Komunikasi Diperantarai AI: Apa yang Berlaku Apabila AI Menulis, Meringkas dan Membalas di Tempat Kerja

Oleh Victor Hoang · Dikemas kini 22 September 2026

Komunikasi diperantarai AI (AI-MC) ialah komunikasi antara individu yang melibatkan ejen pintar menyusun, mengembangkan, memendekkan atau membalas mesej bagi pihak seseorang. Istilah ini datang daripada Jeffrey Hancock dari Stanford dan rakan penulisnya, yang mentakrifkannya pada 2020 sebagai ejen pengkomputeran yang bertindak bagi pihak pengomunikasi untuk mencapai matlamat antara individu. Ejen itu kini berada di kedua-dua hujung hampir setiap mesej kerja.

Ini bukan tulisan tentang sama ada teks yang ditulis AI betul dari segi tatabahasa; biasanya ia betul. Ia tentang apa yang berlaku kepada sesuatu hubungan apabila penulisan dan pembacaan kedua-duanya diserahkan kepada mesin: usaha yang dahulunya menandakan keprihatinan hilang, mesej membengkak lalu dimampatkan semula tanpa sesiapa membaca bahagian tengahnya, dan penerima mula mengurangkan nilai apa-apa yang kedengaran terlalu kemas secara senyap. Tiada satu pun daripada itu muncul dalam semakan ejaan. Semuanya muncul dalam tahap kepercayaan orang terhadap satu sama lain enam bulan kemudian.

Fakta Utama

• Komunikasi diperantarai AI ditakrifkan secara rasmi pada 2020. Hancock, Naaman dan Levy mentakrifkan AI-MC sebagai "komunikasi diperantarai antara manusia yang melibatkan ejen pengkomputeran bertindak bagi pihak pengomunikasi dengan mengubah, menambah atau menjana mesej untuk mencapai matlamat komunikasi atau antara individu." Hancock, Naaman & Levy, Journal of Computer-Mediated Communication (2020)
• Teks yang dianggap ditulis AI dinilai kurang boleh dipercayai, walaupun perkataannya sama. Jakesch, French, Ma, Hancock dan Naaman dari Stanford menjalankan eksperimen profil Airbnb dan mendapati penurunan ketara dalam penilaian kebolehpercayaan bagi profil yang disyaki atau dilabel dijana AI, iaitu "Replicant Effect." Jakesch et al., Stanford Social Media Lab (2019)
• Lebih separuh pekerja menyembunyikan penggunaan AI daripada majikan. Kajian global KPMG dan University of Melbourne ke atas lebih 48,000 orang di 47 negara mendapati 57% pekerja mengaku menyembunyikan cara mereka menggunakan AI di tempat kerja, yang paling kerap dengan menganggap kandungan hasil AI sebagai hasil kerja sendiri. KPMG & University of Melbourne (2025)
• Penggunaan AI yang banyak dalam mesej pengurus mengurangkan ketulusan yang dirasakan kira-kira separuh. Penyelidik USC dan University of Florida, Cardon dan Coman, meninjau lebih 1,100 profesional dan mendapati lebih 80% menilai mesej penyelia dengan bantuan AI yang rendah sebagai tulus, berbanding hanya kira-kira 40% bagi versi dengan bantuan AI yang tinggi. Cardon & Coman, University of Florida (2025)
• Purata pekerja menerima 117 e-mel dan 153 mesej Teams sehari, kebanyakannya dibaca sekilas dalam masa kurang seminit. Work Trend Index Microsoft mendapati pekerja yang menggunakan Microsoft 365 diganggu oleh mesej kira-kira setiap dua minit, satu volum yang mendorong dan didorong oleh penyusunan dan peringkasan dibantu AI. Microsoft Work Trend Index (2025)
• Penggunaan AI yang tinggi belum lagi menjelma sebagai pulangan perniagaan yang boleh diukur. Tinjauan MIT NANDA terhadap 153 pemimpin dan analisis lebih 300 pelaksanaan AI perusahaan mendapati 95% projek perintis AI generatif tidak menghasilkan kesan P&L yang boleh diukur, peringatan bahawa penghasilan mesej yang lebih pantas tidak sama dengan komunikasi yang lebih baik. MIT NANDA, "The GenAI Divide: State of AI in Business 2025", via Fortune

Apa yang Sebenarnya Dirangkumi oleh Komunikasi Diperantarai AI

Komunikasi diperantarai AI ialah kategori yang lebih luas daripada "menggunakan ChatGPT untuk menulis e-mel." Hancock dan rakan penulis membahagikannya kepada dimensi yang menentukan sejauh mana kepercayaan dipertaruhkan: sejauh mana AI mengubah mesej (pembetulan ejaan berbanding mesej yang dijana sepenuhnya), sejauh mana autonominya (cadangan yang anda luluskan berbanding balasan yang dihantarnya tanpa penyeliaan), dan di pihak siapa ia bekerja (kecekapan penghantar berbanding kefahaman penerima). Pembetulan tatabahasa dan penilaian prestasi yang disusun sepenuhnya oleh AI berada pada spektrum yang sama tetapi tidak sama risikonya, itulah sebabnya peraturan menyeluruh dan kebenaran menyeluruh kedua-duanya terlepas pandang. Alat yang terlibat, daripada model bahasa besar yang menyusun teks bebas hingga AI copilot terbina dalam yang mencadangkan ayat seterusnya, ialah teknologi yang sama sama ada membetulkan kesilapan taip atau menulis seluruh nota ucapan tahniah. Yang berubah ialah magnitud campur tangan dan berapa banyak pemikiran manusia yang masih ada dalam mesej itu.

AI di Pihak Penghantar dan AI di Pihak Penerima Ialah Masalah yang Berbeza

Kebanyakan perbincangan di tempat kerja tentang AI dan komunikasi tertumpu pada penghantar: adakah seseorang menggunakan AI untuk menulis ini? Tetapi rangka kerja Hancock menganggap penggunaan AI oleh penerima sebagai kategori yang sama aktif, dan ia semakin lazim. Penerima yang menjalankan kemas kini anda yang disusun teliti melalui alat peringkasan sebelum membacanya turut melakukan komunikasi diperantarai AI, cuma dari hujung yang lain. AI di pihak penghantar berisiko menghasilkan mesej yang kedengaran seperti bukan sesiapa secara khusus; AI di pihak penerima berisiko membuang bahagian yang paling anda usahakan untuk dibetulkan. Masalah serah terima yang sama, iaitu memutuskan apa yang ejen paparkan kepada manusia dan dalam bentuk apa, ialah perkara yang dibincangkan oleh mengurus ejen AI sebagai sebahagian daripada pasukan dari sudut operasi, sebagai sesuatu yang perlu direka dengan sengaja dan bukan dibiarkan kepada tetapan lalai.

Masalah Kehilangan Isyarat: Mengapa Usaha Dahulunya Bermakna Keprihatinan

Sebelum AI generatif, masa dan kekhususan dalam sesuatu mesej ialah isyarat yang mahal dan sukar dipalsukan. Nota peribadi tiga perenggan mengambil masa lebih lama untuk ditulis daripada balasan satu baris, dan panjangnya sendiri menyampaikan betapa prihatinnya penghantar. Pengurus yang mengingati butiran daripada perbualan terakhir anda dan merujuknya dalam maklum balas sedang menunjukkan, bukan sekadar mengatakan, bahawa mereka memberi perhatian. Kos itulah intinya: isyarat murah mudah dipalsukan, jadi penerima mengurangkan nilainya, dan isyarat yang memerlukan usaha cukup mahal sehingga hanya keprihatinan tulen yang boleh menghasilkannya dengan konsisten.

AI generatif memutuskan hubungan antara usaha dengan kos itu. Model boleh menghasilkan mesej yang kedengaran diperibadikan dan dilafazkan dengan mesra dalam sepuluh saat, dengan penghantar menyumbang hampir tiada pemikiran asas. Kajian Cardon dan Coman di atas ialah bukti tempat kerja yang paling jelas tentang apa yang berlaku seterusnya: pekerja menurunkan penilaian mereka terhadap ketulusan, keprihatinan dan juga keupayaan kepimpinan penghantar sebaik sahaja mereka mengesyaki penglibatan AI yang banyak, dan penurunannya paling curam pada mesej yang ketulusannya paling penting (ucapan tahniah, pengiktirafan, maklum balas peribadi), bukan pada kemas kini status rutin.

Penerima Tidak Perlukan Bukti, Cukup dengan Syak

Kajian Airbnb oleh Jakesch dan rakan-rakan mendapati sesuatu yang patut direnungkan: penalti kepercayaan dikaitkan dengan pengarang AI yang disyaki, bukan yang disahkan. Orang tidak perlu tahu sesuatu mesej ditulis AI untuk mengurangkan nilainya. Mesej yang sekadar kedengaran generik atau terlalu kemas untuk hubungan itu boleh mencetuskan penurunan yang sama seperti mesej yang dilabel AI. Risiko praktikalnya bukan "adakah saya akan tertangkap," tetapi "adakah ini akan kelihatan benar-benar milik saya," dan itu dua halangan yang berbeza untuk dilepasi.

Masalah Eskalasi: Satu Poin Menjadi E-mel Menjadi Satu Poin Semula

Inilah corak yang cukup lazim sehingga mempunyai singkatan sendiri dalam kalangan orang yang memerhati penggunaan AI di tempat kerja dengan teliti: seseorang mempunyai idea dua baris, meminta AI mengembangkannya menjadi e-mel yang diformatkan dengan betul dan bernada mesra, lalu menghantarnya. Penerima, yang berdepan 117 e-mel dan 153 mesej sembang sehari menurut Work Trend Index Microsoft, menjalankannya melalui alat peringkasan AI sendiri, yang memampatkannya semula menjadi kira-kira idea dua baris yang asalnya. Dua panggilan AI kemudian, maklumat yang dipindahkan sama dengan yang dibawa oleh mesej dua baris itu, kecuali ia mengambil masa lebih lama untuk dihasilkan, lebih lama untuk diproses, dan membawa isyarat usaha yang palsu ke kedua-dua arah.

Gelung ini ialah akibat semula jadi daripada dua insentif yang berlanggar: alat penghantar memberi ganjaran kepada output yang lebih panjang dan lebih kemas kerana itulah rupa "penulisan yang baik" bagi model bahasa, dan peti masuk penerima memberi ganjaran kepada pemampatan kerana tiada siapa sempat membaca 117 e-mel yang dikembangkan sepenuhnya dengan teliti. Tiada satu pihak pun melakukan sesuatu yang tidak munasabah secara bersendirian, tetapi hasilnya ialah komunikasi yang lebih teruk, kerana pemampatan di pihak penerima merugikan dengan cara yang tidak berlaku pada idea ringkas yang asal: alat peringkasan mengekalkan apa yang kelihatan penting secara statistik dan membuang kaveat, nada, dan permintaan khusus yang menjadikan mesej itu berbaloi dihantar.

Mengapa Ini Lebih Mahal daripada Sekadar Masa

Penemuan MIT NANDA bahawa 95% projek perintis AI generatif tidak menunjukkan kesan P&L yang boleh diukur relevan di sini: peningkatan produktiviti individu tidak semestinya terkumpul menjadi keuntungan organisasi apabila separuh lagi interaksi itu, iaitu seseorang yang membaca dan bertindak atas mesej, menjadi lebih teruk pada kadar yang sama separuh pertama menjadi lebih pantas. Menganggap volum e-mel sebagai masalah yang diselesaikan dengan lebih banyak AI terlepas pandang bahawa volum itu selalunya gejala penyusunan murah yang tidak disertai sebarang peningkatan sebenar dalam kandungan maklumat.

Apa yang Hilang Apabila AI Meringkaskan Mesyuarat

Alat peringkasan mesyuarat menyelesaikan masalah yang nyata: tiada siapa mengingati perbincangan sejam dengan tepat, dan rekod bertulis mengatasi ingatan yang kabur. Tetapi alat peringkasan dibebani mengikut kekerapan, bukan mengikut pertimbangan. Ia memaparkan apa yang diulang beberapa orang atau yang sepadan dengan frasa "item tindakan," dan jauh kurang boleh dipercayai dalam menangkap apa yang benar-benar penting: keraguan dalam suara seseorang, celahan di luar topik yang sebenarnya kebimbangan sebenar, atau maksud tersirat di sebalik sebab sesuatu keputusan ditangguhkan. Tiada satu pun itu masalah pemformatan yang diselesaikan oleh model yang lebih baik; ia memerlukan manusia yang berada di dalam bilik itu.

Ini berbeza daripada sama ada orang berasa selamat untuk menyuarakan kebimbangan dalam mesyuarat yang diperhatikan AI, yang termasuk dalam bidang mereka bentuk budaya mesyuarat yang lebih baik. Persoalan di sini lebih sempit: selepas orang bercakap secara terus terang, adakah rekod yang bertahan masih membawa nuansa itu, atau ia diratakan menjadi senarai berpeluru yang kelihatan seperti konsensus sedangkan bilik itu sebenarnya berpecah. Pasukan yang menganggap ringkasan AI sebagai ingatan mesyuarat, dan bukan satu input di samping nota seorang manusia, ialah yang paling berkemungkinan menemui semula perselisihan beberapa minggu kemudian yang disangka semua orang sudah selesai.

Penyelesaian Murah yang Benar-Benar Berkesan

Tabiat yang paling bernilai di sini membosankan: sesiapa yang mengendalikan mesyuarat menambah dua atau tiga baris pertimbangan sendiri di atas transkrip AI sebelum ia diedarkan, menamakan apa yang kekal belum selesai dan siapa yang memilikinya. Itu memakan masa dua minit dan memelihara tepat isyarat yang tidak boleh dijana sendiri oleh alat peringkasan yang dibebani mengikut kekerapan.

Penalti Kepercayaan: Apabila Penggunaan AI Disyaki

Penyelidikan Cardon dan Coman mendapati sesuatu yang lebih tajam daripada penurunan ketulusan: apabila penyelia menggunakan bantuan AI yang tinggi tanpa mendedahkannya, hanya kira-kira satu perempat pekerja masih menganggap penyelia sebagai pengarang, turun daripada lebih 90% pada bantuan rendah. Itu bermakna kebanyakan khalayak membuat kesimpulan bahawa orang yang kononnya bercakap itu bukanlah yang sebenarnya bercakap. Ini berkait dengan kepercayaan apabila rakan sepasukan anda ialah AI, kecuali soalannya bergerak ke arah lain di sini: bukan tidak mempercayai rakan sepasukan AI, tetapi seorang manusia kehilangan kepercayaan rakan sekerja kerana mereka mengesyaki orang itu telah menyerahkan bahagian tugas yang sepatutnya milik peribadinya.

Penemuan KPMG bahawa 57% pekerja menyembunyikan penggunaan AI mereka menambah lapisan kedua: orang menyembunyikannya kerana mereka meramalkan dengan betul bahawa ada penalti jika ia terbongkar, bermakna skala sebenar komunikasi diperantarai AI di kebanyakan organisasi jauh melebihi apa yang ditunjukkan oleh mana-mana papan pemuka penggunaan.

Pendedahan Memberi Kesan Dua Arah

Penyelidikan tidak menunjuk kepada "sentiasa dedahkan" sebagai penyelesaian yang bersih. Pendedahan eksplisit kadangkala meningkatkan syak berbanding mesej yang penggunaan AI-nya hanya disyaki tetapi tidak disahkan: mendedahkan boleh dibaca sebagai pengakuan bahawa mesej itu bukan sepenuhnya milik penghantar, manakala berdiam diri berisiko keruntuhan kepercayaan yang lebih besar jika ia terbongkar kemudian. Kebanyakan organisasi akhirnya memilih pendekatan kontekstual: lalai kepada ditulis manusia untuk mesej yang kritikal dari segi hubungan dan jarang dihantar (maklum balas, permohonan maaf, pengiktirafan), dan menganggap bantuan AI pada mesej rutin yang kerap dihantar sebagai biasa sehingga tidak perlu didedahkan. Ini dibincangkan dengan lebih mendalam dalam etika AI dan norma tempat kerja; maksud di sini lebih sempit, bahawa pendedahan harus mengikut kepentingan hubungan sesuatu mesej, bukan dasar menyeluruh.

Penggunaan yang Membantu berbanding yang Merosakkan

Garis pemisah yang paling jelas dalam penyelidikan bukanlah "guna AI" berbanding "tidak guna AI," tetapi sama ada AI merapatkan jurang sebenar antara manusia atau menggantikan usaha manusia yang merupakan intipati sebenar mesej itu. Terjemahan untuk rakan sekerja yang tidak berkongsi bahasa pertama anda merapatkan jurang: tanpa AI, alternatifnya selalunya tiada komunikasi langsung. Begitu juga dengan menjadikan perkara teknikal yang padat mudah difahami oleh orang di luar bidang itu, atau pekerja disleksia yang menggunakan AI untuk menstruktur jawapan yang isinya sepenuhnya ditulis sendiri. Penggunaan ini tidak membuang isyarat manusia yang penting; ia membuang halangan yang tidak pernah menjadi tujuan interaksi itu.

Penggunaan yang merosakkan menggantikan AI dengan perkara tepat yang sepatutnya dibuktikan oleh mesej itu: bahawa seseorang yang khusus telah meluangkan masa untuk perasan, prihatin atau memikul tanggungjawab. Nota ucapan tahniah wujud untuk memberi isyarat "saya perasan dan saya gembira," bukan untuk menyampaikan maklumat dengan cekap; jika AI menjana isyarat itu, ia palsu walaupun perkataannya mesra. Permohonan maaf wujud untuk memberi isyarat "saya faham apa yang saya lakukan dan saya bertanggungjawab," dan permohonan maaf yang disusun sepenuhnya oleh AI membalikkan tujuannya sendiri. Semakin tugas sesuatu mesej ialah membuktikan sesuatu tentang perhatian penghantar, semakin merosakkan penggantian oleh AI, tidak kira betapa baik output itu dibaca.

Norma Praktikal yang Wajar Ditetapkan

Kebanyakan pasukan tidak memerlukan dasar komunikasi AI yang rasmi, cuma beberapa persetujuan eksplisit yang menghapuskan kesamaran.

Pertama, bersetuju tentang jenis mesej mana yang cukup kritikal dari segi hubungan untuk anda tulis sendiri. Pengiktirafan, maklum balas, permohonan maaf dan apa-apa yang merujuk keadaan peribadi tertentu termasuk dalam senarai ini; kemas kini status dan penjadualan tidak.

Kedua, jika anda menyusun sesuatu yang kritikal dari segi hubungan dengan AI, tambah butiran yang tidak mungkin diketahuinya: rujukan bersama atau pemerhatian yang benar-benar peribadi. Ini mengimbangi nada generik yang mencetuskan syak.

Ketiga, jangan anggap ringkasan mesyuarat AI sebagai pengganti seseorang menambah dua baris pertimbangan tentang apa yang kekal belum selesai. Satu tabiat ini mencegah kebanyakan konflik "saya ingat kita dah setuju tentang itu" yang dihasilkan oleh mesyuarat yang diringkaskan AI beberapa minggu kemudian.

Keempat, perhatikan di sisi mana gelung penghantar-penerima yang anda sedang suapkan. Jika mesej keluar anda secara konsisten lebih panjang daripada yang wajar bagi kandungannya dan rakan sekerja nampaknya membaca sekilas dan bukan membaca sepenuhnya, menghantar sendiri versi dua baris sering menjadi langkah yang lebih membina kepercayaan, walaupun ia kelihatan kurang kemas. Ini berkait dengan, tetapi berbeza daripada, workslop, usaha dan pemilikan, yang membincangkan kerja hasil AI yang dilambakkan ke atas rakan sekerja tanpa disemak; versi komunikasinya ialah mesej yang dilambakkan kepada seseorang tanpa penghantar membacanya semula terlebih dahulu. Pasukan yang menentukan peranan orkestrator, dan maksud mengekalkan ketajaman pertimbangan manusia sambil mendelegasikan lebih banyak penyusunan kepada AI, akan mengenali ketegangan yang sama di sini.

Ujian paling lama bagi sesuatu mesej di tempat kerja masih terpakai: adakah anda selesa jika penerima tahu tepat berapa banyak pemikiran anda sendiri yang ada di dalamnya. AI tidak mengubah ujian itu, cuma menjadikannya jauh lebih murah untuk gagal tanpa sesiapa menyedarinya serta-merta.