閱讀重點
- 信任是品格與能力的綜合體：柯維與麥肯錫都指出，信任由誠信、專業與可靠性構成。高信任降低溝通成本，低信任則讓組織效率下降。
- AI面臨「信任赤字」困境 ：研究顯示機器人僧侶募款比人類少12%，因缺乏被感知的心智與真誠。員工對AI的不信任甚至會操縱數據，形成惡性循環。
- AI需要「說到做到」建立信任：高性能不等於高信任。AI必須具備透明度、可解釋性與問責機制，展現話語與行動的一致性，才能成為可靠夥伴。
人際間的「信任稅」
如個人成長大師柯維（Stephen Covey）強調，信任是一種看不見卻足以改變績效的「稅」。
當信任高時，溝通更快、成本更低；信任不足時，組織必須付出更多協調成本，效率明顯下降。他將信任拆成兩大面向：「品格」（誠信、意圖）與「能力」（專業、績效），兩者缺一不可。
管理顧問麥肯錫的「信任方程式」指出，信任來自可信度、可靠性與親密性三項正向因素，加上反向因素私心的比值。
無論哪個模型，都指向同一核心：信任是「心與腦」的綜合體。
這在社會信任中也可見端倪。Ipsos 全球調查顯示，醫生、科學家與教師因專業使命與社會價值，被視為最值得信賴的職業；相反地，政治人物與部分企業領袖則因透明度與道德爭議，長期落於尾端。
不同角色的信任度，背後反映的正是品格與能力的綜合評價。
人機協作的「信任赤字」
當AI進入高度仰賴人性互動的領域時，一個明顯的現象浮現：AI難以獲得與人類等量的信任。
研究顯示，信徒普遍對機器人傳教士及其背後的宗教機構，感到更低的可信度。
在京都高臺寺的實驗裡，聽取機器人僧侶講經後的平均捐款，比聽人類僧侶少12%。造成差異的主因不是技術能力，而是「缺乏被感知的心智」：人們認為機器人的言語缺乏靈魂、不夠真誠，因此難以建立情感信任。
INSEAD的研究也指出，問題不在技術，而在使用者：員工對AI的信任類型各不相同，從完全信任、半信任到不信任，各自採取不同行為。如完全不信任者會撤回資料、甚至操縱數位足跡，讓AI誤判。
這些行為使AI接收到的數據失真、性能下降，進一步削弱信任，形成惡性循環。
AI在需要人性互動的領域面臨信任困境，完全不信任者會撤回資料、甚至操縱數位足跡，讓AI陷入數據失真、性能下降的惡性循環。圖片來源：Shutterstock
從技術進步到信任積累：AI也需要「說到做到」
AI的能力正在急速提升。然而，高性能不等於高信任。如果缺乏透明度、解釋性、可靠性與清晰的問責機制，再好的系統也難被採納。
對人類而言，「說到做到」是建立信任的核心；而對AI而言，這意味著：重要決策邏輯需能被解釋，系統錯誤要能被發現、修正或需具備「補救機制」，讓使用者相信它會負責任，而不是逃避錯誤。
只有當AI在「話語」與「行動」上展現一致性，使用者才會真正把它視為可靠的合作夥伴。
未來信任的關鍵在於「智慧的判斷力」——既保持開放心態，又持續運用理性分析去驗證和管理風險。
在與日益強大的AI共事時，我們需要運用這種智慧信任：既擁抱AI帶來的效率紅利，同時以批判眼光檢視其準確性與可信度。
真正的AI轉型不是從演算法開始，而是從對信任本質的深刻理解開始。只有這樣，才能在充分發揮AI能力的同時，避免因信任不足而付出更多代價。
