你是否曾有過這樣的經驗：打開 ChatGPT，原本只是想請它幫忙整理資料、潤飾文字，或協助發想一份報告架構；沒想到幾輪對話之後，它不只補上了你沒想到的觀點，還替你寫出一段比原先版本更流暢、更精準的文字？
一開始，那或許是一種效率提升的驚喜。過去需要花上數小時查找、消化、組織的內容，如今只要輸入幾句提示詞，AI 便能迅速給出一份看似完整的答案。無論是學生寫作業、上班族製作主管交辦的簡報，或創作者整理一篇初稿，生成式 AI 都是一位隨時待命的好夥伴。
然而，當這樣的協作愈來愈普遍，一種微妙的不安也開始浮現。
當 AI 愈像「能者」，我們就愈像「冒牌者」？
如果這份報告的大綱是 AI 幫我整理的，那它還算是「我的」成果嗎？如果這段文字經過 AI 潤飾後變得更好，我真正貢獻的部分又在哪裡？如果主管稱讚這份提案寫得清楚，我應該坦承自己使用了 AI，還是默默接受這份肯定？
這種矛盾感，正是許多人在 AI 時代裡，逐漸體驗到的「冒牌者症候群」：一方面，我們驚嘆於 AI 似乎無所不能，能寫作、翻譯、分析、摘要，甚至提供看似專業的判斷；另一方面，也正因為它太有效率、太像樣，反而讓使用者開始懷疑自己的能力──是不是其實我沒有那麼會寫？是不是我只是會問問題？如果少了 AI，我還能不能完成同樣水準的工作？
於是，一個值得注意的現象出現了：人們愈來愈常使用大型語言模型（下稱 LLM），卻不願意承認自己使用它。
根據《Business Insider》的報導，KPMG 與墨爾本大學一項橫跨 47 個國家、48,340 位受訪者的全球研究指出，57% 的員工表示自己會隱藏在工作中使用 AI 的事實，甚至將 AI 產出的內容當作自己的成果呈現。研究也指出，這樣的「隱匿」現象，與組織政策不清、缺乏 AI 訓練，以及員工害怕被評價、擔心違規等因素有關。
換言之，AI 不只改變了我們完成任務的方式，也影響了我們如何理解「能力」與「功勞」。
用 AI 並不可恥，為何人們卻選擇隱瞞？
人機互動（下稱 HCI）領域的研究，將這種現象稱為「大型語言模型的隱匿使用（secret use of LLM）」。
研究指出，使用者選擇隱匿有使用 LLM，背後常見的原因包含「害怕自己的能力被批評」、「害怕人格或態度被評價」等外部評判，也包含對自身能力的內在質疑。也就是說，人們不只是怕別人發現自己用了 AI，更怕這件事被解讀成：我能力不足、我在偷懶、我不夠努力，甚至我在「作弊」。
這裡真正弔詭的是：AI 原本是為了降低工作負擔、提升生產效率而存在，卻在某些情境中製造出新的心理負擔──使用者一方面想要「搶下」AI 的功勞，假裝成果皆來自自己；另一方面又害怕被揭穿，擔心一旦承認使用 AI，原先被肯定的能力也會跟著貶值。
久而久之，隱匿本身會反過來加深羞恥感。因為只有「不好的事」才需要被藏起來，而愈是藏起來，AI 使用就愈容易被想像成某種不光彩的行為。
這形成了一個惡性循環：人們因為害怕被評價而不敢揭露，隱匿又進一步強化「使用 AI 是可疑的」這一印象；當某天被發現時，問題便不再只是「你有沒有用 AI」，而是「你為什麼要偷偷用」。
「AI 獵巫」如何加深使用焦慮？
但問題是，這種「偷偷用」的羞恥感，並不只來自使用者內心的自我懷疑，也來自外部環境逐漸形成的審判氛圍。
當使用 AI 被想像成一件需要交代、需要自證清白的事，人們自然會更加謹慎地隱藏自己的使用痕跡。而當愈來愈多人選擇隱藏，外界又更容易將 AI 使用視為某種不誠實的行為。於是，隱匿與懷疑彼此餵養，最後催生出另一個正在浮現的現象：「AI 獵巫」。
如今，我們愈來愈常看見或聽見這樣的質疑：「這篇貼文是不是 ChatGPT 寫的？」、「這張圖片是不是 AI 生成的？」、「這份課堂簡報、工作報告、企劃提案，究竟有多少成分來自 AI？」
在某些情境裡，問題甚至已經不只是「你有沒有使用 AI」，而是只要一篇文字太工整、語氣太流暢、結構太清晰，便可能被懷疑「不像真人寫的」。
筆者曾聽聞一名作家，在 ChatGPT 大規模普及以前，寫作風格本就帶有清楚的段落推進、分析性語氣與高度結構化的表達；然而，在生成式 AI 爆發後，這樣的風格反倒成了被質疑「是 AI 代寫」的理由。
於是，AI 偵測系統應運而生，試圖判斷一篇論文、文章或報告，究竟有多少比例由 AI 生成。
而在這樣的監測邏輯下，使用者也發展出新的反偵測策略：不只是把內容寫好，而是要刻意讓它「看起來不像 AI 寫的」。《New York Magazine》的報導便指出，有學生會在 AI 生成的文章中手動加入錯字，甚至有人直接要求 AI 把文章寫成「有點笨的大一學生」的語氣，以降低被偵測為 AI 產物的可能。也就是說，學生學會的不只是如何使用 AI，也開始學會如何抹去 AI 的痕跡。
當然，要求規範 AI 使用、揭露 AI 協作，並非毫無道理。生成式 AI 確實帶來許多倫理風險，從學術誠信、著作權歸屬，到職場責任與專業判斷，都正在受到衝擊。本文並不否認這些亂象，也無意將所有 AI 使用都浪漫化為「新型協作」。
然而，當對 AI 的警覺逐漸擴張成一種近乎獵巫的氛圍時，問題就不再只是「誰用了 AI」，而是：為什麼我們如此急於辨認、指認，甚至審判他人的 AI 使用？
從「AI」變成一種貶稱，看背後的階級焦慮
國際上 HCI 學者開始討論的「AI 貶稱（AI slur）」，正好能解釋這種急於辨認與審判的衝動。
所謂「AI 貶稱」，指的是「AI」開始成為一種貶低他人的語言。這不一定只發生在某人確定使用 AI 的情況下，而是無論有沒有使用、是否被證實使用，甚至只是作品「感覺像 AI」，都可能成為被羞辱或否定的理由。
你可能會在課堂上聽見老師質問學生：「你這份作業是用 AI 寫的嗎？」也可能在職場裡聽見主管批評下屬：「這種東西 AI 都做得比你好。」前者暗示的是偷懶、作弊、不誠實；後者則是透過與 AI 比較，貶低一個人的能力與價值。
英國劍橋大學兼任講師 Advait Sarkar 主張，AI 貶稱是一種新的階級劃分工具。過去工業革命主要威脅的是藍領勞動者的體力與技術；如今生成式 AI 衝擊的，則是長期以知識、創意、寫作與判斷能力自我定位的中產階級。
當 AI 開始能完成報告、簡報、文案、程式與分析工作，許多人面對的不只是失業焦慮，更是「我的專業是否仍有價值」的身分危機。於是，貶低 AI、貶低使用 AI 的人，某種程度上便成了一種心理抗拒：透過說對方「只是靠 AI」，重新劃出能力與階級的邊界，藉此保住「真正有能力的人」這一位置。
AI 幻肢效應：功勞都歸 AI，負評都歸自己
然而，若 AI 貶稱只是停留在語言層次，還不算最棘手。更值得注意的是，當「使用 AI」逐漸被連結到偷懶、能力不足與不夠真誠，這種潛在的社會污名，也可能進一步改變人們在人機協作中的心理狀態。
換言之，AI 不只是一項工具，也開始成為一個會牽動自我評價與外部評價的敏感物件。人們在使用 AI 時，未必只是思考「它能不能幫我完成任務」，同時也在擔心：「如果結果很好，這還算是我的能力嗎？如果結果不好，責任又會不會算在我頭上？」
政大傳播學院助理教授侯宗佑領導的研究團隊（筆者亦參與其中），觀察到了一個值得注意的現象，我們稱之為「AI 幻肢效應（AI phantom limb）」。
在實驗情境中，受試者將任務委派給 AI 助理完成；當 AI 助理收到客戶正面回饋時，人們較傾向認為功勞屬於 AI；但當 AI 助理收到負面回饋時，人們卻更容易覺得，這份責備是衝著自己而來。
這就像幻肢一樣：明明任務已經交由 AI 執行，人類卻仍感受到錯誤帶來的疼痛。更精確地說，人們在 AI 協作中未必能完整感受到成功的快感，卻可能清楚承受失敗的壓力。
儘管我們的研究並未特別檢驗背後的心理機制，但這樣的結果，多少呼應了前文所討論的 AI 使用焦慮。當 AI 協作伴隨著對自我能力的質疑、潛在的社會負面評價，甚至是「靠 AI」的污名時，人們很可能會陷入一種不對等的位置：做得好，功勞歸 AI；做不好，責任卻回到人身上。
結語：建立更健康的協作語言
這也是未來人機協作真正需要正視的風險。隨著 AI 進入更多工作場景，人類不可能完全退回不用 AI 的狀態；但如果制度、文化與組織語言，仍停留在「用了就是偷懶」、「出錯就是人的問題」的邏輯，那麼人很容易成為系統錯誤的代罪羔羊。AI 不會焦慮、不會羞愧，也不會承擔職涯評價；最後真正承受心理壓力的，仍然是使用它的人。
因此，本文並不是要主張 AI 使用不需要限制，也不是要忽視生成式 AI 帶來的學術、倫理與專業風險。相反地，正因為 AI 已經深刻改變學習與工作的方式，我們才更需要重新校正社會、文化與制度對 AI 協作的態度。
未來更重要的問題，或許不是簡單地追問「你有沒有用 AI」或「你怎麼用 AI」，而是進一步界定：
-
什麼是適宜、合理且負責任的 AI 使用？
-
在什麼情境下，AI 可以被視為智力強化的工具，而非能力不足的證據？
-
我們該如何設計規範與工作流程，讓人能運用 AI 改善成果，卻不喪失自主性、創意與那份難以被模型取代的「人味」？
當人機協作逐漸成為常態，我們需要的不是更多 AI 獵巫，而是更成熟的協作語言。
只有當社會能夠誠實討論 AI 的使用邊界，人們才不必在效率與羞恥之間來回擺盪，也才有可能真正理解：AI 的出現，不必然意味著人的價值被削弱；它也可以迫使我們重新思考，究竟什麼才是人類在知識工作中不可被替代的部分。
執行編輯：洪翊芳
核稿編輯：孫雅為
