組的程序說明不足。

即使經過統計調整，兩組間仍存在多項顯著差異，殘餘干擾不能排除。

僅涉及 19 位中等以上經驗的內視鏡醫師，可推論性有限，也難以穩定進行個別醫師層級分析。

未報告退鏡時間（withdrawal time）。

研究世代整體 ADR 約為 25.7%，外推至其他醫療體系時需要審慎。

其中，第 5 點尤其值得注意。

退鏡時間本身可能影響 ADR，而且它是一個可以改變的操作行為。假設 AI 導入後，醫師因為更加信任系統而改變操作速度，那麼 AI 導入後觀察到的 ADR 下降，至少存在兩種不同解釋：

第一種：能力退化。
醫師本身辨識病灶的能力下降。

第二種：行為改變。
醫師的工作方式改變，例如退鏡速度加快，進而影響 ADR。

兩者觀察到的數字可以相同，但代表的治理問題完全不同。

若為能力退化，可能需要重新訓練與維持技能。

若主要是行為改變，介入重點則可能轉向工作流程、操作規範、監測指標與提醒機制。

這也是解讀 AI 研究時經常被忽略的一層：

看到結果改變，不代表已經知道改變結果的機制。

而從顧問與治理角度來看，機制判斷錯誤，後續採取的管理措施也可能完全錯位。

03｜其他領域出現了什麼訊號？先看證據層級

AI 去技能化的討論並不限於醫療。

目前在寫作、認知工作與導航等領域，都可以看到相關訊號；但不同研究的證據性質差異很大，不能只因為它們都被稱作「研究」，就給予相同權重。

領域	主要發現	證據性質	現階段可以說到哪裡
內視鏡	AI 導入後，非 AI 輔助大腸鏡 ADR 由 28.4% 降至 22.4%	多中心觀察性研究、同儕審查	有去技能化風險訊號，但不能直接建立因果
AI 寫作	LLM 組腦區連結性較弱，且較多人無法正確引述自己剛寫的內容	預印本、EEG 實驗	可討論認知參與與 cognitive ownership，但證據仍待同儕審查
認知工作	較高教育程度任務在 Claude 使用資料中呈現較大時間加速	Anthropic 自有平台資料	可觀察工作內容可能重新分配，但不是獨立外部研究
GPS／導航	GPS 使用較多與自主導航空間記憶表現下降相關	同儕審查研究	支持導航行為與空間記憶可能相關，不等於證明「GPS 讓海馬體縮小」

本張表真正要表達的不是哪一項研究「比較厲害」，而是：

證據來源不同，可以支持的結論也就不同。

AI 寫作：產出了文字，不代表保有對內容的掌握

MIT Media Lab 的 Kosmyna 等人進行一項腦電圖實驗，研究於 2025 年首先以預印本形式上傳 arXiv（2506.08872）。

受試者使用 ChatGPT、搜尋引擎或完全不使用外部工具完成 SAT 類型作文。研究觀察到，LLM 組的腦區連結性最弱，Brain-only 組最強，搜尋引擎組居中。

更值得注意的是行為結果。

第一階段寫作完成後，LLM 組有 83.3%（15/18）無法正確引述自己剛完成的文章；搜尋引擎組與 Brain-only 組則皆為 11.1%（2/18）。

研究者以 cognitive ownership（認知所有權）討論這類現象。

對研究工作而言，這個概念值得注意的地方並不是「AI 到底讓哪個腦區變弱」，而是另一個更實際的問題：

作者是否仍然掌握自己的產出？

論文不是文字生成完成就算完成。作者必須知道自己寫了什麼、為什麼這樣寫，以及每一個主張的證據究竟能走到哪裡。

但這筆證據同樣需要明確標記其限制：它目前仍是預印本，尚未經正式同儕審查；部分階段樣本數亦較少。

因此，正確的轉述是：

「一項尚未經同儕審查的預印本觀察到……」

而不是：

「MIT 已證實 ChatGPT 使大腦退化。」

高階工作：AI 不一定只替代低階任務

另一個值得注意的方向來自 Anthropic 發布的經濟指數報告。

其 Claude.ai 使用資料顯示，需要高中程度教育背景理解的任務約加速 9 倍，需要大學程度教育背景的任務則約加速 12 倍。

上述發現至少挑戰一個常見直覺：

AI 並不一定只影響低階、重複性的工作。

Anthropic 自己甚至使用了 deskill 一詞，認為如果較高教育程度的任務被移除，第一階效果可能使工作的平均技能需求下降。

但來源性質仍然必須說清楚：

這是 Anthropic 對自家產品使用資料的分析，而不是獨立研究團隊進行的同儕審查研究。

同一份報告中，Claude 的「任務跨度」還出現了 2 小時、約 3.5 小時及約 19 小時三個不同數字。

這三個數字並非必然互相矛盾，因為它們來自不同資料來源與估計方式。

這正好示範研究判讀的一個基本原則：

數字本身沒有脫離研究設計而獨立存在的意義。

知道「19 小時」不夠。

還要知道這 19 小時是在哪一種資料、哪一種定義與哪一種估計方法下得到的。

GPS：比數字錯誤更危險的是研究方向被寫反

AI 去技能化的討論中，GPS 是另一個常見例子。

但經典的倫敦計程車司機研究，經常被轉述錯誤。

Maguire 等人 2000 年在 PNAS 發表的研究發現，倫敦計程車司機的後側海馬體比對照組更大，前側海馬體則較小；後側海馬體體積亦與從業年資呈正相關。

2006 年研究再以公車司機作為對照。

這兩項研究從來不是：

GPS 使用者 vs. 非 GPS 使用者。

至於 GPS 本身，Dahmani 與 Bohbot 2020 年發表於 Scientific Reports 的研究則觀察到，GPS 使用愈多，海馬體依賴型空間記憶表現下降愈明顯。

但該研究並沒有報告：

「使用 GPS 的人海馬體縮小多少。」

把這些研究拼接成「GPS 會讓海馬體變小」，不只是數字錯誤，而是把原本的研究問題、比較組與結果方向重新組裝成另一個故事。

對研究工作而言，這類錯誤尤其危險。

數字錯了，回原文還可能校正；研究方向寫反，等於證據鏈本身已經被重建。

而最值得警惕的是：錯誤版本往往比原始研究更符合我們原先相信的故事，因此也更容易被接受、記憶與傳播。

04｜真正需要防止的，可能不是「不會做」，而是「不會判斷」

研究工作的核心從來不只是產出。

真正困難的工作是判斷：

這個方法是否適用？

這個模型的假設是否成立？

這項結果能否如此解釋？

這個數字究竟來自原文、摘要，還是二手整理？

這是 RCT、觀察性研究、預印本，還是企業自有資料？

原作者使用的是 might，還是 will？

研究觀察的是 association，還是已經足以主張 causation？

這項結果是否「剛好」過度完美地支持我們原本的觀點？

生成式 AI 改變的是產出的邊際成本。

一段帶有專業術語、統計數字、論文引用與完整格式的文字，現在可以在極短時間內完成。

產出變容易了，判斷沒有。

甚至可以進一步說：

產出愈便宜，判斷反而愈重要。

因為當每個人都能迅速產生大量看起來合理的內容，真正稀缺的就不再只是「能不能生成」，而是：

誰能辨識哪些內容值得相信，哪些只能暫時保留，哪些根本不能下這個結論。

此為 AI 時代的去技能化最值得研究工作者警覺之處。

真正危險的不是 AI 偶爾犯錯。

真正危險的是：

當人逐漸失去驗證能力之後，AI 犯錯時，我們也看不出來。

其中還有一個特別容易被忽略的檢查點：

當一筆引用「剛好」完美支持自己的論點時，反而是最需要回到原始來源重新核對的時刻。

明顯荒謬的錯誤通常容易被發現。

最難辨識的，是那些非常符合我們期待的錯誤。

05｜AI 可以用，但先決定哪些能力不能交出去

陶哲軒（Terence Tao）在其 AI 觀點整理中提出一個很實用的原則：

不要把自己希望長期保留的核心技能自動化掉。

他將 not replacing a primary skill 列為使用 AI 時的重要考量，也以自己的程式能力為例：某些技能可以接受逐漸退化，但另一些則刻意維持熟練。

這個觀點比單純規定「每週幾天不用 AI」更接近問題本質。

真正需要管理的並不是 AI 使用時間，而是：

哪些認知工作可以外包，以及哪些能力必須持續保留在人身上。

對研究工作者而言，可以先從三件事開始。

1. 先定義不能失去的核心能力

對統計與研究工作而言，方法選擇、研究設計判斷、假設檢查、結果解讀、因果邊界與證據強度判定，通常都屬於核心能力。

格式整理、初步資料彙整、程式碼樣板或重複性的資訊轉換，則較適合自動化。

區別標準不是「AI 能不能做」，而是：

這項能力如果失去，我是否還有能力判斷 AI 做得對不對？

如果答案是否定的，就不應完全交出去。

2. 保留無 AI 的「驗證動作」，而不是刻意製造無 AI 的「時段」

例如建立一條明確規則：

所有準備寫入論文的關鍵數字，都必須回到原始來源核對。

這項動作每次可能只需要幾分鐘，但它維持的是證據查核能力。

相較之下，單純安排「星期日不用 AI」只能控制使用量，未必能保住真正重要的專業能力。

3. 每一次轉述，都重新確認證據限定語

might 不是 will。
suggesting 不是 showing。
association 不是 causation。
觀察性研究不是因果試驗。
preprint 也不等於已完成正式同儕審查。

這些看似只是幾個字。

但研究品質，往往就存在這幾個字之間。

結語｜可以外包產出，不要外包判斷

AI 讓許多過去耗費大量時間的工作變得快速、便宜，而且容易取得。

這本身不是問題。

真正需要治理的是：我們把什麼交出去，又保留了什麼。

如果 AI 幫我們搜尋、整理、寫作、程式設計、分析，最後連「這個結果到底可不可信」都一起交由 AI 判定，那麼被自動化掉的就不再只是工作流程，而是原本用來監督整個流程的能力。

因此，AI 時代真正重要的問題不是：

要不要用 AI？

而是：

哪些工作可以交給 AI，哪些判斷必須始終掌握在人手中？

對研究工作者而言，這條界線應該非常清楚。

可以外包產出。

不要外包判斷。

延伸｜12 月 11 日晚間直播

2026 研究翻車現場：AI 幫你犯的錯，我們該負的責

我們會從真實案例拆解 AI 研究工作中的引用錯誤、證據錯置、過度推論，以及人類使用者最終必須承擔的判斷責任。

參考文獻

Budzyń K, Romańczyk M, Kitala D, et al. “Endoscopist Deskilling Risk after Exposure to Artificial Intelligence in Colonoscopy: A Multicentre, Observational Study.” The Lancet Gastroenterology & Hepatology, vol. 10, no. 10, Oct. 2025, pp. 896–903. doi:10.1016/S2468-1253(25)00133-5. PMID: 40816301.
Ahmad OF. “Endoscopist Deskilling: An Unintended Consequence of AI-Assisted Colonoscopy?” The Lancet Gastroenterology & Hepatology, vol. 10, no. 10, Oct. 2025, pp. 872–873. doi:10.1016/S2468-1253(25)00164-5.
Lam K. “Endoscopist Deskilling Risk after Exposure to Artificial Intelligence in Colonoscopy.” The Lancet Gastroenterology & Hepatology, vol. 10, no. 12, Dec. 2025, p. 1060. doi:10.1016/S2468-1253(25)00290-0. PMID: 41205614.
Levartovsky A, Kopylov U. “Endoscopist Deskilling Risk after Exposure to Artificial Intelligence in Colonoscopy.” The Lancet Gastroenterology & Hepatology, vol. 10, no. 12, Dec. 2025, pp. 1060–1061. doi:10.1016/S2468-1253(25)00289-4. PMID: 41205615.
van de Sande D, Sleijfer S, Buijsman SNR, Gommers D, van Genderen ME. “Endoscopist Deskilling Risk after Exposure to Artificial Intelligence in Colonoscopy.” The Lancet Gastroenterology & Hepatology, vol. 10, no. 12, Dec. 2025, pp. 1061–1062. doi:10.1016/S2468-1253(25)00288-2. PMID: 41205616.
Budzyń K, Romańczyk M, Mori Y. “Endoscopist Deskilling Risk after Exposure to Artificial Intelligence in Colonoscopy: Authors’ Reply.” The Lancet Gastroenterology & Hepatology, vol. 10, no. 12, Dec. 2025, p. 1062. doi:10.1016/S2468-1253(25)00324-3. PMID: 41205617.
Zhou MJ. “Artificial Intelligence in Colonoscopy: Could It Be Making Us Worse?” Evidence-Based GI, American College of Gastroenterology, 17 Sept. 2025. https://gi.org/journals-publications/ebgi/zhou_sep2025/
Kosmyna N, Hauptmann E, Yuan YT, Situ J, Liao XH, Beresnitzky AV, Braunstein I, Maes P. “Your Brain on ChatGPT: Accumulation of Cognitive Debt When Using an AI Assistant for Essay Writing Task.” arXiv, 2506.08872, 10 June 2025; v2: 31 Dec. 2025. 預印本，未經同儕審查。 https://arxiv.org/abs/2506.08872
Anthropic. “The Anthropic Economic Index Report: New Building Blocks for Understanding AI Use.” Accessed 20 Aug. 2026. https://www.anthropic.com/research/economic-index-primitives
Maguire EA, Gadian DG, Johnsrude IS, Good CD, Ashburner J, Frackowiak RSJ, Frith CD. “Navigation-Related Structural Change in the Hippocampi of Taxi Drivers.” Proceedings of the National Academy of Sciences, vol. 97, no. 8, 14 Mar. 2000, pp. 4398–4403. doi:10.1073/pnas.070039597.
Maguire EA, Woollett K, Spiers HJ. “London Taxi Drivers and Bus Drivers: A Structural MRI and Neuropsychological Analysis.” Hippocampus, vol. 16, no. 12, 2006, pp. 1091–1101. doi:10.1002/hipo.20233.
Dahmani L, Bohbot VD. “Habitual Use of GPS Negatively Impacts Spatial Memory during Self-Guided Navigation.” Scientific Reports, vol. 10, 2020, article 6310. doi:10.1038/s41598-020-62877-0.
Tao, Terence. “Terence Tao on AI: A Living Summary.” teorth.github.io/tao-web. Accessed 20 Aug. 2026. 該頁位於陶哲軒個人網站，依其自述係以 AI 彙整其既往貼文、訪談與影片而成。