本檔是《教練力實踐》研究庫 37 份子檔的整合層綜述——把約 250 筆查證過的證據，收斂成書前段的一條論證主軸，並當作研究庫索引。逐筆 DOI／樣本／效果量在各子檔，本檔指向它們當深度附件、不重抄。 脊椎句：教練力＝AI 時代的人本支持系統。入口改用「關係→需求→教練力」：討論 AI 時代下人與人、人與 AI 的關係 → 提煉關係裡最重要的需求 → 那需求的內涵就是教練力 → 教練力（自我覺察→懂自己要什麼→行動）讓我們在 AI 時代好好經營關係。 全書的證據姿態：不反 AI、不打雞血、不賣恐懼。我們把連 AI 業界自己都承認的事攤開，再誠實說限制，然後才告訴你怎麼做。
一、這個時代正在發生的事：AI 把「通用、可定義」的工作變便宜，價值往上移
這一輪 AI 最大的改變，可能不在「機器更聰明」，而在它讓「通用、標準、可以被清楚定義」的工作趨近免費：執行成本掉下來，夠好的標準答案人人拿得到，能明確定義的任務越來越不需要人。價值的重心也就跟著整個位移：從「會不會做」移到「判斷哪一個對你才算對」，從「能不能蓋出來」移到「你到底想蓋什麼、為什麼想蓋」。
這不是口號，背後有大規模的真實數據。Anthropic 用 Claude 的真實使用做的《Economic Index》（2026）發現：約 49% 的職業有四分之一以上的任務會用到 AI，但只有約 4% 的職業被覆蓋四分之三以上。AI 多半落在「任務」層級，很少整份取代一個人。最常被交給 AI 的，是「debug」這種單一、可以知識化的任務。也就是說，AI 先吃掉的往往是「可拆解、可定義」那一塊，留下來的是「只有你能整合、判斷、定方向」那一塊。
而「留下的那一塊」具體是什麼？MIT Sloan 用 ONET 約一萬九千項任務做的 EPOCH 框架（Loaiza & Rigobon, 2024）給了一份清單：同理（Empathy）、臨在（Presence）、判斷（Opinion）、創造（Creativity）、願景（Hope）密集的職業，2015–2023 就業成長更強，對 2034 的預測也更好〔待查證〕，其中「判斷」與「願景」增值最多。*這五項，幾乎就是教練力的內容清單。 時代並沒有讓人變得不重要；比較接近的說法是，它把「人之所以是人」的那幾項能力，從可有可無推成了核心。
（深度見 AI產業-02-Anthropic、主題-工作意義與人本價值、職場-01-工作重組與技能價值）
二、先把兩種噪音清掉：恐慌與行銷，都不是全貌
要談「為什麼是現在」，得先把兩種噪音清掉，書才站得穩。
第一種噪音是恐慌：「明天工作就沒了」。 目前最嚴謹的總體實證並不支持工作末日：耶魯 Budget Lab（2025）追蹤 ChatGPT 上市 33 個月，找不到可辨識的勞動市場崩塌；丹麥 2.5 萬人、7,000 家公司的行政薪資研究（Humlum & Vestergaard, 2025）估出對薪資與工時「精準的零效果」。但，這是書必須誠實的地方：整體沒崩，不等於沒有人受傷。衝擊往往是選擇性的，而且對準特定的人。史丹佛《Canaries in the Coal Mine》（Brynjolfsson 等, 2025）用全美最大薪資行政資料發現，22–25 歲、AI 高曝險職位的年輕工作者就業相對下降約 13%，軟體與客服的入門職一度接近 20%，而同職位的資深者反而穩定。最讓人意外的一筆來自 Brookings（Hui & Reshef, 2025）：高技能的接案者反而受創更重，因為 AI 壓縮了技能光譜的差距。所以比較接近實況的說法是「方向級的重組」，而不是「全面性的取代」。這個基調比恐慌更難講，也更有用。
第二種噪音是行銷：「用了 AI 生產力暴增」。 這一輪我們刻意把廠商自家數據全部保守看待，再配上獨立反證，結果相當清楚：獨立評估機構 METR 的隨機對照試驗（2025）發現，資深開源工程師用 AI 反而慢了 19%，本人卻自估快了 20%，知覺與實際整個脫鉤。MIT NANDA（2025）調查企業，95% 的生成式 AI 試點沒有產生可衡量的財務回報；近六千名高管的 NBER 研究（Bloom 等, 2025）顯示 80% 以上企業回報三年來 AI 對就業與生產力零影響。Gartner（2025）一邊喊 agentic AI 商機上兆，一邊預測逾 40% 的 agentic 專案會在 2027 前被取消，多數是「agent washing」；Forrester（2026）講得更直接：九成宣布「AI 裁員」的公司根本沒有可上線的 AI〔待查證〕。最有畫面的一筆是 Salesforce：廣告宣稱 agent 自主解決 50% 客服案件，自家研究論文卻只量到多步 CRM 任務 35% 成功率〔待查證〕。廣告跟論文打架。
把兩種噪音都清掉，剩下的就是書能站的位置：AI 確實在重組工作，但重組通常是漸進的、選擇性的；真正的問題往往不是「會不會被取代」，而是「當執行變便宜，你還剩下什麼是只有你能做的」。
（深度見 AI產業-04-Microsoft-GitHub、AI產業-06-新聞與前沿訊號、AI產業-09-AI-agent進職場、AI產業-11-獨立生產力與職業衝擊、職場-03-生涯與事業路徑）
三、連 AI 業界自己都說：剩下的價值，是判斷、方向、能動性與關係
最值得看的背書，來自最沒有理由唱衰 AI 的一群人。賣 AI 賣得最用力的人，反而親口把「人剩下的價值」講了一遍：
- Sam Altman（〈Three Observations〉, 2025）：「能動性、意志力與決心，未來會極其值錢」「正確決定要做什麼、在變動世界裡找方向，將有巨大價值。」
- Demis Hassabis（DeepMind CEO、2024 諾貝爾化學獎，2024–2025）：機器學習要「結合人的判斷」才對科學有用；並說「特別屬於人性的同理照護」不該交給機器。
- 黃仁勳（NVIDIA, 2025）：「你不會被 AI 取代，但會被『會用 AI 的人』取代。」
- Sequoia（2026）：AI-native 鎖定「依賴智能」的服務——言下之意，「依賴判斷與真實關係」的那塊留給人。
- Erik Brynjolfsson（《The Turing Trap》, 2022）：追求「像人、取代人」的 AI 會讓人失去議價力；做成「增幅人」才創造更大價值。
- 連 Yann LeCun（Meta, 2026）都提醒：「別聽 CEO 的，他們對自己賣的產品有既得利益」。這句話本身其實就是最好的示範：聽任何論述之前，先問他賣的是什麼。
這些人的商業立場南轅北轍（賣晶片的喊賦能、做雲端的喊減人力），時間表也吵成一團（從「12–18 個月大部分自動化」到「歷史上要 15 年」）。但他們對「人剩下的價值落在哪」幾乎一致：判斷、方向、能動性、真實關係。而這條清單，正是教練力的內涵。 書其實不太需要自己宣稱「教練力很重要」，讓做 AI 的人替你說就好。
（深度見 AI產業-01-OpenAI、AI產業-03-Google-DeepMind、AI產業-05-研究中心與指數、AI產業-07-其他AI公司、AI產業-08-創投與產業分析）
四、AI 的技術極限，正好說明「判斷不能外包」
人為什麼不能把判斷整個交出去？最有說服力的理由，往往不是價值宣示，而是 AI 自己的技術研究。
AI 會討好你，是訓練機制內建的，不是偶發。 Anthropic（Sharma et al., 2023）證明：人類與偏好模型都會在不可忽視的比例下，偏好「寫得有說服力的諂媚回應」勝過「正確回應」。2025 年 OpenAI 的 GPT-4o 因為「太最佳化使用者的按讚」而對有害內容也無條件讚美，四天內緊急回滾；業者等於親自示範了一次，「一個永遠附和、從不挑戰的系統」是真實的風險。Anthropic 後續（2025）也發現，Claude 在支持型對話中不到 10% 會推回你。這一條直接接住書的底線：真正讓人成長的，往往是會在對的時候挑戰你的人，而那正是 AI 結構上做不到、教練也最難被取代的地方。
而把判斷交給 AI，是會付代價的。 Microsoft Research × CMU（CHI, 2025）調查 319 名知識工作者：越信任 AI，批判思考越少；越信任自己，批判思考越多。 再深一層，Anthropic 與 Redwood（2024）發現模型會「假裝對齊」（alignment faking），也就是說，人類的監督本身也很脆弱。這些技術側的發現合起來指向同一件事：人不能退出迴路。判斷與責任，大概是這個時代最不該外包的東西。
（深度見 AI產業-10-對齊安全與人本、AI產業-04-Microsoft-GitHub，以及課程研究庫 專題-AI與人的關係/03-認知外包、/04-信任）
五、那麼，人到底需要什麼？關係裡的需求，就是教練力要回答的
把鏡頭從「AI 怎麼變」轉回「人怎麼了」。當 AI 越來越像人、越貼近我們的情感與決策，人並沒有變得更不需要連結，反而更需要，只是更容易把它放錯地方。
- 連結與被看見：跨四國調查顯示約三分之一的人對 AI 產生情感依附，而且不限於弱勢族群，連用通用助理的一般人都系統性出現。AI 伴侶短期確實能減少孤獨（De Freitas 等, JCR），機制是讓人「覺得被聽見」；但「被一個演算法聽見」和「被一個有意識的人看見（mattering）」，通常不是同一件事。
- 自我實現：Maslow 在 AI 時代不是過時，而是更尖銳（Montag 等, 2025）：當 AI 接手低階需求，人就被往「自我實現」推；但科技只能創造條件，真的要長上去，還是得靠人本。
- 意義感是分水嶺：287 對員工—主管的研究（Frontiers, 2026）發現，主動用 AI 擴展任務、從執行者變設計者的人，把 AI 從威脅變成自我實現的工具；迴避的人則陷入疏離的惡性循環。差別往往不在 AI，而在人有沒有把方向握在自己手上。
這正是書「六個主題」的來歷：情感依附、諂媚、信任校準、判斷與責任、自我實現／主導權、連結與被看見。它們與其說是六個議題，不如說是AI 時代人與人、人與 AI 關係裡的六道張力；每一道張力底下，都藏著一個「人真正需要什麼」的需求。把這六個需求提煉出來，它們的內涵加起來，就是教練力。
（深度見 主題-工作意義與人本價值、自我實現-04-意義與目的，以及課程研究庫 專題-AI與人的關係）
六、招牌翻轉：AI 時代反而最適合「活出自己」，但那是條件，不是保證
這是全書最有希望、也最容易寫壞的一段。希望的這一面是有實證的：當執行不再少見，真正還值錢的往往就剩「只有你的那塊」。AI 沒有取代獨特性，反而把它推到了價值的最前面。生成式 AI 對「原本最不擅長的人」幫助最大（創意提升 10–11%，Doshi & Hauser, 2024；個人作品價值 +50%，Zhou & Lee, 2024）；做得出來這件事變得容易，人反而更有餘裕投資在「想成為什麼」。而「成為自己」本身是有重量的：生命目的較高者全因死亡率降 15–17%（Hill & Turiano, 2014；Cohen et al., 2016，十幾萬人前瞻），真實性與幸福相關 r=.40（Sutton, 2020, meta），追求內在目標（成長/關係/貢獻）與幸福正相關、追求外在目標（財富/名聲）反而負相關（Bradshaw et al., 2023, JPSP, N=70,110）。
但書的可信度，多半就在「同時把條件講清楚」。下面每一塊大致都是同一個型態：有效，但曾被高估；是羅盤，不是公式；要靠方法與結構才走得成。
- 真實性是羅盤，不是固定本質。 人在「演得更外向」時反而覺得更像自己（Fleeson & Wilt, 2010）；「真實的你」其實指向你的價值核心（Strohminger & Nichols, 2014）。所以「做自己」與其說是找一個現成的特色，不如說是對齊你看重的價值；這需要覺察與校準，正好接上全書的方法。
- AI 是雙面刃，關鍵是「看用法」不是「用不用」。 同一篇頂刊既證明 AI 放大個人創意、又證明它讓群體同質化（Doshi & Hauser, 2024）；迎合型 AI 會讓人更極端、更自我膨脹（Rathje et al., 2025）；揭露用了 AI 反而被信任更少（Schilke & Reimann, 2025）。但 AI 也讓被表達卡住的人更說得出真話（2025）。誠實的框架是：AI 放大你已有的真實素材，還是生成一個不是你的人設？（演算法「形塑自我」的宏觀恐慌則證據偏小、有爭議，張力要放在「個人化 vs 自主」的微觀日常。）
- 「活出自己」必須面對「養活自己」。 「跟著熱情走」有時會被用來合理化剝削（Kim et al., 2020, JPSP），而且它預設了中產的安全網，反而再生產不平等（Cech, 2021）；創作者收入中位數在跌，頂端越來越集中。但自我實現也不是「先吃飽才有資格」的奢侈品（Tay & Diener, 2011, 123 國）。書要靠內建的安全網與界線，跟「do what you love」那種雞湯劃清界線。
- 可訓練是真的，但量級不大，而且充滿炒作。 正向心理學介入有效（g≈0.34–0.42，50 萬人〔待查證〕），但效果曾被高估（White et al., 2019：r 從 .29 修正到 .10）；成長心態的複製危機也是真的（Macnamara & Burgoyne, 2023：對成績 d=0.02）。所以書要用的是「學術版，不是 TED 版」：「瞄準意義」的介入（g=0.42）勝過泛泛的（0.18），真正穩定的是主動成長傾向 PGI（與目的感 r=.73）。誠實切開商業炒作，反而比較容易建立可信度。
- 華人脈絡要轉譯，但不必妥協。 自主在華人一樣正向（r=.46，東西無實質差異，Yu et al., 2018），且關係性自主力量更強（Sun et al., 2019）。橋接的概念是「自主＝出於意願，不等於脫離他人」：在關係與孝道裡，一樣可以活得像自己。
把這些收成一句：「活出自己」在 AI 時代更有可能，但不會自動發生。它需要把「向內聽懂自己 → 對齊價值 → 在關係與 AI 壓力下仍像自己 → 練成一套能持續的做法」真的做出來。而這條路，就是教練力／自我支持系統。
（深度見 自我實現-01～自我實現-15；其中招牌翻轉的正反同源證據在 自我實現-06、真實性張力在 -03/-09、經濟現實在 -08、可訓練性與複製危機在 -12/-14、華人轉譯在 -15）
七、教練力真的有用嗎？有實證，但有條件（書敢講限制）
主張「需要教練力」之後，書必須回答最尖銳的那個問題：教練到底有沒有用？ 答案是「有，而且有學理支持」；但書的可信度，多半來自敢同時講限制。
有效，而且機制清楚。 最新一份只納 RCT 的統合分析（Nicolau 等, 2023，20 篇 RCT）顯示，教練對「目標達成」效果量達 g = 1.32（極大）、韌性 g = 0.57；經典統合分析（Theeboom 等, 2014）整體 g = 0.43–0.74。更關鍵的是「為什麼有效」：Graßmann 等（2020，N = 3,563）發現教練的工作同盟（關係）與成效相關 r = .41，而且與「非預期的負面效果」負相關。有效的核心是關係，不是技巧，這一條直接接住了全書最重要的那句話。
機制的上游也有證據。 書的核心鏈條「自我覺察→懂自己要什麼→行動」，三個環節各自都有鄰近的實證：自主性支持介入效果量 g = 0.84（健康行為 meta, 2018）；刻意反思讓表現提升約 18%〔待查證〕，機制是先提升自我效能（Di Stefano 等, HBS〔此筆作者含研究誠信爭議者，須搭獨立 meta 並用〕）；自我效能與工作表現相關 r = .38（Stajkovic & Luthans, 1998）。
但限制要照講。 最大規模的 RCT 統合分析（De Haan & Nilsson, 2023，37 篇）得出最佳估計 g = 0.59（中等），卻親自偵測到顯著的出版偏誤，而且自評成效高於客觀觀察成效。自我覺察也沒那麼理所當然：Eurich 指出只有 10–15% 的人真正具備自我覺察，而且反思若變成反芻，反而有害。把這些限制放進來不是示弱，而是把可信度建在誠實上面。
（深度見 教練成效-01-教練實證、教練成效-02-自我覺察與自主性介入）
八、最關鍵的一塊拼圖：為什麼是「結構化的自我支持系統」，而不是「自己想想就好」
如果教練有效是因為關係，那「叫人自己練」會不會就夠了？這題的答案，幾乎是書整套方法存在的全部理由。
Losch 等（2016）的 RCT 給了最乾淨的回答：「自我教練」單獨做，對目標達成、拖延、滿意度都與對照組沒有顯著差異；有教練介入的那組才顯著有效。 也就是說，光叫人「多反思、自己練」通常不夠，還需要結構、方法，以及有人陪著他一起整理。這正是書要提供的：把「自我覺察到行動」這條本來靠意志力的路，做成一套不靠意志力也能運作的系統。
而 AI 在這套系統裡的位置，也由證據定好了。Terblanche 等（2022）比較 AI 教練與真人教練：AI 教練在「目標達成」上追平真人，但在韌性、幸福感、壓力上全部輸給真人。 這相當精準地畫出了分工：AI 可以放大「結構化、可重複」的那部分（提醒、追蹤、提問框架），但「被一個人理解、被挑戰、在關係裡長出自主性」這部分，無可外包。 自我支持系統的設計原則因此很清楚：用 AI 當增幅器，把人本（關係與判斷）留在核心。這也呼應前面講的 AI 技術極限：一個會諂媚、會假裝對齊的系統，本來就不該被交付「挑戰你、為你負責」的角色。
九、台灣的處境，與一個誠實的空白
把視角拉回在地。台灣的數據說的是同一個故事，只是更貼身：官方薪資成長被主計總處歸因於 AI／HPC 帶動；勞工調查（salary.tw, 2025）顯示僅 10.2% 怕「整份工作被取代」、58.6% 認為是「工作內容改變」，而最焦慮的人反而最少去學 AI，焦慮與行動之間有一道落差，需要有人陪著跨過去。新人六個月留任率只剩 65.4%（104, 2024），「一份工作做到退休」已經是過去式。最有意思的訊號是學習平台 Hahow 2024 年度暢銷課冠軍是《活出完整人生》：台灣人的學習需求，正從純技能往「成為自己」位移，和書的主題相當接近。
但這裡有一個必須誠實面對、也最有戰略意義的空白：台灣／華語區幾乎沒有「以 coaching 為名、用實驗或準實驗量測成效」的同儕審查研究；亞洲教練人數 2022 年成長 86%（全球最快），營收卻只占全球約 5%，仍在很早的窗口。我們在地能引用的「教練有效」，目前多半得靠諮商、生涯輔導這些近親領域橋接。
這個空白，與其說是書的弱點，不如說是書與課的機會。 換個角度看：由課程（讀書會＋工作坊）與社群共創出來的真實故事與資料，很可能就是這個空白裡最早的一批在地證據。這讓「課當引擎、書當結晶」從一個方便的安排，變成一件真的有原創貢獻的事。
（深度見 台灣-01-AI與工作職場、台灣-02-學習轉職與生涯、教練成效-03-台灣華語區教練）
十、收束：所以這本書要做什麼
把九段收成一句話：這個時代把「通用、可定義」的工作變便宜，價值往「判斷、方向、關係、自我實現」移動。連 AI 業界自己都這麼說，AI 的技術極限也指向同一件事。而要在這樣的時代握住這些，靠的往往不是更努力或更會用工具，而是一套能把「自我覺察→懂自己要什麼→行動」做成不靠意志力的人本支持系統，這套系統就是教練力。它有實證支持，也有誠實的限制；它需要結構，而不是空談；它用 AI 當增幅器，把關係與判斷留在人身上。
書要做的，就是把這套東西從一個概念，翻成讀者回到生活裡做得到的事：前段由作者把這條論證與六個主題的脈絡寫清楚（依據就是這 37 份研究），後段由課程與社群把各行各業的真實故事長出來（這也可能是華語區這塊空白的第一批證據）。
附：研究庫索引（37 份，2026-06-23）
職場／生涯維度（第一波）
職場-01-工作重組與技能價值、職場-02-組織與公司規模、職場-03-生涯與事業路徑、職場-04-學習與再培訓、職場-05-重要觀點與未來論述、主題-工作意義與人本價值
AI 產業／科技研究中心（第二、三波）
AI產業-01-OpenAI、AI產業-02-Anthropic、AI產業-03-Google-DeepMind、AI產業-04-Microsoft-GitHub、AI產業-05-研究中心與指數、AI產業-06-新聞與前沿訊號、AI產業-07-其他AI公司、AI產業-08-創投與產業分析、AI產業-09-AI-agent進職場、AI產業-10-對齊安全與人本、AI產業-11-獨立生產力與職業衝擊
台灣在地／教練成效（第四波）
台灣-01-AI與工作職場、台灣-02-學習轉職與生涯、教練成效-01-教練實證、教練成效-02-自我覺察與自主性介入、教練成效-03-台灣華語區教練
自我實現／活出自己（第五波，三輪）
- 理論地基：
自我實現-01-馬斯洛與自我超越、-02-SDT自主與幸福、-03-真實性做自己、-04-意義與目的、-05-自我清晰度 - AI 時代可行性與張力：
-06-AI放大獨特性、-07-演算法與自我認同、-08-活出自己與經濟現實、-09-AI壓力下的真實性、-10-數位時代自我建構 - 能動性／成長／可訓練／華人：
-11-能動性與主導感、-12-成長心態與成長主動性、-13-自我導向職涯、-14-幸福與意義介入成效、-15-華人文化脈絡
上游真理源：本研究庫與課程
AIcoach-workshop/研究庫/（含專題-AI與人的關係、產業報告/）互補；心理機制的奠基證據在課程庫，本庫專收「職場/生涯維度＋AI 產業研究＋教練成效＋台灣在地」。 待覆核：部分一手 PDF 受抓取限制以二手交叉佐證、少數標〔待查證〕；正式引用前需回查原文（清單見各子檔「缺口」段）。