情境崩解：生成式 AI 在職場採用的障礙
arXiv - Computers and SocietyEmanuel Moss, Elizabeth Watkins, Christopher Persaud, Dawn Nafus, Passant Karunaratne, Mona Sloane
研究揭示生成式 AI 在職場中因情境未被充分考量而失效，並提出以互動式實踐取代單純數據收集的設計策略。
AI 幫你先抓重點
AI 重點 1
情境崩解是導致 AI 失敗的核心原因，需從設計層面重新定義情境。
滑鼠懸停看 AI 判斷理由
若忽視多重情境的交織，AI 只能提供單一化答案，無法滿足複雜工作需求；重新定義情境可提升系統適應性與使用者滿意度。
AI 重點 2
以互動式實踐取代大規模數據收集，可更精準嵌入使用者工作流程。
滑鼠懸停看 AI 判斷理由
互動式實踐允許即時調整與共創，減少資料偏差與過度依賴機器學習，促進人機協同的可持續發展。
核心研究發現
- 1
專家訪談顯示，現有生成式 AI 工具無法準確捕捉使用者多重情境，導致功能與需求不匹配。
- 2
使用者透過自訂策略（如手動篩選輸入、重構工作流程）來彌補工具情境缺失。
- 3
開發者、使用者與社會科學家對「情境」的概念存在差異，計算方法易造成情境崩解與衰退，降低長期效用。
對教育工作者的啟發
實務工作者應先辨識組織內多重情境，避免將單一情境模型套用於所有工作。建議設計可調整的 AI 介面，允許使用者自行設定情境參數，並透過短期迭代測試收集即時回饋。將 AI 嵌入日常工作流程時，應以共創工作坊方式讓使用者與開發者共同定義情境，確保系統能隨時間演變而維持效用。
原始文獻資訊
- 英文標題：
- Context Collapse: Barriers to Adoption for Generative AI in Workplace Settings
- 作者：
- Emanuel Moss, Elizabeth Watkins, Christopher Persaud, Dawn Nafus, Passant Karunaratne, Mona Sloane
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。