也許不是「AI 時代」，而是「摩擦力重新分配」的時代
也許不是「AI 時代」，而是「摩擦力重新分配」的時代
以前我常跟客戶說一句話：一個組織裡，真正拿來做事的時間，可能只有兩三成。剩下七八成，都花在整合不同意見、磨合不同做法。
最後拍板的方案，往往不是最好的方案，是各方都還能接受的方案。
這幾年 AI Agent 愈來愈能接手交接、彙整、排程這些原本要靠人跟人「溝通」才能完成的事。我最近一直在想：溝通成本會因此變低嗎？還是人跟人之間的距離，反而被拉得更遠？
Coase 與交易成本的崩塌
先講讓我傾向「會變低」的說法。經濟學家 Coase 在 1937 年提出：公司之所以存在，是因為在組織內部協調，比在市場上一筆一筆談交易便宜。找資源、談條件、監督履約都要花時間，這些「交易成本」決定了一家公司該有多大，什麼自己做，什麼丟給市場。
今年好幾篇文章把這個九十年前的理論套在 AI Agent 上：找供應商、比價、談合約、監督履約，Agent 能用近乎零成本、毫秒等級完成，有學者稱這個臨界點為「Coasean Singularity（寇斯奇點）」——過去因為省交易成本而存在的固定邊界，開始鬆動。
這跟我這幾年在客戶端看到的現象吻合：愈來愈多專案不再需要一層一層簽核，一個 Agent 工作流跑完，訊息就同步到位了。
看不見的陷阱
但另一派研究讓我沒辦法輕易下結論。
第一個是「隱形團體迷思」（Invisible Groupthink）：當團隊裡每個人各自去問同一顆、或架構相近的 AI，答案自然趨同，表面上「沒有分歧」，但這不是真的對齊了判斷，只是問了同一顆腦袋，而且因為不吵不鬧，組織原本用來偵測團體迷思的機制，完全偵測不到它。
這可能不是「對齊」，是「沒發現分歧」。
第二個更讓我在意：「認知分歧」（Cognitive Divergence）——AI 能處理的資訊量倍數成長，人類的持續專注力卻同步下滑，論文稱之為「委任回饋循環」：AI 愈強，人願意外包的判斷門檻就愈低，判斷愈常外包，那塊「肌肉」就愈退化，於是人更依賴 AI。這是一個會自我強化、不會反轉的循環。
摩擦力的兩層：機械層與意義層
把這兩個放在一起看，浮現一個我原本沒想到的角度：溝通成本或許不是降低了，是被拆成兩層。
機械層：排程、資料同步、格式轉換，AI 已經接近免費，做得比人好，這正是 Coase 講的交易成本在崩塌。
意義層：是另一回事——「我們對優先順序理解不一樣」、「你覺得該快，我覺得該穩」，這些從來不是溝通成本問題，是人跟人本來就有不同立場。AI 在這層幫不上忙，甚至可能因為隱形趨同的假象，讓分歧被延後發現，累積到某個時間點才更劇烈爆出來。
規模的轉折點
我在顧問現場最常看到這道分層，出現在組織的規模轉折點上。新創期五個人、十個人，背景相近，一件事十分鐘就能拍板。但同一家公司走過二十年、三十年，人數擴張到五十人、一百人，每個人背景和加入時間都不一樣了，要達成同樣品質的共識，成本會跳好幾倍，不是慢慢往上加。
更麻煩的是這件事沒有捷徑。老闆直接拍板，下面的人覺得不受尊重，久了變成 engagement 問題；每件事都走共識決，領導者的時間全被拖進協調庶務，做策略的時間反而被壓縮到最少。連導入新系統想標準化工作方法，過程本身都是一場妥協，最後拉到同一個標準，往往沒有人完全滿意，卻還是得定案。
AI Agent 能解決的與不能解決的
這正是我常被問到的問題：AI Agent 能不能解決這件事？我的答案是：能解決一半，解決不了另一半。
AI Agent 能解決的，是「蒐集與攤開分歧」這段過程。以前要花五次會議才搞清楚每個人真正在意什麼，現在 Agent 可以非同步蒐集意見、整理成一張分歧地圖，這段是機械層，AI 做得又快又便宜。
但 AI 解決不了正當性。它確實能讓「你的意見有沒有被完整記錄」變得更準確，這是正當性的一種來源；但正當性還有另一種來源，跟資訊準不準確無關，跟「有沒有一個人願意花時間，引導你自己想通」有關。
這裡的關鍵不是 AI 有沒有算出對的答案，是答案怎麼交出去。我教「教練式領導」的時候一直強調同一件事：主管心裡通常已經有答案，但用引導的方式讓 team member 自己想、自己權衡利弊，得出跟主管心裡差不多的結論。同一個結論，直接告訴他，他會抵觸；引導他自己想通，他會當成自己的主張。這跟心理學談的自主感有關：人對自己參與推導出的結論，接受度遠高於被告知的結論。這個技巧沒辦法外包給 AI——AI 算得出最優解，沒辦法讀懂對方的抗拒點在哪裡、什麼時候該停。
如果領導者把蒐集意見外包給 Agent，再直接拿 Agent 整理好的「最優解」拍板，員工感受到的可能是「連被聽見這件事，都變成資料輸入」，而不是效率提升，這種正當性赤字短期看不出來，長期會變成嘴巴同意、執行打折。
AI Agent 可以把共識決的準備時間壓到接近零，但那個「讓每個人感覺自己有份量」的時刻，還是得由人來完成，而且正因為機械層被省下來了，這個時刻反而該被更鄭重保留。
還沒答案的問題
我還沒有答案。溝通成本到底是降低了，還是被重新分配到一個我們還沒學會辨認的地方？
你們公司最近有沒有一種感覺：流程變快了，會開得變少了，但某個關鍵決策，其實根本沒人真的達成共識，只是沒人先發現？
Ps. 寫到這裡想到一件更諷刺的事——如果組織裡的判斷肌肉真的因為 AI 變弱，那我們顧問這行，會不會反而是最後一批「還在練這塊肌肉」的人？