Ryan Roslansky 所說的「末日循環」（doom loop），指的是一種看似高效、實際上可能不斷稀釋資訊價值的工作流程：AI 先寫出一份文件，另一個 AI 再把它濃縮成摘要，接著人們轉發這份摘要，卻沒有人補上新的分析、證據或判斷。1134

結果可能是一份語氣流暢、排版完整的文件，但組織並沒有因此得到新點子、確認事實，或做出更好的決策。Roslansky 的重點並不是「不要使用 AI」，而是不要把語句通順誤認為思考有價值。AI 能加快工作，卻無法自動替人承擔背後的判斷責任。

Roslansky 所說的「末日循環」是什麼？

Roslansky 描述，他曾收到一份看起來幾乎完全由 AI 生成的文件。讀過之後，他又請 AI 替自己摘要，結果發現這個流程並沒有為原本的想法帶來任何「新的思考」。113

這個循環大致如下：

1. AI 產出一份職場文件。
2. 收件者再交由 AI 處理，避免完整閱讀或自行消化內容。
3. 摘要被轉發，彷彿代表工作已有進展。
4. 沒有人補充新證據、專業知識、解讀，或真正做出決定。

問題不只是第一份草稿可能出錯，更在於組織同時把資訊的生產與消費都自動化，卻拿掉了讓溝通真正有價值的人類貢獻。一份文件可以文法正確、結構清晰，卻仍然沒有任何實質想法。

「AI 垃圾」不只是網路內容問題

在這個語境中，「AI slop」可理解為低價值、制式化的 AI 生成內容：外觀看似完成，實際上缺乏原創觀點或有用的實質內容。Roslansky 表示，這個問題已經不只出現在社群網路，也進入日常工作。38

他用「一片同質化的海洋」（an ocean of sameness）形容更大的隱憂。當員工使用相似的模型、提示詞、範本與企業用語，職場溝通可能變得越來越難以區分。代價不只是文章變得普通，還可能包括：

• 分析更缺乏辨識度；
• 更難看出員工真正的想法與立場；
• 花更多時間審閱看似有資訊、實際卻沒有增加價值的內容；
• 決策建立在未經檢驗的摘要，而不是有人負責的推理之上。

這形成一種效率悖論：AI 讓寫作與摘要變得更便宜，卻可能讓資訊本身變得更不值錢。正如一篇報導概括 Roslansky 的擔憂，這最後可能成為「一種非常昂貴的逃避寫作與閱讀方式」。4

他主張的是「增強」，不是「取代」

Roslansky 更廣泛的立場是，AI 應該協助人們去做、學習與創造，同時保留每個人自身的經驗與觀點。1130

這個差別相當關鍵。當 AI 協助使用者釐清自己理解的想法、比較證據、找出盲點，或處理重複性工作時，它能發揮很大作用。但如果 AI 變成「先替我想一個想法」的替代品，或沒有人願意為結果負責，效用就會大幅下降。

因此，可以用一個簡單問題檢驗 AI 是否真的帶來價值：AI 完成工作後，人類到底增加了什麼？答案不應只是「把文字修得更順」。它可以是經過查證的事實、對取捨的判斷、實際決策、客戶洞察，或無法單靠一般化整理產生的獨特觀點。

這項批評為何讓微軟格外尷尬？

Roslansky 的批評，正好落在一家讓這類工作流程變得更容易的公司內部。微軟已將 Copilot 推進旗下生產力工具生態系，並持續擴展能夠接手重複流程、無須等待使用者提示便採取行動，以及在背景中存取獲授權應用程式與檔案的 AI 代理人。202118

這確實產生明顯張力，但不代表 Roslansky 反對 AI。他指出的其實是工作設計與治理問題：系統越能生成、分派、摘要並處理資訊，就越需要明確規定哪些環節必須由人審查，以及誰要對結果負責。

微軟自己的產品文件也讓 Copilot Chat 中的 AI 免責聲明持續顯示，並允許管理員提高警示的顯著程度，或連結到組織內部的 AI 政策。19 這並不能證明所有 AI 輸出都不可靠，但反映出生成內容應被視為需要審閱的材料，而不是可以自動當成可信工作的成品。

微軟內部的 AI 論述也存在拉鋸

Roslansky 使用「AI 垃圾」一詞之際，也與微軟執行長 Satya Nadella 早先反對以這個詞概括 AI 的立場形成對照。Nadella 認為，AI 應被理解為支撐人類潛能的「鷹架」，而不只是取代人類能力的工具。3235

兩人的用語不同，但核心問題其實相近：AI 究竟是在放大人類思考，還是在取代組織真正依賴的思考過程？

微軟目前正從兩個方向處理這個問題。一方面，公司正在打造更自主的系統，包括能在既定指示與防護措施下監測事件、做出決定並執行任務的代理人。21 另一方面，產品控制項與免責聲明也承認，自動化仍需要邊界與監督。

Brad Smith 與 Roslansky 的公開對談，主題聚焦於 AI 焦慮、技能培養與工作的未來。這與 Roslansky 強調人類能力的方向一致，但現有證據不足以證明 Smith 特別支持那篇 8 月貼文。30

給 AI 職場的實際提醒：人不能只負責按下「核准」

Roslansky 的警告，最終談的不是如何偵測作者是否使用 AI，而是責任歸屬。一份文件不會因為篇幅很長、文字很順，或已經被整理成摘要，就自然具備價值。仍然必須有人對其中的事實、推理、影響與決策負責。

較穩妥的做法不是禁止 AI 撰寫草稿或製作摘要，而是在人類產生實質內容、行使判斷的關鍵節點保留人工參與：

• 用 AI 協助建立結構、整理研究資料、撰寫初稿及處理例行轉換；
• 重要主張交由具備相關專業的人員查證；
• 清楚寫出作者的建議、證據與前提假設；
• 把摘要當成協助閱讀的工具，而不是免除理解責任的捷徑；
• 追問這個 AI 輔助流程究竟帶來了什麼新決策或新洞察。

核心訊息很簡單：AI 可以加速一個由人提出的想法，但不能取代「先有一個想法」這件事。

Ryan Roslansky 所說的「末日循環」（doom loop），指的是一種看似高效、實際上可能不斷稀釋資訊價值的工作流程：AI 先寫出一份文件，另一個 AI 再把它濃縮成摘要，接著人們轉發這份摘要，卻沒有人補上新的分析、證據或判斷。1134

結果可能是一份語氣流暢、排版完整的文件，但組織並沒有因此得到新點子、確認事實，或做出更好的決策。Roslansky 的重點並不是「不要使用 AI」，而是不要把語句通順誤認為思考有價值。AI 能加快工作，卻無法自動替人承擔背後的判斷責任。

Roslansky 所說的「末日循環」是什麼？

Roslansky 描述，他曾收到一份看起來幾乎完全由 AI 生成的文件。讀過之後，他又請 AI 替自己摘要，結果發現這個流程並沒有為原本的想法帶來任何「新的思考」。113

這個循環大致如下：

1. AI 產出一份職場文件。
2. 收件者再交由 AI 處理，避免完整閱讀或自行消化內容。
3. 摘要被轉發，彷彿代表工作已有進展。
4. 沒有人補充新證據、專業知識、解讀，或真正做出決定。

問題不只是第一份草稿可能出錯，更在於組織同時把資訊的生產與消費都自動化，卻拿掉了讓溝通真正有價值的人類貢獻。一份文件可以文法正確、結構清晰，卻仍然沒有任何實質想法。

「AI 垃圾」不只是網路內容問題

在這個語境中，「AI slop」可理解為低價值、制式化的 AI 生成內容：外觀看似完成，實際上缺乏原創觀點或有用的實質內容。Roslansky 表示，這個問題已經不只出現在社群網路，也進入日常工作。38

他用「一片同質化的海洋」（an ocean of sameness）形容更大的隱憂。當員工使用相似的模型、提示詞、範本與企業用語，職場溝通可能變得越來越難以區分。代價不只是文章變得普通，還可能包括：

• 分析更缺乏辨識度；
• 更難看出員工真正的想法與立場；
• 花更多時間審閱看似有資訊、實際卻沒有增加價值的內容；
• 決策建立在未經檢驗的摘要，而不是有人負責的推理之上。

這形成一種效率悖論：AI 讓寫作與摘要變得更便宜，卻可能讓資訊本身變得更不值錢。正如一篇報導概括 Roslansky 的擔憂，這最後可能成為「一種非常昂貴的逃避寫作與閱讀方式」。4

他主張的是「增強」，不是「取代」

Roslansky 更廣泛的立場是，AI 應該協助人們去做、學習與創造，同時保留每個人自身的經驗與觀點。1130

這個差別相當關鍵。當 AI 協助使用者釐清自己理解的想法、比較證據、找出盲點，或處理重複性工作時，它能發揮很大作用。但如果 AI 變成「先替我想一個想法」的替代品，或沒有人願意為結果負責，效用就會大幅下降。

因此，可以用一個簡單問題檢驗 AI 是否真的帶來價值：AI 完成工作後，人類到底增加了什麼？答案不應只是「把文字修得更順」。它可以是經過查證的事實、對取捨的判斷、實際決策、客戶洞察，或無法單靠一般化整理產生的獨特觀點。

這項批評為何讓微軟格外尷尬？

Roslansky 的批評，正好落在一家讓這類工作流程變得更容易的公司內部。微軟已將 Copilot 推進旗下生產力工具生態系，並持續擴展能夠接手重複流程、無須等待使用者提示便採取行動，以及在背景中存取獲授權應用程式與檔案的 AI 代理人。202118

這確實產生明顯張力，但不代表 Roslansky 反對 AI。他指出的其實是工作設計與治理問題：系統越能生成、分派、摘要並處理資訊，就越需要明確規定哪些環節必須由人審查，以及誰要對結果負責。

微軟自己的產品文件也讓 Copilot Chat 中的 AI 免責聲明持續顯示，並允許管理員提高警示的顯著程度，或連結到組織內部的 AI 政策。19 這並不能證明所有 AI 輸出都不可靠，但反映出生成內容應被視為需要審閱的材料，而不是可以自動當成可信工作的成品。

微軟內部的 AI 論述也存在拉鋸

Roslansky 使用「AI 垃圾」一詞之際，也與微軟執行長 Satya Nadella 早先反對以這個詞概括 AI 的立場形成對照。Nadella 認為，AI 應被理解為支撐人類潛能的「鷹架」，而不只是取代人類能力的工具。3235

兩人的用語不同，但核心問題其實相近：AI 究竟是在放大人類思考，還是在取代組織真正依賴的思考過程？

微軟目前正從兩個方向處理這個問題。一方面，公司正在打造更自主的系統，包括能在既定指示與防護措施下監測事件、做出決定並執行任務的代理人。21 另一方面，產品控制項與免責聲明也承認，自動化仍需要邊界與監督。

Brad Smith 與 Roslansky 的公開對談，主題聚焦於 AI 焦慮、技能培養與工作的未來。這與 Roslansky 強調人類能力的方向一致，但現有證據不足以證明 Smith 特別支持那篇 8 月貼文。30

給 AI 職場的實際提醒：人不能只負責按下「核准」

Roslansky 的警告，最終談的不是如何偵測作者是否使用 AI，而是責任歸屬。一份文件不會因為篇幅很長、文字很順，或已經被整理成摘要，就自然具備價值。仍然必須有人對其中的事實、推理、影響與決策負責。

較穩妥的做法不是禁止 AI 撰寫草稿或製作摘要，而是在人類產生實質內容、行使判斷的關鍵節點保留人工參與：

• 用 AI 協助建立結構、整理研究資料、撰寫初稿及處理例行轉換；
• 重要主張交由具備相關專業的人員查證；
• 清楚寫出作者的建議、證據與前提假設；
• 把摘要當成協助閱讀的工具，而不是免除理解責任的捷徑；
• 追問這個 AI 輔助流程究竟帶來了什麼新決策或新洞察。

核心訊息很簡單：AI 可以加速一個由人提出的想法，但不能取代「先有一個想法」這件事。