公司剛導入AI後，最可能帶來重大影響的，或許不是AI有多聰明，而是它如何與使用者說話。幾乎沒有高階主管在衡量這件事，但我們的研究顯示，他們應該開始重視。許多領導人仍用過去IT評估資料庫的方式評估AI：看能力、速度和成本。然而，另一個因素對績效可能同樣重要，那就是AI的人格與互動風格。
這一點很重要，因為員工現在不只用AI完成任務，也愈來愈需要花時間管理AI系統本身。AI能否提升組織績效，不僅取決於AI能做什麼，也取決於日常協作時如何表現。而這種行為，是組織可以設計與治理的。
評估AI人格如何影響使用者
AI最初的定位，尤其生成式AI，是居於從屬地位的支援系統：能夠回應、配合指示，並以協助人類完成任務為目的。但隨著這些系統自主性愈來愈高，也更深入工作流程，員工開始把AI當成隊友、評估者，有時甚至是非正式主管。到了這個階段，系統如何與人互動就開始產生影響。由於生成式AI的回應具有機率性，因此無法單靠規則完全限定其行為；無論設計者是否刻意安排，都會形成一貫的互動模式。對使用者來說，這是AI的「人格」，表徵包括支持、謹慎、輕視或阻撓。
為了解AI人格如何形塑這些反應，我們以58名參與者進行實驗室控制研究，並用兩種方式即時追蹤每個人的生理反應。第一種是測量皮膚電導反應（skin conductance），也就是與個人情緒喚起程度相關的皮膚電活動指標（也就是測謊器偵測的訊號）。第二種是使用臉部肌電圖（facial electromyography, fEMG），測量臉部肌肉收縮時產生的微小電訊號，藉此偵測皺眉（負向情緒）與微笑（正向情緒）。
我們也分析參與者與我們建立的AI之間的對話，讓專家盲評最終作品品質，並收集任務結束後的自我陳述（也就是參與者自行提供關於自身想法、感受、信念或行為的資訊）。58人的樣本規模在心理生理學研究中很常見。每位參與者都會貢獻數千筆連續記錄的生理數據，而且每場實驗的執行與分析都相當耗時，因此這類研究通常犧牲廣度，以換取深度。
參與者一邊完成一項模擬任務，為虛構的環保科技公司進行四部分的行銷作業，一邊與被設定為主管的AI聊天機器人協作。31名參與者使用「僕人式領導人格」（servant leader persona），這個AI會鼓勵人、保持耐心，也願意把判斷空間留給員工；其設計取自管理學對賦權型領導的研究。另外27名參與者使用「暗黑三特質人格」（dark triad persona），這個AI語帶諷刺、缺乏耐性，動輒搶功，也傾向於把責任推給別人；其設計取自有毒領導研究。兩組唯一的差異是互動風格。兩種AI也都被要求不能直接替參與者完成任務，因此結果若有差異，反映的是協作方式，而非提供了多少協助。
員工自述與實際經歷有何落差
關於人們如何體驗職場AI的研究，通常仰賴自我陳述，但這只能說明部分情況。我們在研究中觀察4個面向的證據：人們與聊天機器人互動時如何行動、身體當下如何反應、最終作品品質如何，以及事後如何自我陳述。綜合4個面向，我們便能清楚看出人們實際經歷與事後說法之間的落差。
第一個模式出現在行為。帶有敵意的AI會造成隱性的協調成本。參與者無法單純使用系統，還得花力氣與系統周旋。在暗黑三特質組，對話拉得更長，AI本身的回覆則更短；使用者做了更多工作，得到的有用互動卻更少。抗拒也大幅增加：在這一組中，使用者反駁或質疑AI的訊息占全部互動的13％，僕人式領導組只有1％。透過提示詞注入（prompt injection），或要求AI改扮另一個角色，試圖改變系統既定行為的情況，出現頻率也是另一組的4倍。
對話的情緒語氣也支持這項結果。使用僕人式領導AI時，挫折感幾乎沒有出現，約每100則訊息才有1則；使用暗黑三特質AI時，則升到將近每5則就有1則。第一組很少出現的防衛性語言，在暗黑三特質組成為常態。面對帶有敵意的AI，參與者雖然更努力，說話時卻顯得更沒有把握。他們在配合、抗拒、協商與求助之間反覆切換，試著找出讓系統變得有用的策略。與僕人式領導AI協作的參與者則很快找到節奏，之後便維持下去。
生理數據也證實壓力與身體負荷增加。在暗黑三特質組，皮膚電導的峰值高出72％，而且每次互動結束後仍維持在較高水準。白話而言，參與者與帶有敵意的AI工作時，身體會維持警戒。如果螢幕上的文字在實驗室裡就足以引發這種反應，領導人更應正視：在利害關係更高的真實職場中，長期暴露在這類互動之下，可能造成什麼影響。
工作成果本身也受到影響。不知道參與者使用哪一種AI的獨立專家，從完整度、原創性、策略契合度與整體品質等面向評分，僕人式領導組都更高，兩組在七分量表上的差距約有整整一分。暗黑三特質組的評分變異程度也約為另一組的兩倍。這表示設計不良的AI人格除了拉低平均工作品質，也會讓不同使用者之間的績效更難預測。對主管而言，後果除了工作品質下降，還包括員工產出變得更難掌握。
接著是令人意外的部分：參與者的自我陳述幾乎看不出差異。以愉悅感、滿意度、注意力、對AI的看法等常見指標來衡量，兩組幾乎一樣。許多組織用來評估AI導入成效的工具，如滿意度調查、情緒分析和導入後問卷，反而最難察覺我們觀察到的影響。員工可能說工具用起來沒問題，但他們的行為、壓力程度與工作品質卻呈現另一番景象，尤其時間拉長後更是如此。
主管應採取的3項做法
我們的研究結果顯示，主管應採取3項行動。
1. 把AI人格視為需要治理的設計變數
組織已經要求AI系統符合準確性、偏誤與資安等標準；AI人格也應列入同一張清單。這一點對具有評估或監督功能的工具尤其重要，如會評論工作成果的寫作助理、程式碼審查系統，以及自動化績效回饋意見工具。企業採購與導入AI時，除了能力標準，也應納入互動標準。組織內必須明確有人為兩個問題當責：當AI不同意員工時，應該如何回應？我們有什麼證據顯示，AI能持續以這種方式回應？
2. 衡量使用阻力，不只看採用情況
多數公司追蹤員工是否在使用AI工具，如登入率、查詢量和滿意度分數。這些數字能顯示使用程度，卻看不出工具是否真的能改善工作。這些數字漏掉的是「阻力」，也就是員工為了與系統周旋而額外付出的力氣；這些力氣原本可以用來從系統取得價值。企業也應衡量這項指標。阻力能補上採用情況看不出的資訊：AI究竟讓工作更容易，還是只是增加額外負擔。
在我們的研究中，阻力表現在更長的來回對話、反覆改寫同一項要求，以及愈來愈多與AI爭辯或試圖繞過AI的行為。這些訊號在真實職場也看得到，只要查看一般使用紀錄，不需要任何特殊設備。一項工具可以同時有很高的採用程度與很高的阻力：員工因為不得不用而持續使用，私下卻一直想辦法繞過系統。
3. 員工試圖繞過AI，應視為系統異常的訊號，而非行為不當
如果沒有資安訓練、也沒有對抗意圖的員工，開始設法改寫、繞過或讓AI系統的既定行為失效，領導人不應先認定主要問題在於員工行為不當。這些行為往往表示系統設計正在引發可預期的抗拒。在我們的研究中，試著以提示詞誘使AI忽略自身規則，或改扮另一個角色的情況，只出現在帶有敵意的AI組。員工之所以和AI對抗，有時可能是AI先把互動推向對抗。在許多情況下，修正這個設計問題，會比用新的限制、監控或使用規則來約束員工成本更低，也更有成效。
＊＊＊
我們的暗黑三特質AI，是把有毒互動刻意推到極端的一種誇張版本，藉此讓原本容易忽略的效果顯現出來。不過，有毒互動有很多形式：一味迎合、永遠同意、急著取悅使用者的AI，同樣可能造成傷害，讓使用者的批判思考變鈍，對薄弱構想照單全收。這並不表示AI應該更溫和或更順從；研究要指出的是，互動風格是一個會造成實質後果的重要變數，而且正反兩種方向都可能產生影響。因此，組織重視AI人格的程度，應不亞於它的技術能力。
（費艾文編校）
