當執行被 AI 自動化，工作的意義與人的獨特價值如何體現

當「會做」（執行、產出、通用技能）被 AI 變得便宜，工作的意義不會自動消失，但很可能會從「我做得出來」移到「這值不值得做、該往哪做、由誰來定義」。書最核心的主張是：教練力是人在 AI 時代的人本支持系統，陪人走向自我實現。這個主張，剛好站在這個位移的縫上：

由《教練力實踐》證據研究員維護。本檔用最新（多為 2025–2026）同儕審查與機構級研究，撐起全書脊椎的兩根支柱：「教練力＝AI 時代的人本支持系統」與「自我實現」。每筆來源 2026-06-23 用 WebSearch／WebFetch 實際查證；查不到或僅得二手摘要者標 〔部分待查證〕。

與 AIcoach-workshop 研究庫的分工（不重抄）：那邊的 AI與人的關係/02-自主性與自我決定論.md 已把 SDT 奠基原典（Ryan & Deci 2000）、演算法管理對自主的剝奪（Kadolkar 2025、Wan 2024）、AI 建議帶走能動感（Salatino 2025） 收齊。本檔不重複堆疊那條「自主性／能動性」主線，改補它沒做的角度：①工作意義感（meaningful work）這個獨立建構在 AI 下怎麼變；②工作與認同／自我實現的關係；③「會做不再稀缺」後人的獨特價值落點（EPOCH 等實證框架）；④把 Maslow／自我實現接到 AI 職場脈絡。相關處標「另見」。

核心論點（這份證據要撐住的 WHY）

當「會做」（執行、產出、通用技能）被 AI 變得便宜，工作的意義不會自動消失，但很可能會從「我做得出來」移到「這值不值得做、該往哪做、由誰來定義」。書最核心的主張是：教練力是人在 AI 時代的人本支持系統，陪人走向自我實現。這個主張，剛好站在這個位移的縫上：

意義感可以被 AI 滋養，也可以被 AI 掏空，差別往往在「人留下了哪一塊」。 把有價值、跟自己的認同相連的任務留給自己，把雜務交給 AI，意義感通常會上升，AI 也就從威脅變成自我實現的工具；反過來，一味迴避，或是沒有界線地全部交出去，意義感會下滑，人也容易滑向疏離。
當執行不再少見，人的獨特價值比較可能落在 AI 做不來、而且正在增值的那一格：同理、臨在與連結、判斷與倫理、創造、願景與帶領（EPOCH）。這幾項，幾乎就是教練力最核心的內容。
Maslow 的需求階層在 AI 時代並沒有過時，反而更尖銳：AI 接手低階需求與雜務之後，人會被推向更高階的自我實現與自我超越。不過「被推上去」不等於「自己長上去」，中間那一段，正是人本支持系統要補的位置。

證據清單

A 區｜工作意義感在 AI 下怎麼變（meaningful work × AI）

A1. Callari & Puppione（2025）人機協作下的「意義工作」三類型

年份／作者／出處：2025｜Callari, T. C., & Puppione, L.｜European Journal of Innovation Management, 28(10), 5001–5027｜DOI: 10.1108/EJIM-11-2024-1339
方法：某跨國公司 357 名員工試用 Microsoft 365 Copilot 後的質性調查，用「理想型（ideal types）」方法歸納採用實踐。
關鍵發現：意義工作不是靜態的，而是在客觀結構（任務裁量權、組織支持）與主觀經驗（自覺角色、專業）之間動態演化。歸出三類使用者：①效率取向（把 AI 當「純工具」自動化雜務、刻意守住自主決策與人類專業）；②務實整合者（把 AI 當「能幹助理」生點子、人來把關精修）；③協作優化者（把 AI 當「專家級隊友」、在反覆對話中被挑戰假設）。自主不是被「保留」而是被「協商」。並提出意義的悖論：AI 帶來的效率，可能同時侵蝕了源自同儕認可與人際協作的尊嚴感（尤以務實整合者為甚）。「下提示（prompting）」本身浮現為一種混合的認知—關係勞動，牽動知識、後設認知與認同三個層次。
支持書哪論點：這筆直接支持論點①：意義不會被 AI 抹掉，但往往被「人怎麼分工、守住哪一塊」決定。三種類型也給書一個現成的語言：教練力要陪人從「效率取向、被動執行」那一端，逐漸走到「在對話中被挑戰、重新定義自己角色」那一端。「意義的悖論」則是一個誠實的提醒：效率本身可能偷走人際之間的尊嚴，而這一塊，正是人本支持系統要補的。
URL：https://www.emerald.com/ejim/article/28/10/5001/1275327
類型：同儕審查（質性／理想型）｜可信度：中高（單一跨國公司、單一工具、質性，遷移性有限）｜查證日：2026-06-23

A2. Liu, Lei & Qu（2026）AI 工作塑造的雙路徑：意義 ↔ 疏離

年份／作者／出處：2026｜Liu, Y., Lei, H., & Qu, X.｜Frontiers in Psychology（組織心理學）｜DOI: 10.3389/fpsyg.2026.1779227
方法：中國 287 對「員工—主管」配對、多波次問卷；自行開發並驗證 12 題「AI 工作塑造量表」，檢驗雙路徑中介模型。
關鍵發現：趨近型 AI 工作塑造（主動用生成式 AI 擴展任務、優化流程）→ 累積結構與認知資源、產生「對工作流程的掌控感」、讓人從被動執行者變成設計者 → 提升工作意義感 → 帶來職涯滿意、任務績效、創造績效；它把 AI「從威脅變成自我實現與持續表現的工具」。迴避型則啟動「資源流失的惡性循環」：切斷與 AI 整合流程的連結 → 被組織邊緣化 → 客觀的局外人處境內化為心理疏離 → 再強化迴避。工作自主性會強化趨近路徑、削弱迴避路徑。
支持書哪論點：這是本檔最有分量的一筆，直接支持論點①與書的核心主張「自我實現」。它讓「把雜務交給 AI、把有價值的留給自己」這句話，有了量表與中介路徑的後盾；而且「工具還是威脅」的分水嶺，正好就是意義感。這一點，也就是教練力與人本支持系統可以著力的地方。它同時呼應自主性（另見 AIcoach 02-自主性與自我決定論 的 SDT 主線）。
URL：https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1779227/full
類型：同儕審查（量化／多波次中介）｜可信度：中高（自陳、單一文化、橫跨一個月非長期因果）｜查證日：2026-06-23

A3. 〔反證·必列〕員工—生成式 AI 協作的暗面：疏離與便宜行事

年份／作者／出處：2025｜Hai, S., Long, T., Honora, A., Japutra, A., & Guo, T.（作者 2026-09-10 經 Crossref／OpenAlex 核得）｜International Journal of Information Management, 83, 102905（ScienceDirect/ACM 同號）｜DOI: 10.1016/j.ijinfomgt.2025.102905
方法：經驗取樣法，229 名服務業員工、1,050 筆每日配對觀測的縱貫資料。
關鍵發現：員工—生成式 AI 協作會升高「工作疏離（work alienation）」——一種與工作脫節的感受——進而驅動「員工便宜行事（expediency）」（用不合規捷徑自利地趕工，表面更有產能、實則抽走真實投入）。在「高數位工作要求」下此效應更明顯。
支持書哪論點：這是最重要的反證。 它顯示 AI 協作不會自動帶來意義，反而可能直接製造疏離。這支持書的立場：意義是要刻意守住的，不是 AI 送的；也說明為什麼需要人本支持系統，否則高壓加上 AI，很容易變成疏離加上便宜行事。它與 A2 的「迴避路徑→疏離」互相佐證：疏離是真實的、可以量測，而且會有行為後果。
URL：https://www.sciencedirect.com/science/article/pii/S0268401225000374 ｜https://dl.acm.org/doi/10.1016/j.ijinfomgt.2025.102905
類型：同儕審查（縱貫／經驗取樣）｜可信度：中高（單一產業、自陳，疏離與便宜行事為自評）｜查證日：2026-06-23

A4. Ranjit et al.（2026）我們是不是把工作的「樂趣」自動化掉了？

年份／作者／出處：2026｜Ranjit, J., Zhou, K., Swayamdipta, S., & Quercia, D.｜CHI '26（ACM 人機互動頂會，Barcelona）｜arXiv:2603.14963
方法：調查 202 名工作者與 197 名開發者，對 171 項任務（22 種職業）評分，再用語言模型把評分放大到 10,131 項電腦輔助任務（512 種職業）。樣本數與 CHI '26 收錄狀態 2026-09-10 已從 arXiv 全文核得（ACM Reference Format 載明 CHI '26、Barcelona、DOI 10.1145/3772318.3791845）；全文 46 頁的分項統計本輪沒有逐項核，其餘細節標〔部分待查證〕。
關鍵發現：既有文獻普遍認為，工作者願意把重複性的數位工作交給 AI，想留下的是需要判斷、人際互動與協調的活動（本文 §2.1 綜述，非本研究自己的發現）。這篇研究的結果卻往另一邊走：工作者覺得帶來能動感（agency）或快樂的任務，反而不成比例地暴露在 AI 之下（最暴露的是強調新意／創造、正向情緒、自主的任務）。同時發現設計落差：開發者強調禮貌、嚴謹、想像力，工作者要的是直接、寬容、實用。作者主張 AI 的設計要明確以「有意義的工作與工作者需求」為核心（標題即「增幅工作、而不是取代意義」），並提出五部分的研究議程。
支持書哪論點：支持論點①②：它把「哪些可以交給 AI、哪些要留住」講成設計問題，方向與 A1、A2 一致。它還多提醒一件事：人想留下的那些任務，不一定就安全。可以當書裡「分辨雜務與有意義的工作」那一節的引子。
URL：https://arxiv.org/pdf/2603.14963
類型：頂會論文（CHI，混合方法）｜可信度：中高（樣本與 CHI '26 收錄皆已核；屬設計研究非長期成效）｜查證日：2026-09-10

B 區｜當「會做」不再稀缺：人的獨特價值落點

B1. Loaiza & Rigobon（2024）EPOCH 框架：AI 取代不了、且正在增值的人類能力

年份／作者／出處：2024（線上 2024-11-21）｜Loaiza, I., & Rigobon, R.（MIT Sloan）｜SSRN Working Paper 5028371｜《The EPOCH of AI: Human-Machine Complementarities at Work》
方法：分析 O*NET（美國勞動部約 19,000 項任務、950 種職業）並追蹤 2016–2024 就業變化；把任務聚成約 750 群，建立三項量化指標：取代風險（risk-of-substitution）、增幅潛力（potential-for-augmentation）、EPOCH 分數。
關鍵發現：EPOCH＝Empathy（同理與情緒智能）、Presence（臨在、人際網絡與連結）、Opinion（意見、判斷與倫理）、Creativity（創造與想像）、Hope（希望、願景與帶領）——這些是「頑固地屬於人」的能力。實證上：2024 新增進 O*NET 的任務，其 EPOCH 含量高於先前既有與當年消失的任務；EPOCH 密集的職業在 2015–2023 就業成長更強、2024 招聘率更高、到 2034 的預測更佳（這組數字本輪待查證：SSRN 原文 403，MIT Sloan 解讀頁只載 2016–2024 的比較，未見 2034 預測）。其中「Hope（希望／願景）」與「Opinion（判斷）」與就業成長的正相關最強。結論：AI 更可能互補而非取代人，工作正在往「人本密集」位移。
支持書哪論點：這是本檔支持論點②最有分量的一筆，而且是就業資料的實證，不是觀點。EPOCH 五項幾乎就是教練力的內容清單（同理、臨在、判斷、創造、願景）。可以直接當書「當執行不再少見，價值往哪裡移」的骨架；尤其「判斷與願景增值最多」這一點，呼應書所說的「方向比執行更重要」。
URL：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5028371 ｜MIT Sloan 解讀 https://mitsloan.mit.edu/ideas-made-to-matter/these-human-capabilities-complement-ais-shortcomings
類型：機構工作論文（MIT Sloan，量化勞動資料）｜可信度：高（大型權威資料集、就業趨勢佐證；工作論文非期刊終稿，且相關非因果）｜查證日：2026-06-23

B2. 〔反證·必列〕生成式 AI 與去技能化（deskilling）：暴露最高的職務技能需求下滑

年份／作者／出處：2025（稿註 2024-12）｜Chen, W. X., Srinivasan, S., & Zakerinia, S.（作者 2026-09-10 自 PDF 核得）｜Harvard Business School Working Paper 25-039《Displacement or Complementarity? The Labor Market Impact of Generative AI》（含去技能化分析）
關鍵發現：生成式 AI 導入後，在自動化暴露最高四分位的職務，每季每公司「生成式 AI 暴露技能」需求下滑約 24%；對應去技能化理論——自動化整併職務、壓縮所需能力的廣度，留給人的工作所需技能可能低於原本。
支持書哪論點：這是論點②的反證，也是一種張力。 EPOCH 說人本能力正在增值，但 B2 提醒我們：在被自動化吃掉的那一端，人可能被「降級」，而不是升級。書要誠實說：人本價值的提升不會自動發生，往往要看人有沒有主動往 EPOCH、往意義那一端走（這又接回 A2 的趨近與迴避）。
URL：https://www.hbs.edu/ris/Publication%20Files/25-039_05fbec84-1f23-459b-8410-e3cd7ab6c88a.pdf
類型：機構工作論文（HBS，勞動資料）｜可信度：中高（工作論文、特定技能暴露指標；非全面去技能化定論）｜查證日：2026-06-23

〔不採用〕Elon 大學 Imagining the Digital Future「What are humans good for」（2024-05）只是問五個 LLM 自評人類擅長什麼，無底層實證，僅可當「連 AI 都這樣說」的修辭，不入證據。EPOCH（B1）才是有資料的版本。

C 區｜Maslow／自我實現 × AI 職場脈絡

C1. Montag, Riazi, Mikros, Becker & Ali（2025）Maslow 需求理論在 AI 時代仍適用

年份／作者／出處：2025｜Montag, C., Riazi, A. M., Mikros, G., Becker, B., & Ali, R.｜Technological Forecasting and Social Change, 219, 124222｜DOI: 10.1016/j.techfore.2025.124222
關鍵發現：以 Maslow 需求階層作為「以人為本」的尺，論證它能引導 AI 的設計與治理朝向人的福祉。AI 對不同層級需求既能滋養也能阻礙：低階（生理、安全）AI 已能大量代勞（個人化營養、交通預測、公共安全）；當 AI 接手越多，人應聚焦的是更高階、更屬於人的特質——自我實現與自我超越（情緒智能、同理、在自動化世界中尋找意義）。結論呼籲給工程師「關於人性的洞見」當羅盤，才做得出對齊福祉的良性科技。
為何經典仍適用（必註）：Maslow（1943/1954）是動機與人本心理學的奠基者；本書把「自我實現」當核心主張之一，需要一座把它接到 AI 當代脈絡的權威橋。這篇 2025 年的期刊論文，正是把 Maslow 明確接到 AI 治理與福祉的近期同儕審查文獻，補上「為什麼是此刻談自我實現」的當代理由。
支持書哪論點：支持論點③與核心主張「自我實現」。它給書一句立論：AI 把低階需求與雜務拿走之後，人會被推向自我實現與自我超越；不過科技只能「創造條件」，真正長上去，往往還是要靠人本支持（教練力）。
URL：https://www.sciencedirect.com/science/article/pii/S0040162525002537
類型：同儕審查（理論／論述）｜可信度：中高（頂尖期刊但屬概念論述非實證）｜查證日：2026-06-23

C2. AI 與工業工作：從「滿意」到「繁盛（flourishing）」的框架（SDT × Eudaimonia）

年份／作者／出處：2025（線上 2025-12-05）｜Viljakainen, A., Silmukari, J., Roto, V., Čaić, M., & Aromaa, S.｜Behaviour & Information Technology｜DOI: 10.1080/0144929X.2025.2596889（作者全名 2026-09-10 經 Crossref／OpenAlex 核得；全文為付費牆，摘要以外的細節〔部分待查證〕）
關鍵發現：這是一篇概念性論文（無實證樣本），把 AI 在工業／產業工作中的員工經驗，從「滿意（satisfaction）」推進到「繁盛（flourishing）」；理論基礎結合動機保健理論、人因工程，以及自我決定論（SDT）與幸福論（Eudaimonia），強調員工福祉與工作意義。框架分三層：第一層用 AI 助理消除工作痛點（提升滿意）；第二層讓 AI 當隊友，帶動情感投入與動機；第三層引入「AI 教練」，支持員工的目的感、自我價值與個人成長，走向繁盛。
支持書哪論點：支持論點①③：它把「意義與繁盛」這個更高的目標（不只是滿意）接上 SDT 與 Eudaimonia，給書「自我實現比短期滿足更重要」一個學理支點。與 C1 互補，Maslow、SDT、Eudaimonia 三條人本理論在這裡交會。
URL：https://www.tandfonline.com/doi/full/10.1080/0144929X.2025.2596889
類型：同儕審查（框架論述）｜可信度：中高〔部分細節待查（付費牆，作者/樣本未全核）〕｜查證日：2026-06-23

D 區｜機構級訊號（態度與規模，非成效實證）

D1. McKinsey《Superagency in the Workplace》（2025）員工想用 AI 換到更高價值工作

年份／出處：2025｜McKinsey & Company｜調查 3,613 名員工＋238 名 C-level，六國
關鍵發現：核心概念「超能動性（superagency）」——人被 AI 增幅後放大創造、生產與正向影響。員工普遍想把 AI 用在自動化低價值、重複任務以挪出時間做更高價值工作；員工的 AI 採用與企圖遠超領導層的估計（47% 員工說一年內會把 ≥30% 工作交給 AI vs 僅 20% 高管這樣認為）。（本條數字本輪待查證：2026-09-10 McKinsey 頁面與 PDF 連續逾時，未能重核。）
支持書哪論點：可以當「為什麼是現在」的態度層開場（不是成效證據）：人想要把執行交出去，把自己挪向更有價值的事。書要回答的，正是「挪去哪裡、誰陪你定義那是什麼」。
可信度與分級：機構調查／公眾態度，非成效實證；顧問業自家的數據，讀的時候要保留一點折扣。另見 AIcoach 產業報告/四大與顧問業（已收 McKinsey 採用 vs 價值落差），本檔只輕引、不重抄。
URL：https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work
類型：機構報告｜可信度：中（態度數據）｜查證日：2026-06-23

缺口與反證（誠實清單）

最大反證·意義不會自動來：A3（疏離→便宜行事，229 人縱貫）＋ A2 迴避路徑（疏離惡性循環）共同顯示，AI 協作可能直接製造疏離；意義是要刻意守住的，不是 AI 送的。
最大反證·人不一定升級：B2（HBS）顯示自動化暴露最高的職務技能需求下滑 24%，去技能化是真實的風險。EPOCH 說的「人本價值上升」是有條件的，要人主動往那一端走，不是全體自動受惠。
時間尺度／因果限制：A1（質性、單一公司）、A2（一個月、自陳）、A4（設計研究，非成效）、B1/B2（相關非因果的就業資料），都不是長期因果。引用時標清「實證強度」與「態度 vs 成效」之別（D1 是態度）。
最關鍵情境缺口（與 AIcoach 庫一致）：所有證據集中在知識工作、工業工作、零工、服務業、消費情境，沒有「教練／人本支持系統」情境下『AI 自動化執行 → 意義感／自我實現提升』的直接因果研究。本書的人本價值論述目前靠 EPOCH、Maslow×AI、SDT×Eudaimonia 與鄰近情境實證支持，並不是本場景的直接證據。這一塊，正是 AndAction 與本書可以填的空白。
〔待查證〕（下輪補）：A4 樣本與 CHI '26 收錄、A1／A2／A3／C1／C2 的作者與期刊資訊、A2 的一個月間隔與三項成果變項，皆已於 2026-09-10 核得。仍待查：B1 SSRN 原文的 2015–2023 就業成長／2024 招聘率／2034 預測三個數字（SSRN 403，MIT Sloan 解讀頁只載 2016–2024）；D1 McKinsey 頁面數字（連續逾時）；C2 付費牆內的細節。此外，尚未找到一篇直接做「人本引導 → 在 AI 自動化下重建工作意義」的因果實驗。
調性提醒：不打恐懼牌。正面證據真實存在（A2 趨近路徑、A1 協作優化者、C1 AI 推人上 Maslow、B1 人本工作正增值）；書的立場是「把它用對，讓人長成更會判斷、更有意義的自己」，不是「AI 掏空工作」。

另見（跨庫不重抄）

AIcoach-workshop 研究庫/AI與人的關係/02-自主性與自我決定論.md：SDT 奠基（Ryan & Deci 2000）、演算法管理剝奪自主（Kadolkar 2025、Wan 2024）、AI 建議帶走能動感（Salatino 2025）。本檔的「自主」一律指向那裡，只補「意義／認同／自我實現」角度。
AIcoach-workshop 研究庫/AI與人的關係/03-認知外包與過度依賴.md：去技能化的認知面（Google 效應、Lee et al. CHI 2025），與本檔 B2 的勞動面去技能化互補。
AIcoach-workshop 研究庫/產業報告/四大與顧問業：McKinsey 採用 vs 價值落差（本檔 D1 只輕引）。