AI Highlights——全貌——2026-10-25（日）每日新聞

據報導，德國的忠利集團(Generali)將在2030年前裁減800個職位，並以AI為核心重組業務。美國農業部的資訊科技主管表示，由於人員流失，人類對AI的監督將難以維持。AI的應用正擴及就業、金融與心理健康領域。決定加快導入或延後導入的差別，與其說在於效益的大小，不如說在於能否維持人員的監督與支援。這篇半天份量的文章可用來確認在就業、金融市場、情緒支持、安全監控與診斷影像等領域，是否符合這些條件。

人員縮編持續推進，主管已應接不暇

據報導，德國的忠利集團(Generali)將在2030年前裁減800個職位，並以AI為核心重組業務(Menafn)。在美國，由於對AI造成大規模裁員的擔憂，國會正在探討支持勞工的方式(《紐約時報》)。裁員動向已同時出現在企業規劃與政治議程中。另一方面，數字並未朝同一方向發展。根據美國商會(U.S. Chamber of Commerce)的一項調查，據報導奧克拉荷馬州有許多中小企業表示，導入AI之後僱用人數增加了(KSWO 7News)。即使採用的是同樣的AI，大型企業的重組計畫與中小企業的職場在運用方式上也並不相同。無視貴公司的規模與產業，直接套用其中任何一個案例，是很危險的。

當人力縮減持續推進時,問題將不再只是人數多寡,而是留下來的人能做些什麼。美國農業部(U.S. Department of Agriculture)的一位資訊科技主管表示,由於人員裁減,AI 的「人類監督」將難以維持(FedScoop)。有人指出,即使在導入 AI 時是以人類負責檢查 AI 的輸出並防止錯誤為前提,一旦負責該角色的人數減少,這個前提就會崩解。從這個角度來看,僅憑可以減少的人數來估算導入成本效益的決策,必須重新檢討。

國際勞工組織（ILO）同樣關注勞工權益，並提出疑問：當 AI 管理職場時，誰有發言權（Devdiscourse）。這裡的問題在於，當 AI 對職務配置與考核做出決定時，是否已建立讓勞工表達意見的機制。確保有監督人員與賦予勞工發言權，看似是兩個不同的議題，但兩者都關係到同一個問題：人類能否持續參與 AI 的決策。

愛爾蘭就是一例，FIT 與 Intel 合作，提升勞工的 AI 技能（Silicon Republic）。無論是轉職者，還是轉任監督角色的人，都需要進行技能提升。然而，光是有聯盟存在，並不保證培訓能趕上裁減的速度。究竟是削減人數的決定先行，還是支援留任者與離開者的準備先行？引進的先後順序，將決定該加快導入還是延後。這個問題在就業以外的金融與心理領域，也以相同的形式出現。

貨幣市場與銀行反映出的過度反應與壓力

近期經濟指標顯示，市場對 AI 相關投資與貿易抱持審慎看法。根據 www.christophe-barraud.com 彙整的摘要，全球 AI 相關貿易正承受壓力。日本的通膨率超過日本央行的目標，而歐元區的採購經理人指數（PMI）則低於預期。在金融方面，市場擔憂 AI 代理人會動搖銀行存款，CNBC 報導指出，這可能是華爾街的過度反應。由於物價、企業信心與存款同時被討論，導入 AI 的企業不僅要考量預期效果，也不得不考量融資與客戶動向等外部環境。是否要搶先導入，其中一項決定因素就在於這些疑慮是否被誇大到超出實際情況。

另一方面，製藥與醫療數據領域的交易並未停止。根據 tokenpost.com 報導，Tempus AI 與 Pathos AI 簽署了金額最高達 5,500 萬美元的神經數據協議。marketscreener.com 報導，Tempus AI 與 Bristol-Myers Squibb 簽署了多年期協議，授權多模態腫瘤學數據。根據 Indian Pharma Post 報導，Tricog Health 將與 Sanofi 及 OMRON Healthcare 擴大全球布局，致力從心電圖（ECG）邁向 AI 驅動的照護。這些合約的金額與條件明確，簽約方包括大型製藥公司與醫療器材公司。

這兩項動向顯示，即使是同樣的 AI，不同領域做出判斷的依據也不同。在金融市場，疑慮會先反映在價格與看法上，之後才會探討華爾街的反應是否過度。在資料交易方面，條件是在神經學、腫瘤學、心電圖等特定領域，事先以合約形式固定下來。不過，從目前的資料中可以得知的，是合約的簽訂與部署的擴大，光憑這些報導，無法得知導入之後人員的驗證與支援將如何運作。

即使市場行情出現波動，仍有一些領域的交易得以持續進行，因此是否引進這些做法，與其說取決於經濟的強弱，不如說取決於人們能否持續在現場確認成果。下一節將檢視心智領域，看看這種確認與支援是否確實被維持。

越來越多人轉向 AI 尋求情感支持

Fast Company 報導,年輕人開始使用 AI 來支持自己的心理健康。Fox News 則討論了為什麼有更多人被 Meta 的 AI Muse 所吸引。與此同時,The Independent 報導,一位精神科醫師指出向 AI 尋求心理健康建議的危險性。如果將這三個案例並排來看,使用的擴散與專家對危險性的指出正同步進行。當讀者在決定公司的產品以及在家中的使用方式時,僅僅依靠使用者人數的成長作為導入的依據是不夠的。首先必須確認,以此來尋求建議的用法是否被精神科醫師視為有問題。

Social Market Foundation 指出，模仿人類同理心與親密感的 AI 既有機會，也有代價。模仿同理心的機制，為想找人傾訴的人提供了便利的選擇。另一方面，也有看法認為模仿本身會帶來代價，而導入這類機制的業者也必須承擔這些代價。這裡要決定的是，要根據機會來擴大，還是根據代價來縮小範圍。

這個問題並不僅限於醫療或諮商場域。CBS News 報導了明尼蘇達州一位宗教領袖對於 AI 將對宗教造成何種影響的看法。波士頓大學(Boston University)則宣布在 808 Gallery 舉辦一場新展覽,探討 AI 時代下版畫不完美的美。即使在宗教與版畫這兩個截然不同的領域,AI 的出現也迫使我們重新思考身而為人的意義。

隨著依賴 AI 提供情感支持的趨勢日益普及，人類能在多大程度上監督這種支持，將決定究竟是急於導入還是放棄導入。

針對安全漏洞與認知／合作所劃定的界線

外部稽核發現OpenAI安全監督存在重大漏洞(the-decoder.com)。這表示外部稽核發現了內部檢查時看不到的缺陷。對於導入AI的企業而言，業者自稱正在進行安全監控是一回事，由第三方確認其結果又是另一回事。如果您正在決定要加快導入還是延後，現在除了提供者的說明之外，也有了可以確認是否有外部稽核以及稽核結果內容的依據。

在這個漏洞被報導的同時，也出現了三場關於界線該劃在哪裡的討論。第一場是AI的意識。《國家評論》(National Review)刊出一篇發表於《自然》(Nature)、談論AI意識的文章，並主張不應賦予機器權利。某事物是否具有意識的討論，與是否應授予其權利的判斷，可以視為兩個不同的問題。從業者的角度來看，無論意識的爭論如何發展，是否繼續由人類負責把關AI的產出，仍是企業必須自行決定的事。

第二是國與國之間的合作。《原子科學家公報》（Bulletin of the Atomic Scientists）主張，核子安全可能成為美中 AI 合作的切入點。其想法是，即使兩國處於對立狀態，只要在核武管制上有共同利益，就更容易建立討論的平台。第三是醫療監管。根據 Radiology Business 報導，在 FDA 著手監管生成式 AI 之際，放射學會已發表意見。臨床現場參與診斷影像的專家團體，對監管提案的形成具有直接的發言權。對企業而言，規劃導入的前提，是即使在法規內容尚未定案之前，也要關注所屬領域的學會與產業團體所表達的意見。

從 OpenAI 的稽核結果、關於意識與權利的討論、美中合作，以及學界對 FDA 的意見來看，劃定界線的一方可分為企業、評論者、國家與專業組織。至於由誰來檢驗所劃定的界線，目前仍沒有答案。下一節將探討目前有多少機制可以執行這類檢驗。

擴大影像診斷模型的驗證

在乳癌方面，有研究報告指出，結合多期腫瘤及腫瘤周邊動態對比增強 MRI 的影像組學與傳統特徵，建立可於術前預測腫瘤浸潤淋巴球數量的模型（BMC Medical Imaging）。在子宮內膜癌方面，則探討了結合多參數 MRI 影像組學與深度學習的術前風險分層（Frontiers in Oncology）。在肝臟方面，已有研究發表，結合動態對比增強 MRI 的深度學習模型與臨床模型，以非侵入方式鑑別肝細胞癌與腫塊型肝內膽管癌（Frontiers in Oncology）。這三項研究的目標，都是在手術或切片檢查之前，增加可供判斷的資訊量。考慮引進模型的人，除了準確度數字之外，還必須先決定該模型將用於醫療的哪個階段。

運用電腦斷層（CT）與病理影像的報告也持續出現。有研究使用以 Transformer 為基礎的模型預測肺神經內分泌癌的預後，該研究為雙中心回溯性世代研究（Frontiers in Oncology）。針對早期胃癌的淋巴結轉移，有研究利用內視鏡切片檢查的全玻片影像，以多模態 Transformer 評估術前風險（Annals of Biomedical Engineering）。在肌肉侵犯性膀胱癌方面，有研究使用可解釋的、以對比增強 CT 為基礎的交叉注意力 Transformer 模型預測無惡化存活期，並以多中心研究的形式發表（Abdominal Radiology）。其中包括回溯性設計，以及僅限於兩間機構的報告。能否直接用於日常醫療，必須透過另外的驗證加以確認。另一方面，強調可解釋性的設計不斷出現，與醫師能否檢視模型輸出這項監督問題直接相關。

影像 AI 的應用正在擴展到醫學之外。一項使用 CNN 模型對犬隻異常腦部 MRI 影像進行分類的研究，已發表於 Scientific Reports。另有一項研究比較監督式與非監督式方法，用以從 MRI 影像中擷取腦腫瘤（Romanian Reports in Physics）。在更貼近農業的領域，一款僅使用單一攝影機來偵測並剔除壞蘋果的輕量化 AI 原型，已在線上分選流程中進行測試（Bioengineer.org）。同樣的影像分析技術，被用於人類診斷、動物診斷與水果分選。因此，必須針對每項應用個別決定：流程中有多少應交給機器處理，又有哪些應由人類確認。

隨著查證次數增加，導入成敗將取決於誰能持續檢查輸出內容以及如何檢查，而非準確度本身。

各個面向的共通點在於:相較於 AI 導入與使用的速度,後續能否維持人類的監督與支援,其實很容易就能加以確認。隨著裁員持續推進,問題變成了留下來的人能夠承擔哪些責任。在資本市場,則必須判斷疑慮是否超出了現實。在情感支持方面,其使用範圍不斷擴大,專家也指出兩者是同步發展的。安全監控需要第三方的確認,影像診斷則需要決定要將其置於治療的哪個階段。究竟該加速推動導入,還是延後,不僅可以根據預期效果的大小來判斷,也可以根據導入之前是否已建立監督與支援的機制來判斷。

問題1：以目前的人數，在導入之後，是否仍有足夠的人力與時間，持續檢查委託 AI 處理之工作的成果？ 問題2：在核准使用 AI 時，是否不只仰賴提供者的說明，而是將外部確認結果與專家意見也列為條件？ 問題3：導入 AI 的預期效果，是否與維持人工監督及支援所需的成本和人力，在同一個判斷場合中進行比較？

最後，三個問題

- 即使在導入之後，目前的人數與時間是否足以持續查核委託給 AI 的工作成果？ Q2：在核准使用 AI 的條件中，是否納入外部查證結果與專家意見，而非僅仰賴提供者的說明？ Q3：導入 AI 所預期的效益，是否已與在同一判斷場域中維持人為監督與支援所需的成本及人力相比較？ - 在核准使用 AI 的條件中，是否納入外部查證結果與專家意見，而非僅仰賴提供者的說明？ Q3：導入 AI 所預期的效益，是否已與在同一判斷場域中維持人為監督與支援所需的成本及人力相比較？ - 導入 AI 所預期的效益，是否已與在同一判斷場域中維持人為監督與支援所需的成本及人力相比較？