AI 寫給 AI 看、AI 回給 AI 看，溝通外包使人類陷入「機器人輪迴」

當發信的一端與回信的一端都由 AI 代勞，人類實際想傳達的內容被層層轉譯與擴寫，最終形成一個缺乏實質資訊的循環。這個現象正在改變書面溝通的資訊密度與效率。

這個循環的運作方式相當清楚。發信者把幾句要點交給 AI，請它擴寫成一封完整、得體的信件；收信者收到後，把這封長信交給 AI 摘要，取回幾句要點。整個過程中，實質資訊沒有增加，卻經過了兩次轉換——而每一次轉換都可能引入偏差、遺漏或過度詮釋。

從資訊理論的角度，這是一個純粹的損耗過程。原始要點是資訊的完整內容，擴寫增加的是形式而非實質；而摘要則試圖還原原始要點，但無法保證還原的準確度。若兩端都能直接交換要點，資訊的傳遞會更快且更準確——問題在於，社會慣例要求書面溝通具備一定的形式與禮節。

這也揭示了一個弔詭：AI 工具原本是為了節省時間，但在雙方都使用的情況下，總體效率可能不升反降。單方使用時，擴寫者省下了寫作時間；而當雙方都使用，省下的時間被兩次 API 呼叫的成本與轉譯的失真所抵銷。這是典型的協調失敗——個體的理性選擇導致集體的次佳結果。

更深層的影響則在信任與判斷。書面溝通除了傳遞資訊，也傳遞了發信者投入的程度——一封仔細撰寫的信件本身就是誠意的訊號。當所有信件都由 AI 產生且品質相當，這個訊號便失效了；收信者無法從文字判斷對方的重視程度，而必須尋找其他線索。

這個現象也擴散到其他領域。求職信與履歷由 AI 生成，而篩選端也由 AI 評估；學術論文有 AI 輔助寫作的痕跡，而同儕審查同樣可能使用 AI 輔助。每一個領域都出現相同的結構——生成端與評估端同時自動化，而原本作為篩選依據的訊號隨之貶值。

因應方式目前仍在摸索。部分組織開始鼓勵更簡短直接的溝通形式，把重點放在內容而非形式；也有作法是明確揭露 AI 的使用程度，讓收信者能據以調整判讀方式。這兩種方向的共同點，是試圖恢復訊號與實質之間的對應關係。

從更廣的角度看，這也提示了 AI 普及後的一個共通課題：當某項能力變得普遍可得，原本依賴該能力作為篩選標準的機制便會失效，社會需要建立新的判斷依據。

後續觀察重點包括：組織溝通規範的調整方向、AI 使用揭露機制的普及程度，以及書面溝通形式本身是否出現簡化的趨勢。