AI重塑決策模式-選擇正在改變

• 數位金融

撰文／陳玉鳳　圖片提供／Shutterstock

AI重塑決策模式-選擇正在改變

How AI Shapes Decisions

AI正快速融入人們的生活與工作，從內容推薦、商品排序到文件撰寫與資料分析，愈來愈多決策與流程開始借助演算法完成。這些工具提升效率、降低資訊處理成本，也讓AI逐漸成為重要的決策輔助力量。然而，當AI應用持續擴大，如何兼顧便利、資安與治理，已成為個人與企業共同面對的重要課題。

AI融入生活的各個層面，演算法對決策的影響力與日俱增，如何兼顧便利與資安是接下來的重要課題。

每個人看到的選項可能都不一樣

在AI驅動的平台上，內容、商品與服務的呈現順序，往往會根據使用者行為、地點、時間與需求進行調整。因此，不同人看到的首頁內容、商品推薦，甚至價格資訊，都可能會有所不同。AI讓平台能以更個人化的方式提供服務，也使同一個平台上的使用體驗不再完全一致。從推薦內容到商品排序，演算法正逐漸影響人們接觸資訊的起點。

在使用影音平台、購物網站或叫車服務時，人們很少從第一頁開始慢慢挑選，多數時候，第一眼看到的幾個選項，就已影響後續決定。AI透過使用行為、相似族群與即時需求，重新安排內容、商品、價格與服務順序，讓搜尋、比較與判斷變得更省力。

類似的情況，也出現在辦公室。當員工用AI整理資料、撰寫文件、翻譯文字或生成簡報，原本需要自行判斷與反覆修正的工作，開始交由工具協助完成。方便之餘，企業也必須面對新的管理難題。玉山資安處即指出，若在未經授權下使用外部AI工具，敏感資訊便有可能流向不可控的地方，形成Shadow AI，釀成企業災難。

從平台推薦到工作工具，AI改變了人們做決定的方式，也提醒企業須建立清楚規範，讓效率提升不致引發資安與合規風險。

平台決定選項順序 使用者更快做出判斷

AI進入日常決策，最常見的場景之一，是影音與音樂平台。使用者打開Netflix或Spotify時，螢幕上出現的內容，早已經過演算法篩選與排序。

以Netflix為例，平台早在2000年代初期便採用協同過濾技術，依據用戶觀看歷史與評分，分析大量觀影資料的相似模式，再推薦可能感興趣的影片。透過這套方法，Netflix能替使用者縮小選擇範圍，個人化推薦逐漸成為使用者觀看體驗的重要部分。

隨著技術演進，Netflix在2010年代中期導入深度學習，透過圖像識別與自然語言處理分析影片內容，自動建立標籤與分類，協助使用者更快找到新內容。此外，AI也可用來生成不同版本的影片封面，針對不同使用者群體展示較具吸引力的視覺效果。當使用者數量增加，觀看資料與演算法持續互動，平台對個人偏好的掌握也更加細緻。

目前，Netflix的AI應用已延伸至觀看體驗及內容製作，例如，Netflix可觀察用戶在觀看過程中的停頓、跳轉與完結率，藉此理解觀眾對特定情節或角色的反應，進一步協助創作端判斷劇情設計與角色塑造方向。

Spotify的例子則顯示，推薦系統正從被動推送，逐漸走向使用者主動描述需求的模式。Spotify在紐西蘭市場向Premium用戶推出歌單生成「Prompted Playlists」Beta功能，使用者可輸入日常語句，由系統快速生成約30首歌曲的播放清單。相較於只輸入「運動歌單」、「放鬆音樂」等簡短需求，這項功能允許使用者加入情境、心情與場合描述，例如「適合30分鐘、5公里慢跑的流行與嘻哈歌曲，最後轉為舒緩歌曲」，如此一來，生成結果更接近當下需求。

對此，科技媒體The Verge觀察，這類提示式互動介面，未來可能成為串流平台的常見設計，音樂產業媒體Music Ally亦指出，當平台上充滿大量播放清單與多元內容，讓使用者以自然語言操作演算法，有助於降低使用門檻，也能提高探索新內容的可能性。

不只有個人化推薦內容，Netflix還能透過AI觀察用戶的觀看習慣，進一步影響創作端的劇情和角色設計。

價格隨需求浮動 消費者看見不同選項

推薦系統影響的是內容被看見的先後順序，至於動態定價與商品排序，則會進一步影響消費者看到什麼、先看到什麼，以及用什麼價格取得服務。當平台依照需求、時段、庫存與個人行為調整呈現方式，消費者看到的商品、影片或服務清單，便不再是一組固定排列。叫車平台的動態定價，是最容易感受到這種變化的例子，Uber會依需求量變化決定搭車費用，上下班時間或下雨時，叫車費用通常較高。

Amazon與Expedia Group等平台也採用動態定價，平台可透過即時需求、庫存、時段、會員條件與使用行為，調整價格或折扣，使消費者看到的價格與選項更具個人差異化。AI縮短搜尋時間，也讓人們逐漸習慣在經過排序、篩選與調整的環境裡做決定。

價格隨需求浮動，Uber晴天與雨天的費率可能不同。

辦公室Shadow AI 形成難以監測的「暗區」

這種「由系統先替人整理選項」的經驗，也逐漸出現在辦公室。過去，工作者需要自行蒐集資料、整理重點、撰寫文件或製作簡報，如今，AI工具可以協助完成其中許多步驟。問題在於，工作現場處理的資料往往較消費情境敏感許多。

當員工為了提高工作效率，改用外部AI工具協助翻譯、整理資料、生成文件或製作圖片，企業未必知道哪些工具正在被使用，也不一定清楚資料流向。玉山資安處即指出，若AI工具未經公司審核，敏感資訊就可能流向未知且不可控的地方，形成企業難以監測的「暗區」。

員工在未經授權下使用AI，被稱為Shadow AI，玉山以「地下軍火庫」形容這種狀況，也就是說公司並不知道裡面有什麼工具，也不知道何時可能意外走火。Shadow AI的範圍並不限於ChatGPT、DeepSeek、Midjourney等熱門生成式AI服務，常見翻譯工具、AI繪圖軟體，只要未經公司核准與安全測試，都可能成為Shadow AI的一部分。

若AI工具未經公司審核，敏感資訊就可能流向未知且不可控的地方，形成企業難以監測的「暗區」。

建立清楚使用界限 AI使用納入日常規範

若企業缺乏明確的AI使用規範，員工便難以判斷哪些工具可以使用，也不清楚應遵守哪些資料保護原則。工作者往往依便利性與個人經驗做選擇，忽略資安、隱私與合規風險。

員工將敏感資料輸入外部平台，這些資料可能被儲存、分析，甚至用於模型訓練，或是在不透明情況下分享給第三方，造成資料不可逆的損害。為杜絕此類風險，玉山積極加強外部生成式AI網站控管，已調整現有上網過濾機制，依安全性評估結果開放部分生成式AI應用網站，同時關閉網站的檔案上傳功能，並以玉山所提供或採購的AI服務為使用優先。

若員工確有使用生成式AI網站的需求，玉山設計例外開放機制，相關申請需符合兩項原則：服務供應商須承諾不使用相關資料訓練模型；使用時應以玉山購買的企業帳號登入。前者降低資料被二次利用的風險，後者讓使用行為納入企業帳號管理與安全控管。

這些措施顯示，企業面對AI工具時，封鎖或禁止只能解決部分問題，更重要的是建立清楚界限。當公司提供可用工具、明確規範與申請流程，同仁便能在效率與安全之間做出較可控的判斷。

從Netflix、Spotify、Uber到購物平台，AI已改變人們看見選項的方式；從文件撰寫、資料分析到生成簡報，AI也正在改變工作者解決問題的方式。AI的影響力愈趨擴大，也凸顯使用AI的風險無所不在，個人及企業皆必須嚴肅思考如何在方便與效率之外，有能力看見、管理並承擔AI帶來的新課題。