Premium Manusia: Apa yang Sengaja Dikekalkan Syarikat sebagai Kerja Manusia, dan Sebabnya

Oleh Victor Hoang · Dikemas kini 22 September 2026

Premium manusia ialah pilihan sengaja untuk mengekalkan seorang manusia, bukan model, pada tugas tertentu, kerana manusia menghasilkan hasil yang lebih baik secara boleh diukur di situ: lebih kepercayaan, kepuasan lebih tinggi, kesilapan mahal yang lebih sedikit. Ia keputusan sumber yang dibuat berdasarkan bukti, bukan sentimen, dan menganggapnya sebagai strategi itulah yang membezakan syarikat yang betul daripada yang mengautomasikan segala-galanya, atau tiada apa-apa.

Kebanyakan penulisan tentang AI dan pekerjaan menganggap "kekalkan manusia" sebagai pilihan terakhir bagi sesiapa yang tidak selesa dengan perubahan. Tulisan ini menganggapnya sebagai hipotesis yang mesti membuktikan tempatnya, dan perniagaan yang membaca bukti dengan betul menukar "kami kekalkan ini sebagai kerja manusia" menjadi dakwaan persaingan dan bukan keselesaan yang kabur.

Fakta Utama

• Pengguna sangat lebih suka ejen manusia sebaik sahaja sesuatu isu menjadi rumit. Sintesis California Management Review tentang penyelidikan kekecewaan terhadap chatbot meletakkan angkanya pada 70 hingga 80 peratus, dan memetik tinjauan Gartner terhadap 5,728 pelanggan di mana 53 peratus akan mempertimbangkan bertukar pembekal kerana perkhidmatan AI sahaja. California Management Review, "Chatbot Frustration Is Real"
• Apabila syarikat perlu berkata tidak, AI melakukannya dengan baik. Apabila ia perlu memohon maaf, manusia melakukannya dengan lebih baik. Kajian Journal of Business Research 2026 tentang pemulihan aduan mendapati permohonan maaf oleh manusia dan penolakan oleh AI menghasilkan keputusan paling baik, didorong oleh keikhlasan yang dirasakan. Zhao, Song & Cai, Journal of Business Research (2026)
• Orang meninggalkan kepercayaan terhadap algoritma lebih pantas daripada terhadap manusia selepas kesilapan yang sama. Penyelidikan algorithm aversion oleh Berkeley Dietvorst mendapati orang kehilangan keyakinan terhadap peramal algoritma lebih cepat berbanding peramal manusia selepas melihatnya tersilap, walaupun algoritma mengatasi manusia secara purata. Chicago Booth Review, "Even When Algorithms Outperform Humans, People Often Reject Them"
• Dalam keputusan yang benar-benar berisiko tinggi, orang memilih manusia walaupun algoritma berprestasi sama baik. Eksperimen conjoint pra-daftar dengan kira-kira 9,000 responden A.S. mendapati keutamaan 7.6 mata untuk hakim manusia berbanding algoritma dalam pelepasan praperbicaraan, dan 4.3 mata untuk pegawai pinjaman manusia berbanding algoritma dalam pinjaman. PNAS Nexus, "Public attitudes on performance for algorithmic and human decision-makers"
• Pertaruhan perkhidmatan pelanggan AI-first Klarna menghadapi masalah kualiti yang tidak dapat diselesaikan automasi. Selepas AInya mengendalikan kira-kira 2.3 juta perbualan sebulan dan bilangan pekerja menurun 22 peratus, CEO Sebastian Siemiatkowski berpatah balik pada 2025, menyebut kualiti sokongan manusia sebagai "the way of the future," dan menyambung semula pengambilan pekerja untuk peranan yang sepatutnya digantikan AI. Entrepreneur, "Klarna Is Hiring Customer Service Agents After AI Couldn't Cut It on Calls"
• Kebanyakan projek perintis AI generatif perusahaan tidak pernah mencapai kesan kewangan yang boleh diukur, menurut penjejakan MIT terhadap projek perintis perusahaan, satu sebab "kekalkan ini sebagai kerja manusia buat masa ini" sering menjadi lalai yang rasional dan bukan pilihan terakhir yang berat hati. Fortune, "MIT report: 95% of generative AI pilots at companies are failing"
• Work Trend Index 2025 Microsoft berhujah sesetengah kerja kekal manusia kerana seseorang mesti memikul akibatnya. Memetik rangka kerja ahli ekonomi Daniel Susskind, ia menamakan tiga sebab: kolaborasi manusia-AI sering lebih cekap, orang mempunyai keutamaan tetap terhadap interaksi manusia, dan tanggungjawab moral memerlukan seseorang yang boleh menanggungnya. Microsoft WorkLab, "2025: The Year the Frontier Firm Is Born"

Apa Sebenarnya Maksud Premium Manusia

Frasa ini digunakan dengan longgar, jadi wajar dijelaskan dengan tepat. Premium manusia bukan "pelanggan suka orang," satu kebenaran umum yang tidak menerangkan apa-apa tentang di mana hendak membelanjakan bajet bilangan pekerja yang terhad. Ia jurang hasil yang boleh diukur (kepuasan, kualiti penyelesaian, hasil yang dikekalkan, kerosakan reputasi yang dielakkan) antara menghalakan tugas kepada seseorang berbanding model, pada titik sentuh di mana jurang itu penting.

Pembingkaian itu berlaku dua hala. Di mana jurang kecil, "premium" ialah kos tanpa pulangan, dan mempertahankannya ialah tabiat mahal, bukan prinsip. Di mana jurang besar, menganggap manusia sebagai item baris untuk dipotong ialah kesilapannya. Rupa sebenar masa depan kerja ialah campuran yang diputuskan titik sentuh demi titik sentuh, dan premium manusia menamakan titik sentuh di mana campuran itu patut condong kepada manusia.

Ini berbeza daripada pekerjaan mana yang diubah AI dan bukan digantikan, yang bertanya bagaimana gabungan tugas sesuatu peranan beralih. Premium manusia bertanya soalan komersial yang lebih sempit: adakah mengekalkan manusia sebagai suara akhir pada saat khusus ini menghasilkan keputusan perniagaan yang lebih baik berbanding menyingkirkannya, tanpa mengira sama ada AI sedang menyusun draf atau menganalisis di bawahnya?

Di Mana Bukti Menunjukkan Orang Mahukan Manusia

Keputusan Berisiko Tinggi yang Tiada Siapa Mahu Mesin Miliki Seorang Diri

Bukti eksperimen paling jelas meliputi keputusan di mana kesilapan mahal dan sukar dipulihkan. Dalam kajian PNAS Nexus yang dipetik di atas, kira-kira 9,000 responden memilih hakim manusia berbanding algoritma dalam pelepasan praperbicaraan, dan pegawai pinjaman manusia berbanding algoritma dalam pinjaman, walaupun ketepatan algoritma yang dinyatakan sama atau lebih baik daripada manusia.

Mekanisme itu melangkaui bilik mahkamah dan cawangan bank. Mana-mana keputusan di mana seorang sebenar menanggung akibat yang sukar dipulihkan mencetuskan reaksi yang sama: orang mahu ia dibuat, atau sekurang-kurangnya disemak, oleh seseorang yang boleh dirayu dan dipertanggungjawabkan. Itu keperluan yang berbeza daripada "dapatkan jawapan paling tepat," sebab itu model yang meramal risiko mungkir lebih baik daripada pegawai pinjaman masih bukan, seorang diri, pengganti lengkap bagi seorang pegawai.

Aduan yang Rumit dan Sarat Emosi

Perkhidmatan pelanggan ialah tempat ini paling ketara dalam amalan. Penemuan Journal of Business Research di atas ialah titik data paling tajam: apabila syarikat perlu menyampaikan penolakan rutin, AI berprestasi baik. Apabila ia perlu memohon maaf atas kegagalannya sendiri, permohonan maaf manusia dirasakan ikhlas dengan cara yang tidak dirasakan pada permohonan maaf oleh AI, dan keikhlasan yang dirasakan itu mendorong kepuasan lebih daripada sama ada masalah itu diselesaikan.

Ini sejajar dengan literatur kekecewaan chatbot yang lebih luas (70 hingga 80 peratus memilih manusia sebaik sahaja keadaan menjadi rumit) dan dengan sebab budaya dan pengalaman pelanggan menganggap aduan sebagai saat hubungan, bukan tiket untuk ditutup. Ia juga berkait dengan cara komunikasi yang diperantarai AI mengubah isyarat sesuatu mesej: pelanggan yang mengesyaki tiada orang menangani aduan mereka membaca ketiadaan itu sebagai syarikat tidak cukup peduli untuk melihatnya, dan tiada ayat yang dapat membaikinya.

Saat Bergantung pada Kepercayaan dan Masalah Kesilapan Pertama

Algorithm aversion menerangkan corak yang akhirnya dihadapi setiap pasukan yang menjalankan AI dalam pengeluaran: kesilapan AI pertama yang kelihatan merosakkan kepercayaan secara tidak seimbang, lebih daripada kesilapan yang sama oleh seorang manusia. Kerja Dietvorst mendapati orang kehilangan keyakinan terhadap peramal algoritma lebih pantas berbanding peramal manusia selepas ralat yang sama, walaupun algoritma itu terbukti lebih tepat secara keseluruhan. Orang meletakkan algoritma pada piawaian hampir sempurna yang tidak pernah dikenakan ke atas manusia, dan satu hasil buruk selalunya cukup untuk merosakkan hubungan buat selama-lamanya.

Ketidaksimetrian itu kekangan reka bentuk yang nyata, bukan kelemahan pelanggan untuk dipertikaikan. Pada mana-mana titik sentuh di mana satu ralat yang kelihatan akan merosakkan jenama secara melampau, kos praktikal kesilapan lebih tinggi bagi AI berbanding manusia yang melakukan kerja sama, semata-mata kerana betapa berbezanya reaksi orang terhadapnya. Itu juga sebab mengekalkan pertimbangan manusia kekal tajam pada titik sentuh ini penting: penyemak yang berhenti melatih kemahiran mengesan jawapan salah ialah mata rantai lemah yang membiarkan kesilapan buruk pertama lepas.

Pertimbangan Kreatif dan Premium Kepengarangan

Sebahagian kecil penyelidikan yang menarik mendapati orang menilai kerja kreatif secara berbeza sebaik sahaja mereka tahu manusia membuatnya, walaupun kualitinya setanding. Satu kajian berasaskan tinjauan baru-baru ini (pracetak, 70 peserta pelajar universiti, jadi anggaplah ia bersifat cadangan) mendapati 72.9 peratus responden sanggup membayar lebih untuk kerja yang mereka percaya dibuat manusia, dikaitkan dengan usaha dan kepengarangan yang dirasakan dan bukan kecanggihan. Sebahagian nilai yang diberikan pelanggan kepada output kreatif dan penentu jenama terletak pada mengetahui seorang tertentu berdiri di belakangnya, wajar dilindungi dalam peranan di mana kemahiran pelengkap manusia seperti citarasa dan pertimbangan ialah produk sebenarnya.

Akauntabiliti yang Boleh Dikenakan kepada Seseorang

Pembingkaian Microsoft di atas menamakan bahagian yang tidak ditangkap oleh data keutamaan pelanggan sahaja: sesetengah keputusan memerlukan seseorang yang boleh dipertanggungjawabkan, bukan sekadar yang lebih disukai pelanggan untuk berbual. Sistem AI boleh dilatih semula atau dipersalahkan secara abstrak kepada "model," tetapi ia tidak boleh dipecat, tidak boleh memohon maaf dengan kos peribadi, dan tidak boleh menjadi nama yang dikaitkan dengan sesuatu keputusan apabila seseorang bertanya siapa yang membuat keputusan ini. Di mana sahaja liabiliti bagi keputusan yang didorong AI sebaliknya tidak jelas, kekaburan itu sendiri menandakan titik sentuh itu milik manusia, dan itu sebab kepercayaan terhadap rakan sepasukan AI mempunyai siling yang tidak ada pada seseorang yang dipercayai.

Apabila AI dalam Perkhidmatan Pelanggan Menjadi Bumerang: Kes Klarna

Pembalikan Klarna ialah kajian kes awam yang paling bersih kerana syarikat itu telus tentang pertaruhan dan pengunduran itu. Pada Februari 2024, CEO Sebastian Siemiatkowski berkata pembantu AI Klarna melakukan kerja setara 700 ejen manusia, mengendalikan kira-kira 2.3 juta perbualan sebulan dan memotong masa penyelesaian daripada 11 minit kepada kurang dua minit. Bilangan pekerja menurun 22 peratus dalam tempoh itu. Pada masa itu, ia dibaca sebagai kes muktamad untuk automasi penuh sokongan pelanggan.

Menjelang 2025, Siemiatkowski menceritakan kisah yang berbeza. Kualiti perkhidmatan merosot pada aduan dan kes pinggir yang merupakan bahagian kecil volum tetapi bahagian besar sentimen pelanggan, tepat kes yang ditandakan oleh penyelidikan di atas sebagai memerlukan manusia yang ikhlas dan boleh dipertanggungjawabkan. Penjelasannya terus terang: pendekatan AI-first itu "wasn't the right path," dan "investing in the quality of human support is the way of the future." Klarna menyambung semula pengambilan lapisan manusia yang kebanyakannya jarak jauh untuk interaksi yang telah menjadi salah, sambil mengekalkan AI pada volum rutin yang terus dikendalikannya dengan baik.

Pengajarannya bukan "AI dalam perkhidmatan pelanggan gagal." AI Klarna masih memproses kebanyakan hubungan rutin berisiko rendah, dan tiada siapa mencadangkan membalikkannya. Pengajarannya ialah satu metrik campuran, purata masa penyelesaian atau kos setiap hubungan, menyembunyikan keruntuhan kualiti tepat di mana bukti di atas mengatakan manusia sepatutnya berada: aduan rumit, saat sarat emosi, kes di mana pelanggan perlu berasa didengari. Mengoptimumkan hanya untuk purata terlepas ekor, dan ekor itulah tempat churn dan kerosakan reputasi sebenarnya berada.

Risiko Human-Washing: Mendakwa Premium yang Tidak Anda Sampaikan

Sebaik sahaja "kami kekalkan sebagai kerja manusia" menjadi slogan pemasaran, ia mewujudkan mod kegagalan baharu: mendakwa premium manusia yang tidak disampaikan syarikat. Panggil ia human-washing, cerminan AI-washing dalam perkhidmatan pelanggan, di mana bahasa, nama dan reka bentuk antara muka membayangkan seorang manusia terlibat sedangkan isinya masih automatik, atau di mana seorang sebenar wujud tetapi tidak mempunyai kuasa mengubah hasilnya.

Coraknya mudah dikenali: tetingkap sembang dengan nama dan gambar profil yang kedengaran seperti manusia tetapi menghala ke skrip yang tidak boleh dilencongkan oleh "ejen" itu; "eskalasi kepada pakar" yang sebenarnya hanya barisan gilir lebih panjang untuk bot yang sama; janji bahawa "anda sentiasa boleh menghubungi manusia" di mana manusia itu tidak boleh mengatasi keputusan automatik yang pada mulanya menyakitkan hati pelanggan. Setiap satu mungkin lulus audit permukaan sambil gagal dalam apa yang benar-benar dimahukan pelanggan: seorang yang mampu menggunakan pertimbangan ke atas situasi mereka.

Human-washing ialah pertaruhan yang lebih buruk daripada automasi yang jujur, bukan jalan tengah yang lebih selamat. Penyelidikan algorithm aversion menunjukkan orang menghukum kesilapan AI yang didedahkan lebih keras daripada kesilapan manusia yang setara; mendapati manusia yang dijanjikan tidak pernah benar-benar diberi kuasa menambah penalti kedua, perasaan telah sengaja diperdayakan. Tiga semakan menangkap kebanyakannya sebelum ia dilancarkan: bolehkah "manusia" ini benar-benar mengubah hasil, bukan sekadar mengulanginya dengan lebih mesra? Adakah terdapat seorang yang sebenar, bernama dan boleh dipertanggungjawabkan di belakang interaksi itu? Dan adakah syarikat akan berasa selesa jika pelanggan dapat melihat dengan tepat sebanyak mana yang benar-benar disentuh oleh seorang manusia?

Cara Memutuskan Titik Sentuh Mana yang Kekal Manusia: Ujian Jelas

Jalankan setiap titik sentuh melalui dua soalan. Pertama, apakah kos sebenar hasil yang buruk, dari segi wang, keselamatan, pendedahan undang-undang, atau hubungan yang dibina selama bertahun-tahun? Kedua, adakah kepercayaan terhadap hasil bergantung pada keyakinan bahawa seorang manusia terlibat dalam situasi itu, berasingan daripada sama ada kandungannya betul? Titik sentuh yang mendapat skor tinggi pada mana-mana soalan ialah calon premium manusia; yang mendapat skor rendah pada kedua-duanya selamat, dan selalunya lebih baik, untuk diautomasikan.

Jalankan ujian ini dengan jujur dan ia akan mengesyorkan pengautomasian lebih banyak daripada yang dicadangkan gerak hati dalam sesetengah baris, dan perlindungan lebih banyak daripada yang dimahukan bajet dalam baris lain. Ketegangan itulah intinya. Ujian yang hanya mengesyorkan automasi, atau hanya mengesyorkan manusia, bukan ujian sebenarnya.

Versi Dalaman: Kerja Pengurusan yang Tidak Patut Diwakilkan

Semua yang di atas terpakai di dalam syarikat juga, dan taruhan di sana biasanya lebih tinggi. Tugas pengurus pertengahan sudah berubah bentuk di bawah AI, dan godaan untuk membiarkan model menyusun, menilai atau memutuskan sebahagian pengurusan orang itu nyata, kerana AI memang membantu bahagian mekanikal: mengumpul data prestasi, menyusun versi pertama maklum balas, menandakan corak merentasi pasukan.

Tempat ia sepatutnya berhenti ialah garis yang sama yang dilukis oleh ujian berhadapan pelanggan. Pengurusan prestasi apabila AI melakukan kerja asas masih memerlukan manusia untuk mentafsir maksud angka itu bagi orang ini dan menyampaikan keputusan. Kenaikan pangkat, pampasan, disiplin dan penamatan ialah setara dalaman bagi pelepasan praperbicaraan dan keputusan pinjaman: taruhan tinggi, sukar dipulihkan, dan di mana orang di pihak penerima mahukan pembuat keputusan yang boleh disoal dan dipertanggungjawabkan. Human-in-the-loop yang dilakukan dengan betul tidak bermakna pengurus sekadar mengesahkan papan pemuka tanpa semak; ia bermakna pengurus memiliki keputusan itu dan boleh menerangkannya dengan kata-katanya sendiri, bukan kata-kata model.

Mod kegagalan di dalam syarikat kelihatan seperti human-washing di luar syarikat: pengurus yang berkata "sistem menandakan anda untuk ini" sambil menganggap output AI sebagai keputusan sebenar, bukan satu input kepada keputusan yang masih dimilikinya. Pekerja dapat membezakan pengurus yang memikirkan situasi mereka daripada yang memajukan skor, dan kos kepercayaan apabila tertangkap menyerahkan pertimbangan itu kepada pihak lain selalunya lebih buruk daripada versi berhadapan pelanggan, kerana hubungan itu tiada tempat lain untuk pergi.

Membina Premium Manusia ke dalam Cara Anda Menempatkan Pekerja

Tiada satu pun daripada ini berhujah menentang AI melakukan kerja sebenar dalam perkhidmatan pelanggan atau pengurusan. Ia berhujah untuk membelanjakan premium manusia di mana bukti mengatakan ia berbaloi, dan menuntut semula jam yang dibebaskannya di tempat lain. Halakan volum rutin kepada AI tanpa meminta maaf. Letakkan orang yang terlatih dan diberi kuasa pada aduan yang melibatkan kesilapan anda sendiri, keputusan yang menamatkan kontrak seseorang, dan pilihan kreatif yang membawa nama anda. Ukur kedua-dua belah dengan jujur: kos yang dijimatkan pada apa yang anda automasikan, dan pengekalan serta kerosakan reputasi yang dielakkan pada apa yang anda lindungi.

Syarikat yang boleh menunjuk titik sentuh tertentu dan berkata, dengan betul, "seorang manusia mengendalikan ini, dan inilah sebabnya," telah membina sesuatu yang tidak boleh disalin dalam sekelip mata oleh pesaing yang sepenuhnya automatik. Itulah premium manusia yang dilakukan dengan betul: senarai pendek yang boleh dipertahankan tentang tempat di mana mengekalkan manusia ialah keputusan yang lebih bijak, disokong bukti bahawa syarikat bertindak berdasarkannya.