以人為本的智慧：新 AI 範式將人類決策置於自動化之上

範式轉移：從自動化到以人為本的智慧（Human-Centric Intelligence）

圍繞人工智慧（Artificial Intelligence）的敘事正在經歷深刻的轉變。過去十年，主流討論重點多集中在自動化——設計來複製並最終取代人類勞動的系統。然而，Chuck Brooks 在 Forbes 中提出的一個突破性新觀點表明，產業正轉向一種更為精緻的模式：以人為本的智慧（Human-Centric Intelligence）。這一新興範式，圍繞人工通用決策（Artificial General Decision Making，AGD）和決策時刻系統（Point of Decision Systems）等概念，優先強化人類判斷，而非全面自動化任務。

在 Creati.ai，我們一直密切觀察生成式模型（generative models）的演進，但這一轉向代表了根本性的不同。它超越了文本或像素的生成，並直接面向企業與治理的核心功能：做出高風險決策的行為。新的框架主張，AI 的真正價值不在於將人類從決策環中移除，而在於在需要決策的精確時刻，提供人類無與倫比的認知輔助，賦能人類。

定義人工通用決策（AGD）

「人工通用決策（Artificial General Decision Making，AGD）」的概念，代表了從熟悉的人工通用智慧（Artificial General Intelligence，AGI）領域向前邁出的一大步。儘管 AGI 長期以來被視為理論上的聖杯——擁有類人般認知能力、能應對廣泛任務的機器——AGD 則是一個更務實且能立即產生影響的目標。

根據 Brooks 的觀點，AGD 聚焦於決策的「過程」而非廣義的「思考」能力。傳統的 AI 模型常是黑盒，基於機率匹配輸出結果。相比之下，AGD 系統被設計成模擬人類決策的多面向本質，涵蓋權衡倫理考量、歷史脈絡與潛在的未來後果等因素。

AGD 的核心要素

AGD 以數個關鍵特徵與標準預測分析有所區別：

情境覺察： 不同於僅擅長特定任務但不理解更廣闊情境的狹義 AI，AGD 系統會攝取大量周邊資料以理解情境環境。
倫理對齊： AGD 融入守門機制，使演算法輸出與人類價值觀及組織倫理相符，避免僅以目標為導向模型常見的「對齊問題」。
可解釋性： 對於決策支援而言，能夠解釋為何會提出某項建議是關鍵需求。AGD 系統優先提供透明的推理路徑，而非不透明的神經網路輸出。

這一轉變暗示，未來 AI 的發展將不再是打造矽晶中全能的神祇，而是創造高度專精、具有倫理基礎的顧問，來增強人類能力。

決策時刻系統：增強架構

在 AGD 提供理論框架的同時，決策時刻系統（Point of Decision Systems）代表了落實該框架所需的實務架構。該術語指的是將 AI 洞見直接整合到工作流中，在人類操作員面臨抉擇的那一刻提供支持。

在傳統設置中，資料分析與決策執行常是分離的。分析師可能在週一執行報告，而經理基於該報告在週二做決定。決策時刻系統壓縮了這一時間線。它們以即時覆蓋層的方式運行，提供由 AGD 驅動的洞見。

決策時刻系統如何運作

這些系統透過監控使用者工作流程的情境運作，僅在必要時介入並提供：

風險評估： 即時計算建議行動可能帶來的潛在負面影響。
替代情境： 即時生成「假如……會怎樣」的模型，展示不同選擇的結果。
歷史先例： 提示過去類似決策及其結果，以供當前情境參考。

對於醫療、金融與國防等產業而言，這種架構具革命性。想像外科醫師在手術房中接收到特定切口技術的即時機率數據，或金融交易員在準備執行交易瞬間被提醒某個微妙的地緣政治風險因素。AI 並不是拉下槓桿；它照亮槓桿，以便人類之手做出最終操作。

增強 vs. 自動化：策略性比較

自動化優先的心態與這種以人為本的新方法之間存在鮮明的差異。自動化透過「減法」（移除人類）追求效率；以人為本的智慧則透過「加法」（將 AI 加入人類）追求效能。

下表概述了這兩個範式之間的基本差異：

Table: Automation vs. Human-Centric Augmentation

Feature	Automation Paradigm	Human-Centric Augmentation (AGD)
Primary Goal	Efficiency and Speed	Quality and Wisdom of Decision
Human Role	Supervisor or Obsolete	Final Decision Maker (The "Pilot")
Error Handling	System Failures can be Catastrophic	Human Intervention Mitigates Risk
Ethical Focus	Often an Afterthought	Integrated into the Decision Loop
Best Application	Repetitive, Low-Stakes Tasks	Complex, High-Stakes Strategy
Key Metric	Throughput (Volume)	Outcome Success (Value)

以人為本 AI 的治理涵義

隨著組織採用以人為本的智慧（Human-Centric AI），治理樣貌必須演進。Forbes 的分析強調，這種轉變不僅是技術性的，也具有哲學層面意義。若 AI 的設計是用來支援而非取代，責任與問責結構也會改變。

在自動化為主的世界，當自駕車發生事故時，責任常被歸咎於軟體供應商或感測器陣列。在以人為本的模式中，AI 作為先進的導航助理，而人類保有控制權，責任仍留在使用者身上，但系統提供者也需分擔確保「建議」準確的負擔。

這需要新增一層專注於決策時刻系統所提供資訊品質的 AI 治理。企業需要審核其 AGD 模型，不僅針對資料檢索的準確性，還要審核其邏輯流程的有效性。生成式文字模型中的「幻覺」令人困擾；而決策時刻系統中的「幻覺」可能是災難性的。因此，AGD 的標準顯著提高。

為何決策智慧（Decision Intelligence）是未來

走向決策智慧（Decision Intelligence）表明 AI 產業正在成熟。聊天機器人與影像生成器的新奇感正在消退，企業整合的嚴肅議題正逐漸浮現。商業領導者意識到，雖然自動化電子郵件回覆有其用途，但它並不會根本改變公司的發展軌跡。相較之下，更好的策略決策會。

透過聚焦「決策時刻」，技術提供者承認現代經濟中最有價值的資產不是數據，而是判斷。數據充足；智慧稀缺。AGD 的目標是綜合前者以產生後者。

競爭優勢

採用這種以人為本方法的公司，可能會優於那些追逐純自動化的公司。原因何在？複雜問題很少有可完全自動化的二元解，它們需要細膩的權衡、協商以及對人類心理的理解——這些仍是生物智慧的強項。

透過為員工配備決策時刻系統，前瞻性企業打造出「超級員工」，他們保有人的直覺，並由 AI 的無限記憶與處理速度提供支援。這種混合勞動力比完全自動化的系統更具適應力與彈性；後者在面對訓練資料外的邊緣情況時，可能變得脆弱。

結論

Chuck Brooks 的文章為 AI 產業提供了一個重要的修正方向。它挑戰被取代的必然性，並提出一個令人信服的夥伴關係願景。以人為本的智慧（Human-Centric Intelligence）並非對技術進步的退縮；而是其精緻的演化。

當我們在 Creati.ai 展望技術的未來時，我們認為人工通用決策（AGD）將成為企業與機器智慧互動的標準。未來不是機器替我們做決定；而是機器確保我們做出最佳決定。「黑箱」時代正在結束；「共駕」（Co-Pilot）時代真正開始了。