刊于《信报》，2026年7月13日
过度依赖AI应用或引发人才断层
许佳龙
科大协理副校长（学术发展）；信息、商业统计及营运学系讲座教授；艾礼文家族商学教授
笔者上期文章分析了人工智能（AI）的系统性风险。当愈来愈多计算机程序由AI完成编程，系统出现问题时，或会倍增系统性风险的破坏。近日，笔者在《自然医学》（Nature Medicine）期刊上，读到一篇题为AI-induced never-skilling in medical education论文，指出AI融入医学培训的步伐，远超与之配套的当下教育框架。
文章指出，在医学临床教育早期阶段，受训者过度依赖AI，可能令教学无法培育出安全、独立执业所需基本推理能力的医生。论文作者把这种情况称为「技能缺失」（never-skilling），并将之与经验丰富的临床医生技能下降（deskilling）以及错误技能（mis-skilling）区分开来。换言之，人工智能引起医学受训者专业技能缺失，反映人们对AI应用的过度依赖，有机会导致人类能力弱化。
有缺陷的临床知识内化
据论文作者的观察，当受训者不加批判地接受了AI的产出，导致其将有缺陷的临床知识内化为事实。虽然目前尚未从医学训练上得到相关的直接证据，但这种担忧源于既有的学习理论，同时得到了来自非临床环境早期实证讯号的支持，情况的发展值得警惕。
作者认为，AI本身并非对学习有害，但其对教育的影响，很大程度取决于引入的方式和时机。作者提出一个三阶段的能力保护架构：包括首阶段建立独立于AI的基线能力；第二阶段，透过结构化教学法，建构批判性校准，以识别AI的错误；第三阶段，在监督下将AI融入医学训练，按部就班，据此构成一个有效的医学教育训练框架。很显然，第一阶段建立独立于AI的基线能力，无疑是给学员吸收正确医学知识的筑基训练。
入门性工作由AI处理
过去，笔者曾撰文，多番论及AI的应用，等于把工作任务「外包」，这样一来，难免减少了人类学习和获取经验的机会，当缺乏足够学习与经验，最终或导致能力递减。如今我们看到愈来愈多有关就业市场的调研报告，揭示当公司引入若干AI应用后，很多初入职的工作，企业高管倾向不再聘用新入职的劳动力，索性把入门性工作任务外包给AI处理，只留下高级工作岗位，继续由人手担任。
这不期然引发一个很大疑问——当所有入门性工作任务由AI完成，那些能够有效处理高级工作任务的人力资源从何而来？一旦初入职的劳动力没有获得训练机会；也无法从经验积累中获得晋升、取得进一步磨练；遑论可以出掌高层级的工作任务，获得高阶管理层人力资源所需要的判断力、经验和决策智慧。
当所有机构或公司都以这营运方式，高度倚赖AI来完成初级性工作任务，笔者相信，此举或会使AI应用酿成一个人力资源危机——人才断层。这个危机短期内可能没有受到应得的留意和重视，甚至认为这是生产力得以提升的体现，然而，长远来说，这个未来可能出现的人才断层风险——就像上周文章论及由种种自然灾害对互连系统引发的未来性风险，机构或企业如何面对、管理和化解？问题值得进一步深入思考。
就笔者与不少企业高层讨论AI当前的发展，这些企业领导人此刻都不约而同非常热情地拥抱AI，拟积极利用AI来处理入门性工作任务，憧憬此举可提升工作效率，并节约生产成本，然而，当笔者进一步向他们提问：日后，组织内的高层人才从何而来，他们往往无言以对，而且没有细心想及这个问题。
AI两个系统性风险
可以说，AI带来的第一个系统性风险，是上期文章所分析，即当人们倚赖AI进行系统编程，而程序设计师却无法掌握AI编程的内在编码结构和逻辑，一旦发生自然灾难或不可逆料的意外，无论是现用或备用的系统，都无法及时侦错或纠正AI编程的错失，及时对危机事态作出反应，最终酿成系统崩溃，并且使破坏性风险以指数式猛增。
另一方面，若人们过度依赖由AI去完成初级性工作任务，最终出现人才断层的后果，可以说是AI的第二个系统性风险，使企业高层人力资源的长远有效传承无以为继，难以确保社会能够形成低、中、高的人才梯队，一级一级提升技能和经验，并趋于成熟，持续为未来发展注入稳定性和发展韧力。
皮之不存毛将焉附
《自然医学》期刊发表的这篇论文，说明把AI融入医学培训，若融入步伐与当前配套的教育框架不匹配，AI在临床教育早期阶段，若然受训者过度依赖AI，最终可能无法培养出具基本专业推理能力的初级医生。没有具专业推断能力的初级医生，则熟练的高级医生从何而来？皮之不存，毛将焉附？如何解决这个问题，笔者此刻没有答案，但对组织领导者来说，无论是来自医疗界，软件界以至金融界，当谋划组织的长远性风险管理，如今AI应用日趋普及、应用范围不断扩展下，在人力资源方面的人才断层，也是AI的一个系统性新风险因素，不可不察。