美國兩倍，韓國人黏在 AI 上的時間
全球使用最深度的國家，最先面對的提問
前言
各位訂閱者，我們用一個數字開始。韓國銀行去年夏天發布的調查顯示，我國勞動者中 63.5% 使用過生成式 AI，僅限於工作用途也有 51.8% 在使用。約為美國（26.5%）的兩倍。普及速度更令人驚嘆——網際網路商用化三年後使用率才 7.8%，而如今 AI 使用率是當時的八倍。
更引人注目的是使用時間。韓國勞動者每週花 5～7 小時在 AI 上，美國則是 0.5～2.2 小時。每天使用超過一小時的重度使用者佔比達 78.6%，超過美國（31.8%）的兩倍。
到這裡，一個問題浮現了：我們是全世界最深切、最長時間擁抱 AI 的國家，卻最先要面對什麼呢？先說結論——不是生產力曲線。而是 AI 已不再是「工具」，而是我們置身其中的「環境」，以及在那個環境裡，「小心使用就好」的防線其實比我們想像中更容易失守——這是個令人不安的事實。
我們已經無法放下這個「工具」了
讓我們再深入看看數字。同一項調查中，表示組織鼓勵使用 AI 的比率為 61.2%（NowAnswer 調查，1,000 名上班族）。這意味著超過半數的上班族是在「要用」的壓力下開啟 AI 的。
這裡需要重新審視「工具」這個詞。工具，定義上就是我可以拿起、放下的東西。錘子用完放回抽屜就好。但每週 5～7 小時、無一缺席地開啟的東西，我們真的能稱它為「可以放下的工具」嗎？導入前，一天的工作從空白文件開始；現在則從提示詞視窗開始。如果工具是掛在牆上的畫，環境就是那幅畫所掛的那個房間。我們不是握著房間，而是走進了房間。
還有一個耐人尋味的數字。韓國銀行認為，AI 使勞動者工作時間平均減少 3.8%，以每週 40 小時計算約 1.5 小時。但同一項調查中，回答「用了 AI 但工作時間沒有減少」的佔比為 54.1%。超過半數的人，既沒省到時間，卻還在繼續用。為什麼？不是為了省時間才用，而是已經走進了這樣的工作環境。工具是衡量利弊後選擇的，環境從一開始就不是選項。因為旁邊的同事都用 AI 出初稿了，只有自己從白紙開始，說不過去。
實際上，這個環境也表現為一種隱性的壓力。同系列的調查中，27.3% 的受訪者表示 AI 導入後壓力增加，首要原因是「對變化速度的壓力」。如果是工具，不滿意就不用就好。但環境不同，不使用本身就會讓人覺得落後。當一股推著你往前走的力從內心開始運作，那已經超越了工具的範疇。這就是環境與工具之間決定性的差異。
越謹慎使用，越先崩塌
媒體理論家馬歇爾・麥克魯漢很久以前說過這樣的話：當我們對某種媒體說「重要的是怎麼用」的那一刻，就已經被它迷住了。他把媒體的「內容」比喻為小偷闖入前丟給警犬的肉塊——狗被肉塊吸引，小偷就從容地闖入家中。我們「只要挑好內容就行」的疏忽，正是那塊肉。當我們還在糾結該輸入什麼提示詞時，我們的思維方式本身正在悄然改變。
哲學家海德格爾用「座架」（Gestell）1 來描述這個現象。工具在我們使用的同時，也在將我們推向某種特定的存在。想想椅子吧——椅子在安靜地命令我們的身體：「坐好、看前方、安分點。」看似是我們在用椅子，椅子也在將我們塑造成「坐姿的人」。AI 的運作方式完全相同，只是更深入地，在我們判斷與想像力生長的土壤裡。
這裡有一個最令人不寒而慄的觀察。一篇科技評論文章中提到一家六萬人社團的案例：最謹慎使用 AI 的團隊，反而最先失去區分「安全選擇」與「好選擇」的能力。讓我用實務來說明為什麼這令人害怕。AI 總是擅長給出四平八穩、不偏不倚的答案。不斷接受這些答案，分辨平庸方案與卓越方案的感官會逐漸鈍化，推動大膽選擇的肌肉因缺乏使用而萎縮。副作用不會繞過誠實的人，反而先帶走誠實的人。「小心使用」的覺察非但沒有成為防線，反而變成了「可以停止判斷」的許可。
也有從腦部活動角度研究這個現象的。MIT 研究團隊對 54 人進行了實驗（由於尚未經過同儕審查，屬於初步結果，不宜下定論）。將參與者分為 AI 使用組、搜尋引擎組、徒手組，讓他們寫文章並監測腦電波，結果 AI 使用組的神經連結最弱。研究團隊將此稱為「認知負債」2。更令人印象深刻的是：使用 AI 的參與者中三分之二，連自己剛寫的文章主題都記不清。文章產生了，但「我」其實不在那裡。最後一輪讓他們重新徒手操作，神經連結仍然處於薄弱狀態。這意味著，即使放下工具，債務也不會立即償還。
有趣的是，宗教界也發出了類似的警告。教宗良十四世今年五月發布的通諭3《Magnifica Humanitas》中有一句「技術絕非中立」，因為技術會如鏡般映照出創造者、監管者與使用者的性格。教宗也對青少年這樣叮嚀：要這樣使用 AI，即使明天它消失了，你依然會思考。這句話其實不只是對青少年，也是對每週花七小時開啟 AI 的我們所有人提出的提問。
該攀登的山與該削平的坡道
那我們該怎麼辦呢？這裡一位工具設計研究者的比喻是關鍵。我們想消除的痛苦有兩種。
一種是「坡道」。像擋在輪椅使用者面前的路緣石，是不該存在的障礙。這種就該削平。設計無障礙環境的人稱削平坡道為進步。重複性的表格整理、會議時間協調、格式轉換、資料的初步摘要等屬於此類。這些事交給 AI 不會失去什麼，反而應該把花在這裡的時間省下來，用在更重要的地方。
另一種是「山」。山的意義在於攀登的過程本身。想想健身房吧——如果機器人幫你舉槓鈴，那就毫無意義，因為目的不是移動重量，而是舉起重量的「我」被改變了。從零開始理解陌生領域、獨立建構艱難決策的邏輯、從根基開始搭建文章結構，這些屬於此類。宮崎駿說過，如果生活中所有的繁瑣都消失了，我們反而會懷念它們。某些摩擦不是在磨損我，而是在塑造我。
問題是，大多數上班族沒有區分山與坡道的語言，所以用同樣的動作把兩者都交了出去。因為表面上兩者都同樣是「麻煩事」。枯燥的表格整理（坡道）和從零開始建構論證的思維訓練（山），都用「AI 你來做」處理。前者確實該削平，後者一旦被削平，成長的肌肉也會一起消失。問題是，這種損失不會當天就顯現，要等到幾個月後，「以前很快就能判斷的事，怎麼現在這麼茫然」的那一刻，帳單才送到。
所以，在委派之前，問自己一個問題就好：把這件事交給 AI，是只省了時間，還是連讓我成長的摩擦也一起消失了？如果只是省時間的事，毫不猶豫地交出去。如果連摩擦也消失了，至少應該先自己下結論，再讓 AI 做驗算，保持這個順序。只要讓這一個問題成為習慣，你就會開始看清什麼該交出去、什麼該守住。
當然，山與坡道的邊界並非總是清晰。昨天還是山的事，充分熟練後今天就可能變成坡道。初次理解陌生領域時必須親手摸索，但對該領域足夠熟悉後的重複工作，交出去也沒問題。所以這個區分不是一次劃定就完事的，而是隨著我的能力成長，需要不斷重新劃定的線。聽起來可能很麻煩，但事實上，重新劃定這條線的動作本身，也是我還在成長的證據。
📬 想要每週收到這樣更深入一層的分析嗎？訂閱。也可以一併翻閱過去累積的所有期數。
奧斯華的視角
老實說，我覺得這個故事中最令人害怕的部分是「最謹慎的團隊最先崩塌」。在規劃 GTM 策略的過程中，我觀察了多個組織的 AI 導入，治理架構越嚴密的團隊，反而越容易無批判地接受——我經常遇到這種悖論。指引越精細，就越容易产生「這是經核准的方式，所以沒問題」的安心感。那份安心感讓判斷停擺。我見過最危險的信號是，團隊不再直接查看原始數據，而是只看 AI 整理好的摘要就做決策的時候。摘要總是流暢的，所以被裁掉的例外與反例就看不見了。
而且這裡有個人無法獨自承擔的部分。「AI 取決於怎麼用」這句話雖然方便，但其實也是用個人倫理來掩蓋系統問題的不在場證明。設計環境的不是個人，而是公司的導入政策、評估方式與監管。所以我认为，與個人的「明智使用法」同等重要的是，組織設計「什麼該自動化、什麼該留給人的判斷」這個問題更大。如果要要求個人區分山與坡道，組織必須先畫出那張地圖。我在顧問工作中常說的一句話是：比起「AI 用在哪裡」，先決定「AI 不用在哪裡」的團隊，最終走得更遠。那份「不自動化什麼」的禁止清單，就是該組織決定守護的人類領域。
結語
讓我來總結。第一，韓國是全世界使用 AI 最深度的國家，因此最先經歷「從工具到環境」的轉變。第二，在環境中，僅靠謹慎無法構成防線。第三，唯一的實戰武器，是區分山與坡道的眼光。
就今天這一天，回想一下過去一週交給 AI 的一件事。那是可以削平的坡道，還是攀登本身就是目的的山？可以從這個區分重新開始。不需要壯烈的決心，只要那一個區分就足夠了。
有沒有哪項工作讓你事後後悔「不該交給 AI」？在留言區告訴我，哪件事對你來說特別像一座「山」。如果回應很多，下一期我會專門整理「不該委派的事」的類型。
💬 在留言區告訴我，哪件事對你來說特別像一座「山」。下一期我會納入考量。
📨 如果身邊有熱心使用 AI 的朋友，請把這篇文章分享給他們。
📬 訂閱 · 我每週撰寫一份交叉分析科技、經濟與人文的電子報。
推薦搭配閱讀的往期文章
參考資料 & 延伸閱讀
核心來源
-
韓國銀行，《AI 的快速普及與生產力效果：基於家庭調查》，BOK 議題筆記第 2025-22 號，2025 年。原文 ··· 本文中的韓國數據全部來自這裡。光是看國家比較表，就能看出我們的處境有多麼特殊。
-
Nataliya Kosmyna 等，《Your Brain on ChatGPT: Accumulation of Cognitive Debt》，arXiv 預印本，2025 年。原文 ··· 樣本 54 人，尚未經過同儕審查，不宜下定論。不過「AI 使用組記不住自己寫的文章」這一點，值得反覆咀嚼。
-
教宗良十四世，通諭《Magnifica Humanitas》，2026 年。原文 ··· 「技術絕非中立」這句話，是本文的哲學骨架。
背景知識
-
Frank Elavsky，“別再說 AI 只是一種工具了” ··· 這是區分山與坡道、重複勞動與有意義之苦的原始討論。
-
L. M. Sacasas，“你的 AI 不是工具” ··· 這是「不是工具，而是環境」這個論點的原點，整理了從麥克魯漢到伊利奇的脈絡。
