刊於《信報》，2026年7月13日
過度依賴AI應用或引發人才斷層
許佳龍
科大協理副校長（學術發展）；資訊、商業統計及營運學系講座教授；艾禮文家族商學教授
筆者上期文章分析了人工智能（AI）的系統性風險。當愈來愈多電腦程式由AI完成編程，系統出現問題時，或會倍增系統性風險的破壞。近日，筆者在《自然醫學》（Nature Medicine）期刊上，讀到一篇題為AI-induced never-skilling in medical education論文，指出AI融入醫學培訓的步伐，遠超與之配套的當下教育框架。
文章指出，在醫學臨床教育早期階段，受訓者過度依賴AI，可能令教學無法培育出安全、獨立執業所需基本推理能力的醫生。論文作者把這種情況稱為「技能缺失」（never-skilling），並將之與經驗豐富的臨床醫生技能下降（deskilling）以及錯誤技能（mis-skilling）區分開來。換言之，人工智能引起醫學受訓者專業技能缺失，反映人們對AI應用的過度依賴，有機會導致人類能力弱化。
有缺陷的臨床知識內化
據論文作者的觀察，當受訓者不加批判地接受了AI的產出，導致其將有缺陷的臨床知識內化為事實。雖然目前尚未從醫學訓練上得到相關的直接證據，但這種擔憂源於既有的學習理論，同時得到了來自非臨床環境早期實證訊號的支持，情況的發展值得警惕。
作者認為，AI本身並非對學習有害，但其對教育的影響，很大程度取決於引入的方式和時機。作者提出一個三階段的能力保護架構：包括首階段建立獨立於AI的基線能力；第二階段，透過結構化教學法，建構批判性校準，以識別AI的錯誤；第三階段，在監督下將AI融入醫學訓練，按部就班，據此構成一個有效的醫學教育訓練框架。很顯然，第一階段建立獨立於AI的基線能力，無疑是給學員吸收正確醫學知識的築基訓練。
入門性工作由AI處理
過去，筆者曾撰文，多番論及AI的應用，等於把工作任務「外包」，這樣一來，難免減少了人類學習和獲取經驗的機會，當缺乏足夠學習與經驗，最終或導致能力遞減。如今我們看到愈來愈多有關就業市場的調研報告，揭示當公司引入若干AI應用後，很多初入職的工作，企業高管傾向不再聘用新入職的勞動力，索性把入門性工作任務外包給AI處理，只留下高級工作崗位，繼續由人手擔任。
這不期然引發一個很大疑問——當所有入門性工作任務由AI完成，那些能夠有效處理高級工作任務的人力資源從何而來？一旦初入職的勞動力沒有獲得訓練機會；也無法從經驗積累中獲得晉升、取得進一步磨練；遑論可以出掌高層級的工作任務，獲得高階管理層人力資源所需要的判斷力、經驗和決策智慧。
當所有機構或公司都以這營運方式，高度倚賴AI來完成初級性工作任務，筆者相信，此舉或會使AI應用釀成一個人力資源危機——人才斷層。這個危機短期內可能沒有受到應得的留意和重視，甚至認為這是生產力得以提升的體現，然而，長遠來說，這個未來可能出現的人才斷層風險——就像上周文章論及由種種自然災害對互連系統引發的未來性風險，機構或企業如何面對、管理和化解？問題值得進一步深入思考。
就筆者與不少企業高層討論AI當前的發展，這些企業領導人此刻都不約而同非常熱情地擁抱AI，擬積極利用AI來處理入門性工作任務，憧憬此舉可提升工作效率，並節約生產成本，然而，當筆者進一步向他們提問：日後，組織內的高層人才從何而來，他們往往無言以對，而且沒有細心想及這個問題。
AI兩個系統性風險
可以說，AI帶來的第一個系統性風險，是上期文章所分析，即當人們倚賴AI進行系統編程，而程式設計師卻無法掌握AI編程的內在編碼結構和邏輯，一旦發生自然災難或不可逆料的意外，無論是現用或備用的系統，都無法及時偵錯或糾正AI編程的錯失，及時對危機事態作出反應，最終釀成系統崩潰，並且使破壞性風險以指數式猛增。
另一方面，若人們過度依賴由AI去完成初級性工作任務，最終出現人才斷層的後果，可以說是AI的第二個系統性風險，使企業高層人力資源的長遠有效傳承無以為繼，難以確保社會能夠形成低、中、高的人才梯隊，一級一級提升技能和經驗，並趨於成熟，持續為未來發展注入穩定性和發展韌力。
皮之不存毛將焉附
《自然醫學》期刊發表的這篇論文，說明把AI融入醫學培訓，若融入步伐與當前配套的教育框架不匹配，AI在臨床教育早期階段，若然受訓者過度依賴AI，最終可能無法培養出具基本專業推理能力的初級醫生。沒有具專業推斷能力的初級醫生，則熟練的高級醫生從何而來？皮之不存，毛將焉附？如何解決這個問題，筆者此刻沒有答案，但對組織領導者來說，無論是來自醫療界，軟件界以至金融界，當謀劃組織的長遠性風險管理，如今AI應用日趨普及、應用範圍不斷擴展下，在人力資源方面的人才斷層，也是AI的一個系統性新風險因素，不可不察。