Page 71 - 創新與創意

的背後理由是什麼？首先，避免資淺人員做攸關顧客的複雜工作時，可能犯錯的風險。
第二，盡可能提升資深合夥人的效率：他們愈不需要向基層人員解釋工作，就愈能夠專
注進行更高階的分析。這樣做在短期內可以提高效率，卻導致資淺分析師無法接觸有挑
戰性的複雜工作，使他們更難學習整個估值流程，也削弱公司未來的能力。

2 專家遠離了工作。

有時候，智慧型機器會介入處於受訓人員和工作之間；有時這些機器部署的方式，會阻
止專家親手去做重要的工作。在機器人手術中，外科醫師在手術過程中大多看不到病人

的身體或機器人，所以無法直接評估及管理關鍵的部分。例如，在傳統手術中，外科醫
師可以敏銳地察覺到各種裝置和儀器壓迫到病人的身體，於是做出調整；但在機器人手
術中，萬一機器人的手臂撞到病人的頭，或是刷手護理師正要更換機器人的器材，醫師
不會知道，除非有人告訴他。這對學習有兩項含意：外科醫師無法獨力練習必要的技
能，以便完整理解整個工作任務；他們必須透過他人，來建立與理解工作任務有關的新
技能。

公司部署智慧型機器的方式，往往剝奪受訓人員的學習機會，也使專家遠離行動。

目前在賓州大學（University of Pennsylvania）任教的班傑明．謝斯塔科夫斯基

（Benjamin Shestakofsky）指出，一家股票上市前的新創公司也出現類似的現象。該公司
利用機器學習媒合勞工與就業機會，並提供一個平台，讓勞工和雇主可協商就業條件。
起初，那些演算法的媒合不太理想，所以舊金山的主管雇用菲律賓的人來做人工媒合。
勞工在平台上遇到困難時（例如對求才的雇主開價或設定付款方式的時候），這家新創

公司的主管又把所需的這些支援工作，外包給另一群分散在拉斯維加斯不同地點的員
工。由於公司的資源有限，主管只能隨便找人解決這些問題，以便爭取時間，想辦法尋
求資金和更多工程師，來改善這項產品。把這些問題委託出去，讓主管和工程師可以專
注於業務開發及編寫程式，但也剝奪了他們重要的學習機會：這使他們無法經常接觸到
顧客（勞工及雇主）的意見，不知道顧客面臨的問題及想要什麼功能。

3 學習者必須同時熟悉新方法與舊方法。

機器人手術和傳統手術的目的相同，但使用的技巧和技術全然不同。機器人手術可望達
到更高的精確度並兼顧人體工學，這種手術直接被納入課程當中，住院醫師必須同時學
習傳統的開放式手術和新的機器人手術。但課程並沒有安排足夠的時間，讓住院醫師徹

底學習這兩種手術，這往往導致最壞的結果：兩種都學不精。我稱這種問題為「方法超
載」（methodological overload）。

加州大學柏克萊校區（UC Berkeley）的夏里哈許．凱爾卡（Shreeharsh Kelkar）發現，許
多教授使用新技術平台 edX，來設計大規模開放線上課堂（又稱磨課師，MOOCs），結
果也遇到類似的情況。EdX 針對學生和平台的互動（包括點擊數、留言、影片暫停播放

次數等）做細膩的演算法分析，然後根據這些分析，提供教授一套課程設計工具和教學
建議。想要設計及改進線上課程的教授必須學習大量的新技能（例如，如何在 edX 的使
用介面上操作自如，詮釋有關學習者行為的分析、組成及管理課程的專案團隊等），同
時還要精進「老派」教學技能，以便在傳統的課堂上授課。每個人都很難應付這種壓
力，尤其新方法不斷推陳出新：幾乎天天都會出現新的工具、指標和期望，教師必須迅

70