GenAI績效與動機代價

2. 研究問題

作者真正想回答四件事。RQ1：GenAI 是否提升當下協作任務的績效，而且這種增益是否能延續到下一個沒有 AI 的任務？RQ2：由 AI 協作轉回獨立工作，是否降低內在動機？RQ3：這種轉換如何改變控制感？RQ4：是否增加無聊感？問題的重要性在於，現有研究多把 AI 的價值等同於「AI 在場時做得更快、更好」，卻忽略混合工作中員工會在 AI 協作與獨立工作間切換。缺口因此不是 AI 能否增產，而是增產是否能轉化為人的持久能力，以及是否伴隨心理代價。

3. 理論基礎

主要理論是自我決定理論（Self-Determination Theory, SDT）。作者將內在動機視為由興趣、享受與投入所驅動的持續參與；將控制感連到自主需求與行動主體性；把無聊視為任務缺乏挑戰、意義與注意投入時的負向狀態。另一條論證是「增益外溢」：GenAI 提供新觀點、降低固著、節省認知努力、提升勝任感，所以可能讓人下一個獨立任務也表現更好。與之競爭的是「心理剝奪／對比效應」：AI 協作使前一任務更容易或更刺激，移除 AI 後，獨立任務相對顯得乏味而費力，動機便可能下降。

這套理論的厚度在於把 augmentation paradox 從績效層面推進到心理層面，但仍有一個明顯缺口：作者引用 SDT，實際卻沒有完整測量自主、勝任與關係三需求，也沒有檢驗控制感是否中介協作條件對內在動機的效果。因此 SDT 在本文較像 framing theory，而不是被完整驗證的機制模型。

4. 研究架構

研究 1–3 的架構可寫成：任務序列（Collab–Solo vs. Solo–Solo） × 時點（Task 1 vs. Task 2） → 控制感／內在動機／無聊感變化。績效另分兩段：Task 1 是否使用 ChatGPT → 即時任務績效，以及 Task 1 是否使用 ChatGPT → Task 2 無 AI 的獨立績效。

研究 4 擴充為四種序列：Collab–Collab、Collab–Solo、Solo–Solo、Solo–Collab，並使用兩個相近的文字生成任務、平衡任務順序，以排除前三項研究中任務類型與先後次序的混淆。概念上，作者要區分三件事：AI 使用本身、AI 的移除／加入，以及連續任務造成的一般疲乏。

5. 假設邏輯

本文形式上以 RQ1–RQ4 呈現，但文字中確實提出方向性預測，不能把它硬寫成逐條編號假設。其推論邏輯如下：

• 即時增益： GenAI 提供內容、觀點與語言支援，因此協作組在當下文字任務應比獨立組表現好。
• 績效外溢： AI 可能刺激創意思維、降低固著、節省精力並提升勝任感，因此前一任務的協作經驗可能提高下一個獨立任務績效。
• 內在動機下降： AI 承擔原本有趣、具挑戰與能產生成就感的部分；一旦回到獨立工作，對比使任務較不享受，故動機降低。
• 控制感變化： AI 參與可能暫時削弱人的行動主體性；移除 AI 後，人重新成為主要行動者，控制感反而回升。
• 無聊感增加： 相較刺激、輕省的 AI 協作，後續獨立任務顯得更平淡、費力，因而提升無聊感。

值得注意的是，控制感回升與動機下降同時出現，表示「更多自主」本身不足以恢復興趣；這正是本文最有研究價值、也最需要後續機制研究的反直覺結果。

6. 方法

四項研究皆在 Prolific 招募英國、英語母語參與者，研究 2–4另限定 18–60 歲且有全職或兼職工作。研究 1 的 Collab–Solo 組先用 ChatGPT 寫 Facebook 產品貼文，再獨立做汽水罐替代用途測驗；Solo–Solo 組兩項皆獨立。研究 2 將任務改為績效評估報告與互動白板改良點子；研究 3 為新同事歡迎郵件與清潔產品促銷點子。研究 4 使用歡迎郵件和 Facebook 貼文兩個相近文字任務，形成四種協作序列並平衡順序。

控制感以 3 題量尺測量；內在動機以有趣、享受、好玩、投入等 4 題測量；無聊感以 4 題測量。研究 1 無聊量尺信度很低（α=.41／.51），研究 2 起更換狀態無聊量尺，信度改善至約 .87–.91。績效由獨立評分者評估創意、吸引力、資訊性、新穎性與實用性，或用 LIWC 測字數、分析性、親社會／正向語氣。分析以獨立樣本 t 檢定、混合設計重複量數 ANOVA 與配對 t 檢定為主；研究資料、材料與程式碼公開於 OSF。

方法優點是預註冊、跨任務複現、事前檢定力分析、盲評與研究 4 的序列擴充。方法弱點則是未建立中介模型，也未校正大量比較所帶來的第一類錯誤風險；LIWC 的字數與語氣只能當績效代理，不能等同真正工作品質。

7. 結果

**即時績效增益相當一致。**研究 1 的協作組貼文整體品質較高（d=.23），主要來自吸引力（d=.25），資訊性不顯著。研究 2 的協作組報告長度大幅增加（d=1.50），分析性（d=.25）與親社會語氣（d=.46）也較高。研究 3 的郵件更長（d=1.26）、較具歸屬語言（d=.49）。研究 4 亦顯示 AI 組輸出更長（d=1.10）、更具分析性（d=.38）且正向語氣略高（d=.17）。證據支持「AI 在場時」的產出增益，但部分效果其實是篇幅變長，不宜全部解讀為品質提升。

**績效外溢大多不存在。**研究 1 在下一個汽水罐用途任務中，想法數量沒有差異，只有創意品質出現小幅增益（d=.29）。研究 2、3 的下一個獨立創意任務在想法數、新穎性、實用性均無差異；研究 4 使用相近文字任務後，Collab–Solo 也未在第二個獨立任務穩定優於 Solo–Solo。最穩健的結論是：AI 的即時增益通常沒有轉化為人的可攜、獨立能力。

**心理結果呈現「控制感回升、但動機惡化」的複合模式。**研究 1 的 Collab–Solo 組轉為獨立任務後，控制感上升、內在動機下降（d=-.51）、無聊感上升（d=.49），且變化大於 Solo–Solo。研究 2 重現控制感交互作用，但內在動機的組間變化差異不顯著，無聊感僅邊緣顯著；因此不能說四項研究在所有心理結果上完全一致。研究 3 再度發現 Collab–Solo 的內在動機降幅較大（d=-.44）且無聊增加。

研究 4 顯示四種序列的內在動機都下降、無聊感都上升；Collab–Solo 的動機降幅（Δ=-.41）大於 Solo–Solo（Δ=-.20），但 Collab–Solo 與 Collab–Collab 的差異不顯著，而 Solo–Collab 的降幅（Δ=-.60）也很大。換言之，較保守的解讀不是「移除 AI 必然傷害動機」，而是任務轉換與連續使用情境本身都可能造成動機侵蝕；AI 加入或移除會改變控制感與主觀對比，但機制尚未被清楚隔離。

8. 理論貢獻

第一，本文把人機協作研究從「當下生產力」推進到「增益能否留在人身上」，建立 AI-on performance 與 AI-off capability 的重要區分。第二，它將 augmentation paradox 接上 SDT，指出技術可能同時提升可見產出、降低持續投入的心理能源。第三，任務序列的設計說明，人機協作的效果不是靜態的「有 AI／無 AI」，而是取決於工作者如何在兩種模式間切換。

真正新穎之處不在於又一次證明 ChatGPT 讓文字更長，而在於揭露：控制感回升不等於動機恢復。這表示自主性只是動機的一部分；挑戰感、勝任感、工作意義或對任務的心理所有權可能才是缺失機制。本文因此更像一篇強 framing paper，而不是已完成機制驗證的終局研究。

9. 實務意涵

組織不應只依 AI 在場時的產出 KPI 評估導入成效，還要測 AI 離場後的獨立品質、持續投入與學習保留。工作設計上，可採交替但具支架的流程：先由人定義問題、提出初稿或判準，再由 AI 擴充，最後由人驗證與重建；避免把最具挑戰與意義的核心工作全部交給 AI。平台設計應保留可編輯、可拒絕、可比較、多輪回饋與來源追蹤，讓使用者維持心理所有權。

最該看這篇的是導入 GenAI 的主管、人資與工作設計者、教育科技設計者，以及研究創造力與創新績效的學者。若組織只能看到「用了 AI 後這份文案更長」，卻沒看到員工之後更無聊、更不想獨立思考，就可能把短期效率誤認為長期能力建設。

10. 研究限制

作者承認四項研究都只有同一場次中的兩個連續任務，不能代表真正長期效果；Prolific 情境與真實職場不同；報酬可能引入外在動機；也未檢驗內在動機的非線性效果。

我額外看到六項重要限制。第一，標題使用「undermines」較強，但研究 2 的動機交互作用不顯著，研究 4 所有條件都下降，因果主張應更審慎。第二，所謂「長期」其實只是數分鐘後的第二任務。第三，研究 4 約 25% 樣本因違規使用 AI 被事後排除，可能破壞隨機分派並產生選擇性流失。第四，LIWC 字數、分析性與正向語氣未必等同實際績效，也可能只是 ChatGPT 文風。第五，沒有直接測量 AI 回覆品質、提示策略、編修程度或人類貢獻比例，因而無法判斷哪種協作真正有效。第六，沒有中介檢驗，不能證明控制感、動機或無聊是績效不外溢的原因。

另有兩個報告品質細節值得留意：研究 1 的操弄檢核文字有明顯條件名稱誤植；正式 PDF 的研究 3 圖 11 圖說把 N 寫成 352，和正文 N=793 不一致。這些不必推翻結果，但提醒讀者以正文設計與樣本流向為準。

11. 對我研究的啟發

這篇最適合放進我「組織支援／技術支援 → 創意自我效能 → 創新績效」架構中，作為framing paper 與 research gap 來源。它提醒我把創新績效拆成兩種：AI 協作中的表現 與 AI 移除後的獨立創新能力。若只測前者，很可能把工具輸出誤當成人的能力成長。

可直接重用的延伸模型是：GenAI 協作強度／任務序列 → 心理所有權、控制感、認知投入 → 內在動機／無聊 → AI-off 創新績效。創意自我效能可放入兩個位置：一是作為緩衝變數，高 CSE 者可能較能在 AI 離場後維持動機；二是作為雙刃中介，AI 讓人「覺得能做」可能提升 CSE，卻因過度委派而降低真正獨立能力。組織支援也不應只操作成「提供帳號與訓練」，而應細分為 autonomy-supportive support、verification support 與 transition support。

可行的研究設計是 2×2 實驗：AI 協作方式（委派型 vs. 支架型）× 組織支援（控制型 vs. 自主支持型），先測 AI-on 創意品質，再強制進入 AI-off 任務，測獨立創意、新穎性、持續時間與內在動機。若再加入一週後追蹤，就能真正回答本文尚未回答的能力保留問題。方法上可借用任務序列與客觀評分，但不建議只用 LIWC；應加入盲評、行為紀錄、提示／編修軌跡與基線能力。

12. 整體評價

**值得讀，也值得收進核心文獻，但應以「重要問題＋中等強度證據」定位。**它最強的是四個預註冊實驗、總樣本大、跨任務複現，以及把 AI-on 即時增益與 AI-off 獨立能力明確分開。最弱的是把同場次的第二任務稱為長期效果、心理機制沒有中介驗證、部分績效指標偏代理性，以及研究 4 高比例事後排除。

它非常適合作為 framing paper 與研究缺口來源，也可作為連續任務實驗的方法參考；可用來支持「即時績效不等於能力成長」與「人機協作有心理代價」的論述。但若要做精確的 empirical support，應避免寫成「GenAI 一定降低內在動機」；更準確的結論是：AI 協作穩定提升當下文字產出，增益通常不外溢，而任務轉換情境中常伴隨動機下降與無聊增加，但因果機制和長期持續性仍待驗證。這篇值得未來在設計 AI-off 結果變數時反覆回看。

最後總結

• 今天讀了哪篇： Wu et al.（2025），Human-generative AI collaboration enhances task performance but undermines human’s intrinsic motivation。

• 為什麼值得讀： 它用四個預註冊實驗把 AI 在場的增產、AI 離場後的獨立能力與心理代價放在同一設計中檢驗。

• 期刊品質／索引是否可確認： 可確認 Nature Portfolio 正式期刊，Web of Science、Scopus 等索引；官方 2025 JIF 4.9。Q1 已由公開 JCR 彙整交叉核對；非 FT50／UTD24，AJG 未明確確認。

• 最可重用的研究角度： AI 協作方式 × 任務轉換 → 控制感／心理所有權／內在動機 → AI-off 獨立創新能力。