銷售 AI 代理的相關企業越來越傾向將其描述為隊友、員工或數位同事。然而，本週發表的一項《麻省理工科技評論》（MIT Technology Review）分析指出，這種語言可能不僅僅是塑造行銷敘事那麼簡單：當企業被要求信任 AI 處理更複雜的工作時，這可能會降低人類監督的品質。

該文章強調的核心證據來自波士頓大學商業教授 Emma Wiles 的研究，她研究了當 AI 生成的工作被標榜為來自「AI 員工」而非聊天機器人（chatbot）時，管理者的反應有何不同。根據該分析，這種設定導致參與者在審核時發現的錯誤更少，對產出的責任感降低，並且傾向於將有問題的工作向上呈報，而不是自行修正。這一結果至關重要，因為自四月以來，包括微軟（Microsoft）、OpenAI、Anthropic 和 Google 在內的主要 AI 供應商都已發布了旨在於職場中協調 AI 代理團隊的工具。

此新聞並非產品發布，而是關於部署用語的警告

這則報導與其說是一項新模型的發布，不如說關注的是 AI 行業如何包裝一個正從演示階段轉向企業系統應用的產品類別。該《麻省理工科技評論》文章指出，將 AI 代理稱為同事並非無害的隱喻。它改變了人們判斷、監督機器產出並對其負責的方式。

當代理式 AI（agentic AI）成為該領域最活躍的產品戰線之一時，這種擔憂隨之浮現。在該原始分析中，代理被描述為可以在迴圈中為實現某個目標而工作，而非僅僅是回答單一提示詞（prompt）的工具。供應商利用這種設定將它們定位為能夠處理多步驟業務流程的靈活數位員工。

根據該分析，問題在於擬人化的品牌標榜可能會鼓勵組織將軟體視為具備真正員工的判斷力、問責制或自主權。這可能會超出當前系統所能可靠提供的預期，並可能導致那些在法律和營運上仍需承擔最終責任的人類，其表現水準隨之降低。

研究顯示命名會影響人類判斷

報導中最強有力的具體證據來自 Wiles 的 研究。據《麻省理工科技評論》報導，當工作被描述為來自代理式「AI 員工」而非聊天機器人時，參與者發現的錯誤減少了 18%。該分析還提到，將 AI 設定為員工的參與者，對其產出的責任感較低。

對於試圖透過自動化節省時間的企業而言，第二種行為影響可能同樣重要。根據同一報導，當系統被呈現為員工時，參與者將有問題的 AI 工作向上呈報給經理進行進一步審查的可能性增加了 44%，而不是進行自我修正。如果這一實驗室之外的結果成立，它表明了一種實際的失效模式：企業可能會增加代理層級，反而創造了更多的審核負擔，而非減少。

《麻省理工科技評論》還引用了 Wiles 研究中 1,261 名管理者的調查回覆。據報導，近三分之一的人表示其公司已將 AI 代理稱為員工，而 23% 的人表示這些系統甚至被列入組織結構圖中。如果這些數字具有代表性，則顯示「數位同事」的設定已從供應商的廣告用語轉向企業內部的實際營運。

由於此處提取的證據未提供完整的實驗方法、樣本結構細節或同儕審查狀態，因此這些發現應被視為報導的研究結果，而非已定的共識。儘管如此，它們已足夠具體，足以激化一場此前通常僅在抽象層面討論的更廣泛爭論。

大型供應商正在推動代理管理，但人類模型可能是誤導性的

該分析將 Wiles 的研究發現置於更大的行業背景中。文中引用了輝達（Nvidia）執行長黃仁勳（Jensen Huang）去年關於「數位人類」工作場所的討論。對於企業買家而言更重要的是，《麻省理工科技評論》指出，微軟、OpenAI、Anthropic 和 Google 最近都發布了圍繞管理 AI 代理團隊的工具。

這一趨勢反映了真實的技術進步。該分析承認，代理系統在處理更複雜任務方面已變得更強。在實踐中，這通常意味著跨越多個步驟進行推理、工具使用、記憶和任務執行。對於開發者而言，這可以開啟諸如研究綜合、內部支援、軟體營運、案例追蹤或文件處理等工作流程。

但《麻省理工科技評論》的論點在於，產品功能與擬人化設定是兩回事。一個代理可能可以在沒有任何意義上的「同事」身分下完成一系列任務。它並不承擔責任、不具備機構判斷力，也不與周圍團隊享有共同的激勵機制。將其標榜為彷彿具備上述特質，可能會在企業最需要明確治理界線的地方使之模糊化。

該分析還警告稱，這種動態可能會擴散到辦公軟體之外。隨著代理系統進入醫療保健、教育、政府和軍事環境，風險不僅僅是糟糕的產出，還包括責任歸屬不清。該來源認為，當組織因人類選擇、激勵機制不良或監督薄弱而導致失敗時，AI 可能會成為一個方便的對象，讓組織將責任轉移到它身上。

員工想要的可能是增強，而非合成同事

《麻省理工科技評論》的文章將這項管理學研究與來自史丹佛大學（Stanford）的第二條證據結合起來。根據該分析，研究人員向 104 個職位中的 1,500 名員工展示了 AI 可能執行的任務訊息，然後詢問什麼對他們真正有幫助。

如來源所述，主要的結論是，員工確實希望在某些領域實現自動化，但通常對哪些任務應該授權給 AI 與技術人員存在分歧。文章中的一個例子指出，法律助理認為 AI 有助於確保案件進展是有價值的。但該分析稱，銷售代表並不希望 AI 核實客戶的信用評級，即使專家已認定該工作非常適合自動化。

這一發現之所以重要，是因為它將問題從「代理能做這個嗎？」轉變為「針對這個角色、這個工作流程、這種審核結構，這個任務應該自動化嗎？」。對於產品團隊而言，這是一個比僅僅承諾 AI 勞動力替代更有用的產品設計視角。

該來源還引用了麻省理工學院經濟學家 Daron Acemoglu 的觀點，他認為將 AI 代理作為人類替代品進行行銷是「一種注定失敗的主張」，系統應該進行優化以提高人類的能力。作為一種哲學立場這並不新鮮，但在此報導中，它直接批判了當前的代理市場是如何被兜售的。

證據、聲明與尚未確定的部分

此報導中的幾項重要主張來自專業媒體分析，而非來源材料中包含的官方研究論文或公司披露。引用的最具體證據是 Wiles 報告的結果，即當 AI 被設定為員工時，錯誤檢測率下降了 18%，向上級呈報率上升了 44%。這些是《麻省理工科技評論》所轉述的研究主張。

該報導還指出，研究中 1,261 名管理者中近三分之一表示其公司將 AI 代理稱為員工，且 23% 的公司將其列入組織結構圖。同樣地，這些數字被歸因於《麻省理工科技評論》所描述的研究。由於來源摘要中缺乏基礎方法論，很難評估其在不同行業或公司規模中的代表性。

相比之下，關於企業代理平台成長的說法更容易進行脈絡化。該來源點名微軟、OpenAI、Anthropic 和 Google 是最近推出旨在管理 AI 代理產品的公司。這與市場的可見方向一致，儘管此類數據不包含主要的產品文檔，因此文章不應在該範圍之外過度誇大產品細節。

代理功能技術上變得更強大的這一更廣泛觀念是合理的，但不應與它們能安全地作為獨立員工運作的證據混為一談。這種區別是報導的核心，在當前許多市場訊息中仍未得到解決。

這對開發者和企業買家意味著什麼

對於 AI 開發者而言，直接的教訓不僅僅關於品牌標榜，更關乎介面和工作流程設計。如果擬人化的語言會降低警覺性，那麼諸如命名代理、賦予職稱、將其置於組織結構圖中，或將產出呈現為彷彿來自某個人似的產品選擇，可能會產生可衡量的營運風險。

對於企業而言，這些發現指向了一個治理問題。採用代理的企業應將其定義為具備邊界許可權、可審計行為並擁有明確人類負責人的軟體系統。審核責任應指派給人員，而不是模糊地歸類為「AI 團隊成員」。否則，組織可能會承受兩倍的自動化副作用：前線審核品質下降，以及後端向經理呈報的案例增加。

此外還有成本影響。代理的賣點之一是勞動力效率。但如果這種設定增加了盲從和管理層級的呈報，那麼某些部署可能會悄然增加而非減少磨擦成本。這對於投資報酬率（ROI）計算至關重要，特別是在受監管或高風險的環境中，畢竟所有有問題的產出最終都必須經過審核。

對於創業者而言，市場訊號比單純的反代理懷疑論更為微妙。來源並未爭辯代理系統缺乏價值，而是主張最好的用途可能比「AI 員工」的推銷所暗示的更加狹窄且協作性更強。將代理定位為支援特定決策的嚴格範圍工具的新創公司，可能比那些承諾用 AI 替代勞動力的公司找到更持久的切入點。

接下來值得觀察的面向

下一個重要的訊號將是大型供應商是繼續傾斜於員工式的設定，還是開始轉向以工具為中心的治理語言。產品命名、儀表板設計和管理員控制項將揭示這一點。

第二個訊號是關於 Wiles 所描述的監督效應的更詳細研究的發表。開發者和買家應密切關注方法論、重複驗證，以及這些結果在不同工作類型、資歷水平和風險環境下是否成立。

第三，企業案例研究將比產品發布會更重要。關鍵問題不在於代理在演示中是否能完成多步驟任務，而在於使用它們的組織是否看到了更少的錯誤、更快的吞吐量和更清晰的問責結構。

最後，像分析中引用的史丹佛研究那樣以勞動力為導向的研究可能會成為更重要的產品輸入。如果員工持續在某些任務中偏好 AI 支援而在其他任務中拒絕它，那麼成功的部署可能不取決於模型本身的原始能力，而取決於將自動化與實際的團隊偏好和責任相匹配。

Creati.ai 觀點

這篇報導最有用的貢獻在於，它將關於代理的爭論從科幻語言拉回了組織行為範疇。市場已經花了數月時間爭論代理變得有多自主。更緊迫的問題可能是，一旦軟體被呈現為彷彿處於同等地位，人類團隊會做出怎樣的行為。

這種區別之所以重要，是因為企業 AI 的採用很少僅僅因為模型輸出而受阻。它受到審核負擔、所有權不明確、信任校準和流程設計的困擾。如果「同事」這種設定削弱了這些基礎，那麼更明智的商業策略就不是讓代理看起來更像人類，而是讓它們作為工具變得更清晰可見：具備明確範圍、受到監督、可衡量，且極易進行人工覆寫。