AI 使用程度的兩面刃：讓你更完美，還是讓個人與企業越來越不像自己？
前言
選舉將至，台灣的街頭又熱鬧了起來。
路燈桿上、大樓外牆、便利商店門口，到處掛著候選人的海報。你仔細看，有些臉不太對。不只是變得年輕很多，有時候過於卡通，有時候頭髮悄悄地長出來了。海報上的人，和你在新聞上看到的那個人，像是兩個人。
這不是所有候選人都這樣。很多人的海報，就是本人，清楚、真實、沒有過度修飾。但確實有一部分，AI 動過的痕跡，讓人一眼就感覺到某種微妙的違和。等到候選人本人出現在面前，你才發現，認不出來，是因為海報裡的那個人，你從來沒見過。
AI 給了候選人一張更完美的臉，卻也拿走了某種難以言說的真實感。
社會現象觀察：這一屆選舉，AI 也加入戰場了
這種違和感，在這一次選舉裡特別明顯。不只是海報，連競選影片、社群貼文、甚至候選人的官方頭像，都出現了類似的痕跡。臉龐變得更對稱，笑容弧度更精準，皮膚的質感像是從廣告棚裡走出來的。有些候選人的形象，得往上推個不少年，才能對得上海報裡的那個樣子。
選舉是一場注意力的競爭，第一眼的印象決定很多事。用 AI 修圖，不需要多少成本，卻可以讓視覺呈現立刻拉高一個檔次。在數位傳播的速度下，沒有人會先查照片的真偽，再決定要不要多看一眼。只是，這個「第一眼」的加分，有沒有後座力？當選民看著候選人的各種海報文宣，兩張臉的落差若是太大，那種錯位感不是無聲的。它不一定讓人直接反感，但它會讓人在心裡停頓一下。
企業營運影響分析：當提案失去了公司的味道
台灣澤綱的業務處長金大中，最近承受著不小的壓力。
年底前有幾個合作提案要推出去，時間緊，人手有限。他跟團隊討論了一下，決定這一次讓 AI 來幫忙起草。報告的架構、段落的論述、甚至圖表下方的說明文字，都交給 AI 生成，再由同仁稍微潤飾一遍。效率確實提升了，三天完成了過去要花一週的量。提案送出去的當天，金大中沒有特別擔心什麼。
幾天後，對方企業的業務主管直接致電台灣澤綱總經理鳩山，語氣仍然客氣，但開門見山：「你們最近送來的提案，我們幾個人看了，都覺得不太像是你們的東西，跟過去合作的感覺不一樣，想跟你反映一下。」鳩山掛上電話，叫來了總經理特助阿Ken，交代他去查一件事：這樣的情況，在公司裡到底有多普遍？有多少份對外的文件、提案、往來信件，是交給 AI 生成的？這種作法，是個案，還是已經成了各部門的習慣？
阿Ken花了幾天，把各部門的狀況摸了一遍。結果比鳩山預期的更普遍。有些同仁把 AI 當成第一起草人，自己只做最後確認。有些則是把 AI 的輸出微調就直接送出，幾乎沒有再加入自己的判斷。從外部看，這些文件讀起來都很順，但就是少了一點什麼。那個「什麼」講不出來，卻被對方感覺到了。鳩山決定召開主管會議。
會議上，阿Ken把調查結果攤開來：公司目前對 AI 的使用，沒有原則，沒有範圍，也沒有程序。每個人憑感覺在用，結果就是輸出的品質和風格，開始出現了落差。他提出三件事：第一，哪些內容可以讓 AI 起草，哪些必須由人主導；第二，AI 生成的內容，要經過哪個層級的人確認才能對外；第三，對外的文件在送出前，要有一道「這還是我們嗎」的自我檢核。阿Ken最後補了一句：「各位還不要忘記，所有的投影片都還必須套上公司固定的模板和 CIS 識別。」
鳩山環顧了一下與會的主管，說：「AI 是工具，我們可以好好利用，但代表公司出去的任何文件，要有我們自己企業組織文化和精神。」鳩山說的，是企業直覺。接下來看三項研究怎麼說。
管理策略與理論應用：過度使用 AI 的三層代價
台灣澤綱的會議，讓一件事浮出了水面：AI 的問題，在於用到什麼程度、用在什麼地方，用不用反而是其次。鳩山說的那句話，可以拿幾項研究來對照，我把它們整理成三層。這三層是遞進的，不是並列：第一層是視覺與品質的落差，對方先察覺到「有點不對」；一旦察覺，就觸發了第二層，對真實性的疑問在心裡升起，開始質疑這家公司還是不是他認識的那個；而組織長期把判斷交給 AI 的過程，則慢慢進入了第三層，員工本人和品牌同時開始失去自己原本的輪廓。這個順序由外向內，代價也一層比一層難以挽回。下面幾項研究談的，多半是人們得知或察覺 AI 介入之後的反應。
（一）感知品質效應（Perceived Quality Effect）
選舉海報修得很精緻，企業提案排版也很整齊，但對方的感覺就是「不太一樣」。這個直覺從哪裡來？一項針對 AI 生成頭像的實驗發現，AI 生成的圖像在品質評價上略高於同一人的專業攝影照片，這解釋了為什麼候選人和企業都願意使用它。但只要觀看者被告知那是 AI 生成的，品質評價就會小幅下降。這個下降只出現在「這張照片好不好」的評價上。至於照片裡的人，受試者覺得他好不好相處、可不可信，沒有明顯差別。也就是說，被標示為 AI 之後，照片的分數少了一點，但仍然略高於專業攝影。要注意的是，這項實驗裡的人是同一個，長相沒有被改到認不出來。海報那種把臉修到不像本人的情況，不在實驗範圍內。
在組織裡，視覺形象的管理往往被視為行銷或設計部門的事，但這其實是品牌一致性的問題，需要由管理層設定標準。建議企業明確界定哪些視覺材料可以交由 AI 處理，哪些必須保留人工主導，特別是對外代表公司形象的核心素材，包含主管照片、官方簡報封面、提案首頁，都應該有清楚的規範，不要讓各部門各自決定。
感知品質的落差，不只發生在圖像上，也發生在語氣、風格和判斷力的呈現上。當客戶或合作夥伴感覺到「不太像你們」，他們感受到的是陌生感，不是品質問題。這種陌生感一旦累積，修復的成本遠比當初多花的時間更高。各部門在使用 AI 輔助產出後，都值得問自己一句：這份東西，讀起來還是我們的嗎？
（二）感知真實性（Perceived Authenticity）
台灣澤綱的合作方沒有指控什麼，他們只是說「感覺不太一樣」。但就是這句含糊的話，讓鳩山開了一場主管會議。選舉現場也有同樣的動態，選民不一定指得出海報哪裡不對，但那股違和感，已經讓選民產生了疑問。兩個場景，不同的人，同一種察覺。
一項針對 485 位捷克受訪者的問卷調查發現，AI 行銷內容是用語音、文字還是圖像呈現，和受訪者的信任感沒有明顯關係，影響較大的是內容的性質。理性訴求的內容，信任度相當高；情感訴求的內容，信任度偏低，甚至很低。這項研究談的是消費者面對行銷訊息，和客戶面對提案並不完全相同，但方向相通：當內容要傳達的是感受，讀者對「是誰在說話」就特別敏感。
當合作夥伴感覺到「不太一樣」，他們其實是在問：你們還是我認識的那家公司嗎？這個問題一旦在對方心裡出現，光靠下一份提案寫得更好是補不回來的。建議企業在使用 AI 生成對外文件時，特別注意情感型段落的人工介入，開場問候、關係陳述、夥伴期望，這些部分應由熟悉對方關係的人親自撰寫或深度修訂。
在提案送出前，由熟悉公司文化和客戶關係的資深同仁做最後一道閱讀，判斷的標準只有一個：讀起來像不像我們。這一道程序不需要耗費太多時間，但它能在第一時間攔截最容易傷害信任的內容。
（三）人工智慧身份威脅（AI Identity Threat）
阿Ken在會議上說的那三件事，說的是程序。但在他整理調查結果的過程中，有一件事讓他停頓了一下，幾位同仁被問到「這份文件是你自己判斷的嗎」，回答得有點模糊：「我確認過了。」但確認的是 AI 給的，還是自己的判斷，他們自己也說不太清楚。阿Ken把這個發現帶進了會議，但沒有特別展開，因為他知道那不是規範可以解決的問題。這個模糊，才是真正的問題所在。
學術界對這個現象有一個專門的名稱，叫做人工智慧身份威脅。一項針對 303 位在職者的問卷研究，受訪者以英國為主，發現工作內容的改變和地位的流失，是預測身份威脅最明顯的兩個因素，單純擔心丟掉工作則沒有達到顯著。另一個發現是，越把 AI 視為自己工作一部分的人，威脅感越低。但這種融合有一個前提，就是這個人清楚知道，哪些部分是 AI 在輔助他，哪些判斷依然是他自己在做。若這條界線消失了，融合就不再是心態上的從容，而是不知道自己在哪裡的漂流。
組織裡的這種威脅，往往來得很慢。沒有人會在某天早上突然說「我不知道我的工作是什麼了」，但當 AI 逐漸承接愈來愈多判斷性的工作，員工會覺得自己只是在確認 AI 的輸出，沒有在做決定。這是我的觀察，不是論文的結論，論文測到的是地位流失和工作內容改變，兩者相近。建議管理者定期與團隊討論：在你的工作裡，哪些是你自己的判斷？哪些是你在確認 AI 的判斷？這個比例，你滿意嗎？
建立 AI 使用的自主性框架，比訂規定更重要。規定只說不能做什麼，框架則說清楚在哪個範圍內，AI 負責輔助，哪些判斷必須留給人。當員工清楚自己在工作中不可被 AI 替代的那個部分是什麼，對 AI 工具的使用自然會更有判斷力。
結論
候選人的海報可以修得很好看，但走進投票所的那一刻，選民面對的還是那個真實的人。企業的提案可以寫得很流暢，但合作夥伴最終信任的，是提案背後那家公司長期積累的風格與判斷力。
AI 是工具，好好利用，它可以讓我們做得更快、呈現得更好。但當它開始替我們說話、替我們判斷，我們手上少掉的，是知道自己是誰的那個能力。
在每次按下生成之後、交付之前，可以問自己一個問題：這個輸出，還有我們的存在嗎？
參考文獻
Long, J. A., Xiao, J., McCray, S. S., Ağaoğlu, E., Alajmi, A. M., Akalonu, C. P., & Xu, Y. (2026). Perceptions of AI-generated profile pictures: Effects on quality, attractiveness, and trustworthiness. Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 20(4), Article 3. https://doi.org/10.5817/CP2026-4-3
Majerová, J., Nadanyiova, M., & Patik, L. (2025). One step forward, two steps back: AI generated content vs. perceived trust, authenticity and credibility. Intellectual Economics, 19(2), 150–170. https://doi.org/10.13165/IE-25-19-2-06
Mirbabaie, M., Brünker, F., Möllmann (Frick), N. R. J., & Stieglitz, S. (2022). The rise of artificial intelligence – understanding the AI identity threat at the workplace. Electronic Markets, 32, 73–99. https://doi.org/10.1007/s12525-021-00496-x
🎙️ 本文 Podcast 版｜大叔師享談
