2026-10-26 醫生為什麼可能拒收AI成績單

想像一下：你剛完成一場高風險、極度消耗體力的手術。你遵守了每一道流程，處理了每一個併發症，成功穩住了病人的狀況。你筋疲力盡，但內心是滿足的。然後你坐到終端機前，彈出一則通知——一份AI生成的「成績單」，針對你剛完成的那場手術。它給你的精準度、你的時機判斷、你的操作技巧打分。

聽起來像是醫療卓越主義的未來夢境，但對那個握著手術刀的人來說，感覺可能有點像回到三年級，等著老師發還一份被批改過的拼字測驗卷。這不是科幻小說，而是醫療科技領域正在發生的真實趨勢。當AI開始從「輔助」走向「評分」，一個根本性的問題浮現了：醫生真的會用這個東西嗎？還是會抗拒這位數位批評家？

科技普及的兩把鑰匙

要理解為什麼一個高科技工具即使再「聰明」也可能失敗，我們可以看看「科技接受模型」（Technology Acceptance Model，簡稱TAM）。這個理論由研究者Fred Davis提出，核心觀點是：當人們接觸一項新科技時，決定要不要採用它，通常不是取決於背後的程式碼有多複雜、運算能力有多強，而是取決於兩個具體的認知判斷。

第一個是「知覺有用性」（Perceived Usefulness）。簡單說，就是使用者相信這套新科技真的能改善自己的表現、幫助自己達成目標的程度。一句話概括：「這東西能不能讓我工作做得更好？」

第二個是「知覺易用性」（Perceived Ease of Use）。就是使用者相信使用這套科技不會太費力的程度。一句話概括：「這東西學起來、用起來會不會很頭痛？」

根據TAM，這兩個因素會共同影響一個人對科技的態度，最終決定他實際會不會去用。如果一個工具超級有用但用起來像地獄，人們會繞道走。如果它超級好用但根本沒什麼實際價值，人們會直接忽略。只有兩個條件都滿足，才能真正成功。

外科醫生的兩難

把這個模型套用到醫生收到的AI「成績單」上，我們就能清楚看到張力在哪裡。

從「知覺有用性」的角度看，潛力是巨大的。如果AI能揪出手術中一個人類肉眼可能漏掉的微小錯誤，它就能推動專業成長，大幅提升病人安全。對一個想精進技藝的外科醫生來說，這套系統是一個極其強大的成長工具。「有用性」很明確：它能幫助提升醫療品質的標準。

然而，真正的門檻在「知覺易用性」。醫生已經是全世界工作最過載的專業人士之一。他們的工作流程極度密集、高壓、分秒必爭。如果AI系統需要額外的步驟——多填幾筆資料、多點幾次滑鼠、或者一個打斷手術單位節奏的複雜介面——它就變成了一個負擔。

如果這份「成績單」感覺起來像是一項額外的行政雜務，而不是手術流程中無縫的一部分，「易用性」就會下降。當易用性下降，整體態度就會從「有幫助的助手」變成「多餘的障礙」。目前圍繞這些AI系統的爭論，本質上就是科技接受模型的一場即時測試：醫生正在衡量數據帶來的救命效益，與日常數位工作負荷之間的取捨。

這不只是醫學院的問題

有用性與努力之間的張力，不是手術室獨有的現象；它是人類面對任何新事物時的一條通用法則。

舉個例子，現代辦公室用的軟體。當一間公司引入Asana或Jira這類專案管理工具時，「有用性」很明顯——每個人都看得到它怎麼追蹤任務和截止日期。但如果介面雜亂，更新一個任務要點二十次，員工很快就會找到方法繞過它，退回老派的Email和試算表。軟體的失敗不是因為不夠聰明，而是因為「易用性」不夠。

我們在日常付款上也能看到同樣的模式。當Apple Pay或各種數位錢包剛出現時，「有用性」（不用帶實體錢包）是一個很強的賣點。但今天我們看到的全球性普及，是在「易用性」達到無摩擦之後才發生的。當科技進化到用手機輕輕一碰就比掏信用卡還快——甚至更快——的時候，採用的門檻就消失了。

無論是一個外科醫生收到評分，還是一個消費者買一杯咖啡，人腦都在不斷進行一個靜默的計算：這個好處，值不值得我花這個力氣？當AI越來越深地融入我們的日常生活，最終贏家未必是最聰明的演算法，而是那個讓你感覺最毫不費力的。

一單新聞，一個理論，少一分糊塗。

收聽Podcast: youtu.be/KDw0t_XRayg