Reading Human Signals in the AI Age: From Judgment to Understanding
內容目錄
10秒印象看，他怎麼走進房間，是大步流星還是輕步緩行。看他的眼神，是堅定還是迴避。看他的肢體，是開放還是防備。看他說話的節奏，是快而洪亮還是慢而柔和。
這些在面對面時很有用。一個姿態、一個停頓，就能感受到對方的狀態。
但現在工作越來越多在線上。訊息、Email、視訊會議、社群貼文、語音留言，你根本看不到他怎麼進房間，也看不到他的眼神，10 秒印象還在，但我們能拿到的訊號已經完全不一樣了。
一、當觀察少了現場，文字就變成新的肢體語言
在線上，文字就是肢體語言，一封 Email 的開頭怎麼寫、回覆有多快、句子是長是短、有沒有確認細節，都會形成印象。
- 簡短回覆、直接給結論，可能代表重視效率，也可能只是當下在開車、在趕另一個會議。
- 長篇說明、反覆補充背景，可能代表謹慎，也可能是擔心被誤解。
- 經常使用問句確認，可能重視共識，也可能只是還沒掌握足夠資訊。
- 很少表達情緒，不代表冷漠。大量使用表情符號，也不一定代表外向。
一段訊息，只能反映一個當下。一個人的完整性格，不會只藏在回覆時間或幾個用詞裡。
過去我們靠直覺看人，現在直覺不夠用了，因為很多訊號被切碎在不同的工具裡。
二、AI 改變的不是看透人的能力，是整理訊號的能力
AI 時代改變的，不是讓我們 10 秒就能更準確看透一個人，而是讓原本很零碎、很容易被忽略的溝通細節，開始有機會被整理。
在團隊裡，有些人習慣先講結論再補背景，有些人習慣先講情境確認共識。有人偏好條列、數字、明確時程，有人重視語氣、關係、討論過程。這些不一定等於性格，但反映了不同的思考方式和工作偏好。AI 可以幫忙整理的，是這些模式…
| 場景 | AI 可以協助整理的內容 | 適合用來做什麼 |
|---|---|---|
| 視訊會議 | 議題、共識、待辦、發言比例 | 看見討論有沒有失焦 |
| 客服互動 | 常見情緒、問題類型、抱怨原因 | 減少重複發生的誤會 |
| 團隊協作 | 溝通斷點、重複問題、決策紀錄 | 找到為什麼一直卡住 |
| 業務訪談 | 客戶關切點、需求優先順序 | 對齊彼此在意的重點 |
| 招募面談 | 問答主題、能力案例、職務匹配 | 回到事實而不是印象 |
AI 能看見的是模式，不是完整的人。
三、AI 可以整理訊號，但不能代替判斷
當 AI 開始參與理解人這件事，界線要更清楚，我最近一直在提醒自己這幾句…
- 緊張不等於不誠實
- 沉默不等於沒有想法
- 眼神迴避不等於有隱瞞
- 語速快不一定代表自信
- 語氣平淡也不一定代表缺乏熱情
人會受到場合、文化、睡眠、壓力、權力關係與當天情緒影響。AI 如果只根據有限訊號就下結論，很容易把暫時狀態誤認成固定性格。
AI 分析最有價值的地方，不是替誰貼標籤，而是提醒我們，有哪些訊號值得多理解一次。
四、比起看透，更重要的是減少誤解
人際互動裡最常見的問題，未必是不夠了解，而是太快以為已經了解。
第一次見面的印象很強，但也很容易被環境放大。一個人在簡報前的緊張、一場陌生聚會裡的安靜、一封趕時間寫出的短訊息，都可能讓人產生錯誤解讀。
AI 讓資訊更多，也讓判斷更快，但資訊更多，不代表理解更深。在團隊裡尤其如此…
- 有些衝突不是能力問題，而是表達方式不同
- 有些延誤不是不負責任，而是優先順序沒有對齊
- 有些沉默不是沒有意見，而是還沒有適合表達的空間
真正有價值的，不是透過 AI 在 10 秒內替一個人建立完整人格檔案，而是透過更好的資訊整理，減少以為對方知道、以為對方不在意、以為對方不同意這類誤會。
五、從判斷，回到理解
10 秒可以留下印象，但很難構成結論。
肢體語言、眼神、語調、文字與數位互動，都能提供一些線索。AI 也能讓這些線索更容易被整理。
但人不是一組可被快速分類的數據。
未來十年，我想練習的不是更快看透一個人，而是保留不急著定義彼此的空間。願意多確認一次，願意多傾聽一次，與其一直問誰對誰錯，不如問如果選擇這條路，我們願意承擔什麼，又會放掉什麼。
AI 能協助看見模式，讓對話有更多入口。真正讓關係變好的，仍然是人自己。
發表迴響