總論 — AI 時代為何需要教練力
這份是證據核的論證主軸：把全庫證據收斂成一條「為什麼 AI 時代更需要教練力」的線。逐筆效果量在各主題檔，這裡只給主軸與招牌證據。
主軸（撐 主軸論述）
- AI 把「通用、可定義」的工作變便宜，價值往上移（撐 主軸論述 §二三）。Anthropic Economic Index：約 49% 職業有 ≥25% 任務用到 AI、但僅約 4% 被覆蓋 ≥75%；也就是說，AI 落在任務層，極少整份取代。MIT Sloan EPOCH（O*NET 約 1.9 萬任務）：同理/臨在/判斷/創造/願景密集的職業就業成長更強。這五項，幾乎就是教練力在練的內容。
- 兩種噪音都值得先放一邊：恐慌與行銷，都不太可能是真相的全貌。 恐慌面：耶魯 Budget Lab（追蹤 ChatGPT 上市 33 個月，無可辨識崩塌）、丹麥 2.5 萬人薪資研究（精準零效果）。不過 Stanford Canaries（青年高曝險職位 −13~16%）也顯示，衝擊往往是選擇性、對準特定人的。行銷面：METR RCT（資深工程師慢 19%）、MIT NANDA（95% 試點無財務回報）、Forrester（九成「AI 裁員」公司沒有可上線 AI）。詳見 產業報告-採用與兌現的鴻溝。
- 連 AI 業界自己都說「剩下的價值是判斷、方向、能動性、關係」（撐 主軸論述 核心句）：
- Sam Altman〈Three Observations〉(2025)：「能動性、意志力與決心，未來會極其值錢」。
- 黃仁勳 (2025)：「你不會被 AI 取代，但會被會用 AI 的人取代。」
- Demis Hassabis (2024–25)：「特別屬於人性的同理照護」不該交給機器。
- Yann LeCun (2026)：「別聽 CEO 的，他們對自己賣的產品有既得利益。」這句話本身，也剛好提醒讀者：聽任何論述，可以先問對方在賣什麼。
這些人的商業立場差得很遠，對「人剩下什麼」的看法卻幾乎一致。我們不太需要自己宣稱教練力重要，讓做 AI 的人替我們說就好。
- AI 的技術極限，就是「判斷不能外包」的硬道理（撐 四層能力框架 紅線、倫理守則）：諂媚是訓練內建（Anthropic Sharma et al.）、GPT-4o 諂媚事件四天回滾、越信任 AI 批判思考越少（Microsoft×CMU, 319 人）。詳見 AI與人的關係-依附信任與判斷不外包。
- 教練力有實證、也有誠實的限制（撐 內核模型）：教練對目標達成 g=1.32（Nicolau RCT-only）、核心是關係 r=.41（Graßmann）、但純自我教練無效（Losch）。所以人需要的是結構化的支持系統，而不只是「自己想想就好」。詳見 教練成效-實證與限制。
- 台灣的處境與一個誠實的空白：在地數據說同一個故事（焦慮高、行動低、學習往「成為自己」位移），但台灣/華語區幾乎沒有以 coaching 為名、量測成效的同儕審查研究。這個空白，某種程度正是 AndAction 的機會。詳見 台灣脈絡-在地數據與空白。
收束（一句）
AI 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 的技術極限也這麼證明。要在這樣的時代握住這些，靠的是一套把「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。
全庫姿態
我們不反 AI，也不靠打氣或恐懼來賣東西：先把連 AI 業界自己都承認的事攤開，再誠實說限制，然後才講怎麼做。