HACTS-00｜從無限可做之事到有限可支配人生

人機耦合高生產力、歷史創造窗口、延後選擇權與時間主權的統合研究綱領

English title: From Boundless Feasible Work to Finite Self-Directed Life: Temporal Sovereignty, Historical Creative Windows, and Strategic Non-Realization in Human–AI Coupling
系列：《人機耦合時代的時間主權與創造自由》（Human–AI Coupling, Temporal Sovereignty, and Creative Freedom；HACTS）
篇次： 00／統合總論（後續十篇的共同概念、理論與驗證底座）
版本： v0.1
日期： 2026-10-16（Asia/Taipei）
思想提出與研究策劃： Neo.K
AI 協作研究與草稿整理： GPT-6
研究場域： EveMissLab／無界智庫
性質： 理論整合、條件模型、可反駁研究綱領；非已完成實證、非臨床診斷、非產品或組織效能保證
Canonical source： 本 UTF-8 Markdown 原始檔；數學內容僅以標準單／雙美元符號 LaTeX 分隔
狀態： 完整論文初稿；公開前仍可經作者審閱、增補與修訂

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

生成式人工智慧及持續運行的自主 Agent，正在改變人類能於單位時間內完成的任務數量、原型品質、跨領域探索範圍與組織化能力。對部分研究者、創作者、獨立開發者與創業者而言，AI 的實際效用不只是縮短既有工作所需的時間，更可能使先前不可負擔的研究路徑突然成為可執行選項。當可行任務的生成速度、Agent 並行速度與技術機會的可見度提高，工作卻未必自然減少。某些人反而自願地維持更長的創造活動、更密集的決策與持續的成果整合：其投入可以高度愉悅，同時也伴隨可觀的認知負荷、生活節奏擠壓與恢復不足風險。

本文提出「人機耦合時間主權」的統合研究綱領，主張必須嚴格區分六組在高生產力情境中常被混淆的事物：有效產能與應執行義務、成果產出與成果外化、主觀滿足與資源消耗、Agent 自主執行與人類認知退出、歷史先發窗口與即時工作義務、保留未來選項與無限制囤積選項。本文將問題單位從單一任務延伸至人類、AI Agent、研究資產、組織現金流與技術歷史五種不同速度的耦合系統，並提出「能力—義務轉換」「代理回交負荷」「時間主權向量」「窗口—等待雙向估值」以及「最小必要管理」等待驗證的分析構造。

本文的重要立場並非主張 AI 必然造成工作強化、創作者必然過勞，或 ASI 必然終結人類創造；相反地，AI 可能使某些人縮短工時、獲得更多休閒，也可能開啟新的創造領域。本文因此將「AI 時代創造窗口」「配額重置壓力」「延後到未來更合理」「減少專案管理提升自主性」等定位為條件性命題，要求在不同情境下以明確的反例、可觀察指標和替代解釋進行檢驗。既有工作心理學、AI 委任監督、實質選擇權與工作再配置研究，提供了必要的對話基礎；EveMissLab 既有的 HODR、HAVT、委任時間論、MPD 與 AI 原生組織理論，則構成內部先行研究，而非本篇重新發明的概念。

本文最後提出一種較不依賴「最大化即時產量」的規範判準：人類可在財務、法律、外部承諾與安全約束內，自主決定何時創作、何時公開、何時交給 Agent、何時暫停、何時重新取回專案，以及何時不再主動控制既有成果的後續命運。成熟的人機耦合，不應僅以模型用量、任務吞吐或產出數量衡量，也應以人在技術加速時能否保有可實行的改變節奏、拒絕額外任務、合理延後與恢復生活的能力衡量。

關鍵詞： 人機耦合、時間主權、創造自由、內生任務擴張、認知待命、代理監督、技術黃金窗口、實質選擇權、延後現實化、最小必要管理、自主 Agent、可持續創業、工作熱情、AI 生產力。

0. 問題不是 AI 還不夠強，而是 AI 足夠強以後會發生什麼

0.1 從執行限制到可行集合擴張

傳統的生產力改良敘事通常假設：人類有一組大致固定的任務，工具效率提升後，完成任務所需時間下降。這是一種在任務集合近似固定時合理的模型。

但對主動創造研究議題、開闢新產品路線、操作多個 AI Agent 的行動者來說，任務集合不是外部給定的常數。當工具變強，行動者不只是更快完成原定的事情，也可能看見新的事情、降低試作成本、啟動過去無法開始的專案，並從已有結果繼續生成下一層問題。

因此必須分開觀察：

原定任務的執行成本是否下降；
新增候選工作的發現率是否上升；
候選轉為自我義務的比例是否改變；
已驗證完成的成果是否真正增加；
成果公開、使用或現金化的速率是否跟上；
人類仍能自主使用的生活時間是否增長。

若只觀察第一或第四項，就可能錯把「更多工作被生成」理解成「自由時間必然增加」。若只觀察疲倦程度，又可能誤把高度自願與極具滿足感的創作活動視為單純被迫勞動。

0.2 兩個看似相反、卻可能同時成立的事實

第一，AI 能帶來真正的效率收益：在受控寫作任務中，Noy 與 Zhang（2023）報告使用生成式 AI 的參與者平均完成時間縮短約 40%，品質評分提高約 18% [E1]。在客服情境，Brynjolfsson、Li 與 Raymond（2025）亦報告平均生產率提高約 15%，且增益高度異質 [E2]。

第二，效率收益未必直接變成閒暇：Ranganathan 與 Ye（2026）描述一家科技公司的長期田野觀察，AI 使用可以與工作範圍擴張、速度提高和工作時間延展並存 [E3]。這不是所有人的普遍因果定律；韓國勞工調查的預印本亦觀察到工作時間減少及部分效率收益轉為工作中休閒 [E4]。芬蘭三波追蹤研究則未發現「頻繁 AI 使用」本身普遍預測工作耗竭 [E5]。

因此本文研究的不是「AI 究竟讓人更忙還是更閒」這種二分題，而是：在什麼條件下，同一種能力增幅會流向創造、生活、等待、組織負擔或恢復？

0.3 核心問題陳述

在 AI 能持續生成可行路徑的時代，一個人可能面對的不是工作量不足，而是「幾乎總有值得做的事情」。本文研究以下命題：

能力增長所創造的可能性，不應自動變成必須履行的義務；技術世界的工作節奏，不應自動成為個人生活的最高時間規則。

此主張包含描述性部分與規範性部分，本文在後續章節嚴格分開。

1. 研究單位：不是人，也不是 AI，而是跨時間的人機—資產耦合系統

1.1 五種相互作用的時間

本文先區分五種時間座標，而不將「一天」當作所有過程的同質單位。

第一，人的生活時間（Human Life Time）。 包含睡眠、照護、工作、休閒、親密關係、非功利探索、身體活動與純粹不做任何產出的時間。此時間有不可直接複製與累加的特性，並受生理與社會情境約束。

第二，Agent 執行時間（Agent Execution Time）。 AI 系統可以平行、多輪或跨時段運作。其步驟數量或推論用量，與人類親自投入的分鐘數並非一比一對應。

第三，資產沉積時間（Asset Accumulation Time）。 論文、原始碼、實驗資料、設計決策與可重啟原型，可以跨期保存；它們可能增值、失去相容性，或在多年後重新被使用。

第四，歷史競爭時間（Historical Opportunity Time）。 技術新穎性、先發效益、學術關注與商業機會的時間敏感度彼此不同。某個成果今天與十年後的價值可能相異，但此方向與幅度均不能預先假定。

第五，財務與承諾時間（Financial and Commitment Time）。 訂閱扣款、生活成本、應付帳款、履約期限及現金緩衝會施加外部限制；這些時鐘不能單靠預期中的未來價值取代。

五種時間可能暫時一致，也可能嚴重衝突。Agent 在夜間完成十項可審查成果，並不表示人的生活時間增加了十項成果所對應的工作量；若第二天必須全部驗證，人的治理時間可能反而成為新瓶頸。

1.2 人機有效生產不是模型能力的固定倍數

同一模型在不同使用者、領域與工作脈絡下，可能產生不同的有效成果。任務描述品質、過往交互校正、驗證能力、工具存取、共享上下文與專業判準，都可能影響實際產出。本文承接既有 MPD 人機耦合狀態研究 [I9]，不把 AI 視為單純外加的一個固定倍數。

用概念性映射表示：

Y_t = F(A_t,H_t,K_t,V_t,G_t)

其中：

$Y_t$ ：於時段 $t$ 通過品質門檻的有效成果；
$A_t$ ：可用 AI 能力與推論資源；
$H_t$ ：人類可用時間、認知與決策容量；
$K_t$ ：既有知識、專案資產與共同歷史；
$V_t$ ：品質驗證及外部可重現條件；
$G_t$ ：委任、治理、授權及停止規則。

此式只表示變數關係，不是聲稱五項均具有同等線性可加效果，也不是已完成參數估計的經驗定律。

1.3 研究者與創業者作為一種特殊場景

對一般受僱工作者，需求可能主要由上級、制度和客戶提供；對自行提出問題並決定工作的創作者，需求也可能由自己不斷內生生成。後者不必然更辛苦，也不必然享有更高自由，但提供了一種值得獨立分析的情境：工作者同時擔任需求提出者、研發者、審查者、發表者與風險承擔者。

本文不以個人身份、天賦分類或臨床診斷作為前提。可供比較的對象包括學者、獨立遊戲開發者、小型軟體創業者、自由創作者、設計師與長期維護開源基礎設施的人。

2. 核心概念的嚴格區分

2.1 可行性不是義務

定義 $\mathcal{P}_t$ 為當下被視為技術上可行、在必要資源下可開展的候選工作集合； $\mathcal{O}_t^{self}$ 為行動者主動選擇並承諾的工作集合； $\mathcal{O}_t^{ext}$ 為因外部契約、法遵或風險事件而必須處理的義務集合。

對自選工作，在可行性判準一致的前提下，通常有：

\mathcal{O}_t^{self} \subseteq \mathcal{P}_t

但不應從可行集合擴張，直接推論自選義務必須同比增長：

|\mathcal{P}_{t+1}|>|\mathcal{P}_t| \;\not\Rightarrow\; |\mathcal{O}_{t+1}^{self}|>|\mathcal{O}_t^{self}|

外部義務 $\mathcal{O}_t^{ext}$ 不能假設必然包含在當前可行集合內：有些契約或安全事件即使資源暫時不足，仍須面對、協商或依法處理。此處所說的「可行不等於義務」，主要針對自選創造與未作承諾的探索路徑。

2.2 完成不等於外化

令 $P_t$ 表示某時段生成的可驗證產物量， $E_t$ 表示真正公開、被採納、交付或完成市場閉環的產物量。兩者可能不相等。

P_t \neq E_t

產出可能只是內部草稿；公開也不等於被理解或被付費採用。本文承接 HODR 對潛在價值與現實化落差的區分 [I1–I3]，但新增對人的時間負擔與合理暫停的分析。

2.3 自主執行不等於自主退出

AI 持續完成低風險工作，並不保證人類免於後續確認、失誤承擔或心理惦念。既有「委任時間論」已區分低階操作與高階治理 [I6]，2026 年「AI process vigilance」研究又對委任後的認知牽掛提出了實證模型 [E6]。

本文因而將「操作員退出」與「人類認知退出」分離：前者關注是否需要連續指令；後者關注是否能在非工作時段，真正不必維持對任務的監督預期。

2.4 喜愛創作不等於沒有負荷

「正向成就感」與「疲勞、專注耗用、恢復需要」衡量不同現象，理論上可以同時處於高水準。Job Demands–Resources 理論區分工作投入與耗竭相關過程 [E7]；熱情的雙元模型亦區分較自主與較受內在壓力驅動的投入 [E8]。

但本文不由長時間工作直接判定某人具有「強迫式熱情」，更不以 ADHD 的超專注機制作為必要因果條件。受試者可以極度享受創造，也可能需要休息；兩者不構成邏輯矛盾。

2.5 歷史窗口不等於倒數計時器

某些技術方向在特定階段可能具有較高先發價值，但即使對 AI 發展持有高度確信，也不能由此推出「十年內所有人類創作都失去意義」或「每一天都必須滿載」。原生人類、增幅人類和人類錨定的複合智能，也可能具有不同的前沿轉換路徑 [I10]。

2.6 放手不等於拋棄責任

暫時不推進一個未對外承諾的私人研究專案，與未履行既有服務義務、延誤客戶交付、放任資安漏洞或違反法令，不可混為一談。本文提倡的是取消不必要的自我新增義務，不是取消已承擔的外部責任。

3. 文獻定位：既有研究能解釋什麼、尚留什麼缺口

3.1 AI 生產力與工作強化的異質結果

AI 使用對工作時間、品質與產出可能產生不同方向的效果。[E1] 與 [E2] 說明具體任務或職位的能力增益；[E3] 展示可能的工作強化；[E4]、[E5] 提供相反或限制性證據。2026 年針對高等教育工作負荷的系統性回顧也指出，效率提升與新增的審查、倫理及品質工作可以共存 [E9]。

從這些結果不能推出單一的「AI 導致過勞」主效應。本系列真正關心的中介變數是候選任務是否被轉為新義務、成果是否需要人重新驗證以及工作者能否自由停止。

3.2 委任監督已有重要先行研究

2026 年的 AI process vigilance 研究以兩波、七週間隔的 642 位混合工作者問卷建立委任依賴、認知警覺、反芻、心理抽離與恢復結果間的關聯模型 [E6]。在程式開發領域，Park 等人（2026）則從 19 名有經驗開發者的觀察中，將 AI 程式 Agent 的監督工作分解成可辨識的階段 [E10]。AI overload 亦有跨層級分類 [E11]。

因此「AI 委任以後仍要監督」不是本文發明。本文預計新增的是：監督負荷如何與個人主權、技術資產可延後性、歷史窗口認知、財務安全及可撤銷的組織自治聯合形成動態決策問題。

3.3 工作熱情與恢復也不是全新議題

熱情、工作投入與心理抽離已有成熟文獻。[E7]、[E8]、[E12] 可供建立操作性測量，避免將「做得很爽但也很累」當成未經研究的神祕現象。研究增量應在於 AI 下的特殊時間結構，而非重新命名一般工作負荷。

3.4 選擇權與不可逆投資的先行基礎

在具不確定性與不可逆性的投資決策中，等待取得資訊本身可能有價值。Pindyck 的實質選擇權模型 [E13] 提供形式類比。本系列的延伸對象不是直接可交易金融資產，而是具有延後、保留、公開、轉移與重新啟動等動作的研究與創作專案，因此仍需釐清估值與保管成本，不能直接照搬金融公式。

3.5 與 EveMissLab 既有理論的增量邊界

內部文件 [I1–I12] 已分別討論 HODR 的選擇權囤積、HAVT 的時間紅利、委任時間論的介入密度、MPD 的人機耦合狀態、原生人類前沿窗口和 HDUS／ANDO 的組織執行。本篇不宣稱創造這些概念；它們是前置架構。

本系列的候選新貢獻在於建立一個能同時比較「現在做、延後做、公開但不再主動推進、暫時封存、合法委任」的多時間尺度框架，並將個人的停止權和專案存續權分開建模。

4. 第一個動力學：能力提升何以生成新的自我義務

4.1 先分開候選工作與必須完成的工作

令：

$G_t$ ：於時段 $t$ 新辨識的候選任務數；
$\phi_t$ ：候選項中被轉為實際工作承諾的比例，介於零與一之間；
$X_t$ ：來自契約、客戶、法遵與外部事件的新增必要任務數；
$C_t$ ：通過結案判準的任務數；
$Z_t$ ：明確退回休眠或合法取消、不再列於活動義務清單的任務數；
$B_t$ ：活動中的待處理任務存量。

若以相同任務單位計數，基本的帳本恆等式可表示為：

B_{t+1} = \max\{0, B_t + \phi_t G_t + X_t - C_t - Z_t\}

此式不是神經或經濟的因果定律；它是活動任務帳本的守恆式。任務難度高度不一時，必須改用一致的預估工時、複雜度權重或等價工作單位，不能用論文篇數直接與程式提交數相加。

4.2 為什麼提升完成速度仍會使待辦增加

若 AI 增加 $C_t$ ，但同時更大幅度增加 $G_t$ ，且行動者使 $\phi_t$ 保持較高，那麼 $B_t$ 仍可能上升。反過來，若 AI 增加產能但工作者控制 $\phi_t$ ，使大部分候選項只是保存為可選路徑，活動義務就可能不增加。

真正的可控節點，因而不只是模型處理速度，而是候選到承諾的轉換機制。

4.3 可能性存量與義務存量必須分帳

再定義 $L_t$ 為可恢復、尚未啟動的潛在專案或研究選項存量。 $Z_t$ 中的某些項目會回到 $L_t$ ，而不是被當作已完成成果。可用文字帳本表示：

候選想法 → 判定值得保存 → 潛在資產；或候選想法 → 正式承諾 → 活動任務；活動任務 → 驗證完成／合理取消／合法暫停。

如果缺乏這個區分，無止盡的整理、分類與優先排序，反而會把原本沒有即時義務的潛在資產重新召回活動清單。

4.4 模型的可反駁含義

H1： 在可以自主定義工作範圍的使用者中，AI 能力增強對活動任務存量的影響，會受到 $\phi_t$ 的調節。

H2： 相同 AI 產能下，允許使用者自然保存候選而不建立跟催義務的制度，可能比強制為所有候選建立專案看板，更能保護可支配時間。

反例： 工作範圍固定、外部排程明確且能完全結案的組織，即使 AI 能力提高，也可能同時觀察到待辦下降與閒暇增加。

5. 第二個動力學：配額與重置如何成為生活時間的反向排程器

5.1 「配額不夠」與「配額重置太快」可以同時存在

對高投入使用者而言，「有很多可做的事而模型用量仍受限」與「每天都不想浪費即將失效的額度」並不矛盾。前者描述對長期產能的需求；後者描述資源失效時點對短期安排的影響。當兩者耦合，使用者可能不是依照原定人生節奏啟動工作，而是改為配合供應商的資源時鐘。

這裡必須避免將所有大量使用都視為非理性：若臨近截止日確實存在高價值任務，密集使用完全可能合理。待檢驗的問題是，在控制其他因素後，重置設計是否額外增加低價值或本可延後的工作啟動。

5.2 有效資源量與實際可替代性不同

令 $q_t$ 為尚可使用的配額、 $\tau_t$ 為距下次重置的時間、 $r_t$ 為是否允許累積或跨期轉移。若 $r_t=0$ ，未使用額度將到期消失；若 $r_t=1$ ，使用者可將部分額度帶到較適當的時間。

本系列不宣稱存在一個普遍的配額焦慮函數，而提出一項測量：在相同總體可用算力下，重置前的可延後任務啟動率是否顯著高於可累積制度。

5.3 用量不是福利指標

令 $U_t^{AI}$ 為某段期間的模型用量， $W_t^{life}$ 為人的生活福利或主觀時間可控感。原則上不能假設：

U_t^{AI}\uparrow\;\Rightarrow\;W_t^{life}\uparrow

要觀察的是每一單位額度是否支援了真正想完成的事情，以及高額度是否造成額外的注意力負擔。使用得少可能是節制，也可能是資源不足；使用得多可能是熱愛創造，也可能是機會成本壓力。兩者都不能由單一數字判定。

5.4 可檢驗命題

H3： 在個人任務清單、模型品質、總成本與總配額相當時，「不可累積、頻繁重置」比「可累積、較低重置頻率」更可能增加重置前的臨時啟動比例；效果會依使用者對資源損失的主觀敏感度而異。

反例： 若使用者將額度當作單純能力上限，不受失效心理影響，則時間配置可對重置規則保持近似不變。

6. 第三個動力學：代理持續運作與人類認知待命的分離

6.1 三層負擔，而非一個「監督成本」

本篇區分三個不可任意相加的測量層次：

操作負擔： 啟動、提示、續跑、重試、搬運上下文、手動轉交；
治理負擔： 授權、不可逆決策、重要風險審查、驗證與事故回應；
認知待命： 在未實際操作或治理的時間，仍主觀維持可能隨時要接手的預期。

第一層理應可透過成熟自治系統減少；第二層不能一概刪除；第三層則取決於責任、信任、錯誤傳播速度、通知制度與任務收束品質。

6.2 不把認知待命假裝成新發明

既有 AIPV 文獻已指出委任工作的持續牽掛 [E6]。本系列仍採用「認知待命」作為中文分析描述，但不主張與 AIPV 完全不同；兩者需在正式量表測試中進行辨別效度檢查。

本系列希望測試的新增問題是：當 Agent 不再需要人逐步操作時，能否同時減少人對未來工作量的預期？ 即改善自主性的標準，不只看 Agent 完成幾件工作，也要看它帶回多少真正必須由人處理的責任。

6.3 回交負荷與結案品質

令 $N_t^{esc}$ 為特定期間內真正需要人類審查的升級事件數， $N_t^{close}$ 為可獨立驗收、完整收束的委任任務數。可建立描述性比例：

\rho_t^{esc} = \frac{N_t^{esc}}{N_t^{close}+\epsilon}

其中 $\epsilon>0$ 僅用於避免分母為零。這個比例本身不能代表安全或效率：高風險場景理應有更多回交，低回交也可能是隱藏問題。因此須同時報告事故率、漏報風險、任務難度與授權邊界。

6.4 可檢驗命題

H4： 對風險程度、任務品質與模型能力相近的 Agent 流程，具有明確關閉條件、可稽核證據與低噪音通知的系統，可能比僅提高平行數的系統產生更低的非工作時認知牽掛。

H5： 高 Agent 產量但低結案品質的系統，可能提升表面吞吐，卻不一定提升人的時間主權。

7. 第四個動力學：為何創作的愉悅與疲憊可以同時很高

7.1 反對單軸模型

一個常見錯誤，是把心理狀態想成從「很快樂」到「很疲倦」的一條單線。事實上，創作滿足、主動投入、認知負荷、情緒耗損與恢復品質至少是不同測量維度。

因此在同一個時段，可能出現：高度投入、高成就感、極高自選性、較長的任務持續性，以及顯著的疲倦和減少的恢復時間。這種共同存在並不要求任何特殊神經機制才能在概念上成立。

7.2 不是只看時數，而是看被主動調用的決策密度

同樣十二小時工作，可能包含等待、例行作業、社交活動、臨時放空，也可能主要由密集的構想形成、質疑、調整、驗證、切換領域和高度責任判斷構成。本文僅提出認知決策密度作為研究候選指標，並不把它等同可直接量度的大腦能耗。

研究可以觀察單位時間有多少獨立實質決策、不可逆承諾、跨域上下文切換、錯誤調查與品質驗證，而不以工作時間直接代理所有負荷。

7.3 自願不代表無條件可持續

工作的自主性可提高動機與意義感，卻不代表睡眠、生活成本、注意力恢復或身體需求因而消失。另一方面，疲倦本身也不能證明工作者應停止所有創造，因為工作可以同時具有深度內在價值。

本系列的規範焦點因此不是「盡量讓所有人少工作」，而是讓付出強度與持續期間仍受本人可修正的選擇控制。

7.4 可檢驗命題

H6： 在高度自選工作的樣本中，創作滿足感與同日疲倦可呈非零、甚至同時偏高的分布；以單一「快樂／不快樂」指標衡量可能誤判恢復需求。

反例： 若高投入者在長期追蹤中並未增加疲倦且擁有足夠恢復，則不應因其工時長而預設負面狀態。

8. 第五個動力學：歷史創造窗口與未來更強資源的相反作用

8.1 一種不是線性的創造時間價值

在快速演進的 AI 領域，成果的市場價值、學術先發性、實現成本和文化意義可能以不同方式隨時間變化。某些方法在尚未普及時很稀缺，普及後不再具有相同的先發報酬；另一些創作反而因後來技術發展而獲得新用途。

因此不能把「今天一小時」和「十年後一小時」對所有創作視為價值相同，也不能聲稱今天總是更昂貴或更珍貴。

8.2 人類黃金創作期必須是限定假說

「黃金創作窗口」在本系列中限定為：在指定領域、指定創造形式與指定競爭環境中，一段人類仍能對問題設定、方法與實作方向產生可追溯且相對難被自動替代的創造性貢獻時期。

它不等同「人類的創造價值將有某個確定終點」，更不表示已有可驗證的 AGI／ASI 年表。即使模型在某些任務能力上超越多數人，也不自動決定創作的文化、主體或倫理價值。未來能力可能擴張人的創造空間，而不只是取代。

8.3 未來資源的下降成本

同時，技術進步可能使某專案未來更容易完成：模型更強、硬體更快、工具互通更好、可合作的人更多。然而這些資源並非必然到手，其價格、制度、取得權限與驗證負擔均有風險。

於是同一專案至少有兩條互相競爭的時間曲線：

隨競爭、普及而可能下降的先發溢價；
隨工具成熟而可能下降的實現成本。

哪條曲線主導結果，不能在專案外先驗決定。

8.4 一個透明的專案時點估值模型

對專案 $i$ ，令 $R_i(t)$ 表示於時點 $t$ 發布所可得的非先發基礎收益或效用； $P_i(t)$ 表示時點相關的先發／歷史機會價值； $C_i(t)$ 表示執行與驗證成本； $K_i(\tau)$ 表示延後 $\tau$ 期間的保存、維護與不可逆機會成本； $\delta$ 為每單位時間的折現因子。

現在執行的概念性期望淨值為：

U_i^{now}(t) = \mathbb{E}[R_i(t)+P_i(t)-C_i(t)]

延後執行的概念性期望淨值為：

U_i^{wait}(t,\tau) = \delta^{\tau}\mathbb{E}[R_i(t+\tau)+P_i(t+\tau)-C_i(t+\tau)]-K_i(\tau)

當 $U_i^{wait}>U_i^{now}$ 時，等待可能具有理性依據；當先發窗口確實將失去且足以抵銷成本下降，立即執行可能更好。兩者均以可估計或可情境分析的項目為前提，而不是用想像中的 ASI 日期取代估值。

上式刻意保留重大限制：不同價值維度可能不可貨幣化；專案可分階段揭露與執行；未來技術能力高度不確定；折現方式可能依價值觀與主體而變；公開可能改變專利與保密權益。模型應作為比較決策的透明介面，而非自動處方。

8.5 不只有「現在做」與「以後做」

至少還存在三種中間路線：

先留下可驗證紀錄，暫不全面商品化；
先做到可重啟的封存狀態，未來再完善；
在授權與責任清楚的條件下，把特定部分交給協作者或 Agent。

對有公開價值但短期沒有現金效益的成果，公開與實際採用也不能視為同義詞。公開網址或 Git 提交能支持時序追溯，不會自動證明原創性、法律專利權、理論正確性、第三方可再現性或市場價值。

8.6 可檢驗命題

H7： 在預期未來工具性能上升且可保留的技術資產中，具可重現封存的專案較可能呈現「延後後重啟成本下降」；效果會受相依軟體衰退與領域競爭調節。

H8： 歷史機會損失風險越高，等待政策的預期優勢越小；反之，未來實現成本的預期下降越明確，等待越可能合理。

反例： 工具相依崩壞、技術斷代、早期市場被占領、法律期限將至或資源價格上升，都可能令等待更不利。

9. 第六個動力學：不做、少管與暫停，何時反而是有效治理

9.1 專案存在不等於必須有下一個階段

傳統管理往往預設每個存在的專案都有活躍的 Roadmap、里程碑、跟催、負責人與期限。但在個人研究、多專案原型或尚無外部承諾的知識資產環境中，這個假設並非永遠成立。

若一個專案已具有原始碼、版本、測試紀錄、重啟所需最小環境資訊，暫時沒有資金或應用場景，也沒有對外維護承諾，那麼它可以只是可恢復的非活動資產。

9.2 管理本身也有機會成本

重新分類一百個專案、制定年度優先順序、追蹤每週任務或定期安排每個 Repo 的下一個 Phase，這些程序本身消耗時間。若管理沒有降低風險，也沒有提高實際採用與重新啟動能力，則它可能成為「為了降低管理負擔而創造更多管理工作」的反身悖論。

本系列將「最小必要管理」定義為：在維持安全、可追溯、可重啟、財務與對外承諾底線後，不再強迫無即時價值的非活動資產持續產生管理事件。

9.3 四種合理的非活動狀態

休眠（Dormant）： 保存所需資料與最低重啟契約，暫不投入人力。

候選（Optional）： 僅保留概念或研究題目，不承諾進入工程階段。

公開轉移（Released）： 在明確授權與公開風險評估後，讓成果供他人研究或改造；是否承擔後續維護，須另行宣告。

終止（Closed）： 若不再具有值得保存的價值或維護風險過高，可有意識地結束。

這些狀態不構成固定的成熟度階梯，也不要求定期在每個狀態間轉換。

9.4 「不管理」的適用例外

對外服務安全、訂閱付款、資料與隱私保護、依授權條款履行義務、契約交付、正式團隊人事與法遵項目，不應不加區分地休眠。最小必要管理要求的是區分非活動選項與真實持續責任。

9.5 可檢驗命題

H9： 對沒有外部持續承諾、已達可重啟門檻的研究資產，降低例行管理頻率可能減少管理時間，且不顯著降低在指定測試期間的重啟成功率。

反例： 對相依更新密集、資訊易遺失或有安全暴露的系統，定期維護可能大幅優於完全休眠。

10. 第七個動力學：時間主權必須受財務現實約束

10.1 沒有生存緩衝的「自由時間」可能不可用

無法支付必要生活成本時，名義上沒有外部雇主安排的時間，不必然能自由創造。現金缺口、訂閱費、房租、保險、照護、法律與安全成本，會改變行動者能否延後某個專案，或能否在不冒嚴重風險的條件下繼續探索。

因此時間主權不是純粹的個人意志，也不是單純的行程管理問題。它受收入安全、可實施替代選項與外部承諾約束。這與 HAVT-06 對制度性時間主權的分析一致 [I4]，本系列則把尺度縮小到個人創業者與 AI 資源決策。

10.2 兼職與創業不必是相互排斥的身份

在現金緩衝不足時，短時段兼職、顧問、接案或其他基礎收入來源，可能不是放棄長期研究，而是購買未來保留選擇權的時間。但這取決於工作本身的負擔、通勤、安全、薪酬、時段及生活需求，不能預設任何兼職一定較輕鬆。

同理，選擇較低訂閱層級也可能合理，但不應把訂閱降級當成普遍最優解；真正要比較的是節省現金、減少使用壓力、模型可用性與保留核心執行需求的總效益。

10.3 創造資產不能自動當成流動現金

私人 Repo、論文、原型、品牌、尚未上線的遊戲或潛在的授權機會，可能具有未來價值，但除非已形成可靠契約、可實現出售或收入證據，不能直接用來抵銷立即的現金缺口。

因此財務評估至少應區分：已到手的資金、確定性高的可收款、固定支出、可延後支出，以及無法確定的潛在資產。

10.4 可檢驗命題

H10： 在多專案創業者樣本中，現金緩衝較充足時，自主暫停與重排的實質能力可能提高；但緩衝效應也會受債務、家庭責任、健康與替代收入機會影響。

反例： 即使經濟安全，部分人仍可能因競爭或自我要求維持高投入；即使收入有限，若外部支持或公共服務充分，也可能保有高時間自主性。

11. 統合模型：時間主權不是自由時數，而是一組能否實行的選擇

11.1 先用向量而非單一指數

本文避免在沒有測量驗證前，武斷給出「時間主權 87 分」的普遍量尺。初始理論將時間主權表示為一組可區分的能力維度：

\mathbf{S}_t = (s_t^{pause},s_t^{switch},s_t^{exit},s_t^{return},s_t^{sustain})

其中：

$s_t^{pause}$ ：可在不產生不合理損失下暫停非必要工作；
$s_t^{switch}$ ：可依當下判斷改變探索與開發方向；
$s_t^{exit}$ ：可退出特定 AI 服務、任務或工作流，仍保有基本替代方案；
$s_t^{return}$ ：已保存資產可在未來重新取得並恢復開發；
$s_t^{sustain}$ ：有足夠生活與必要履約資源，讓上述能力不只是形式選擇。

五項皆需依觀察期間、身份與外部條件設定操作性指標。現階段不聲稱它們同質、可加或普遍等權。人可以有很多空閒時間但幾乎沒有可控制的選擇；也可以短期非常忙，卻仍保有真正可行的停止與重排能力。

11.2 時間主權的限制條件

時間主權不意味任何時刻都能無代價違反承諾，也不意味可以要求其他人或 AI 系統無條件替自己承擔責任。合理停止可能存在代價，但關鍵在於此代價是否明確、比例適當、可預期，以及是否有可實現的替代方案。

11.3 Agent 組織的有效產能不能只算產出

令 $Q_t^{verified}$ 為已驗收的有效結果量， $T_t^{op}$ 為人類操作時間， $T_t^{gov}$ 為必要治理時間， $T_t^{standby}$ 為觀察期內非工作時間的認知待命代理量。可以提出一個待實證驗證的比較判準：

\Lambda_t = \frac{Q_t^{verified}}{T_t^{op}+T_t^{gov}+\eta T_t^{standby}+\epsilon}

其中 $\eta$ 是把主觀待命量表與時間成本連接時必須估計的轉換參數；未建立可靠量測前，不能直接宣稱此式具有實測可用性。它在此僅說明：若要估計人機協作的真實時間槓桿，應顧及不在螢幕前卻仍因工作被占用的注意力。

也不能只追求 $\Lambda_t$ 最大化而忽略事故率、錯誤驗證與倫理代價。某些高風險任務即使增加治理時間仍然值得。

11.4 內生轉換率是最有希望的控制參數之一

整合第 4 節的活動義務模型，可得到本文的中心條件：當可行工作生成率很高，但主體不再自動將其全部承諾化，且既有資產可保存及回返，人的生活不必與 Agent 的最高產出速度同步。

這裡的規範性結論可以壓縮為：

進步可以增加選項，但選項的增長不構成必須履行的工作清單。

12. 多種互相競爭的理論解釋

若某人高強度使用 AI 並覺得很累，至少存在以下可能解釋，不能直接全部歸因於「時代性人機耦合」：

A. 一般工作需求上升。 新業務、收入不足或外部截止日造成壓力，與 AI 能力的直接作用有限。

B. 內生任務擴張。 AI 讓新任務更可行，創作者自發啟動更多工作。此為本文主要候選機制。

C. 配額失效規則。 使用者因資源即將重置而改變工作安排；可透過制度對照測試。

D. 認知待命與監督回交。 Agent 並行產生尚待驗證的結果，讓注意力無法真正離開。

E. 高度內在動機。 即使不使用 AI，某些人也會因研究熱情投入很長時間。

F. 財務與前沿競爭壓力。 即使沒有配額重置，現金緩衝與窗口預測也可能引起密集投入。

G. 組織／介面設計。 工具通知、待辦排序、錯誤回交與績效指標讓認知負擔上升。

研究應在觀察與實驗中同時納入上述因素，避免用一個新名詞包辦所有因果路徑。

13. 可否證命題與證據強度分類

為避免「無論發生什麼都能解釋」的不可反駁理論，提出以下最小驗證表。所有命題於本稿發表時均尚未由本系列自身資料驗證。

命題	支持時應看到的訊號	會削弱命題的訊號	對應後續篇次
H1 內生任務擴張	AI 增強後候選生成與新承諾一同上升	候選增加、承諾卻不增加且工時下降	01
H2 自動專案化的負擔	強制跟催提高管理工時，未提高成果品質	管理成本下降且重啟／交付更好	01、08
H3 重置時間壓力	相同資源下到期前非必要啟動變多	重置前後無差，或完全由外部截止日解釋	02
H4 認知待命	Agent 自主度提高但非工作牽掛不降	高度自治同時明顯改善心理抽離	04、10
H5 產量與時間主權分離	產出上升而可自由暫停能力下降	產出與時間控制同步持續改善	04、05、10
H6 滿足與疲倦共存	同時出現高滿足、高疲倦狀態	在足夠樣本與量測下兩者互斥	03
H7 技術等待選擇權	可重啟資產在資源改善後重啟成本降低	相依腐蝕、競爭損失使重啟更難	06、07
H8 歷史先發窗口	特定領域早期成果有可辨認時間溢價	後發者透過工具增幅取得等值或更高效益	06、07
H9 最小必要管理	減少管理頻率而可回復性不惡化	關鍵資料散失、法遵與安全風險升高	08
H10 生存緩衝	財務安全提高實質重排自由	其他限制完全主導，緩衝無作用	09

應區分三種證據強度：概念相容性（與既有研究不矛盾）、觀察相關（可以重複記錄）、因果識別（對照、隨機或可靠準實驗）。不應把概念模型與訪談觀察寫成已證明的因果結果。

14. 可執行的研究方法設計

14.1 第一階段：低干預的個案時序研究

若研究者願意，可針對一位或少數深度使用 Agent 的創業者做 4 至 8 週觀察。這裡的期間只是一種研究設計示例，並非要求任何人立即建立新的日常工作義務。

盡可能使用既有、已取得授權的專案紀錄（提交時間、任務關閉事件、AI 執行次數、訂閱與時限變更）估計工作節奏，避免每日大量手動填表造成研究反身干擾。需要主觀資訊時，只使用少量自願回答且可隨時退出的簡短問題，並與系統紀錄分開。

14.2 區分關鍵結果指標

已驗收成果：成功通過明確品質閘門的工作成果數；
新活動義務：新增並有責任跟催的任務數；
真正對外結果：交付、有效採用、引用、銷售或已完成公開；
人類操作投入：啟動、續跑、轉交與重試所花的時間；
人類治理投入：重大權限、驗證、風險決策所花的時間；
主觀認知待命：非工作時段仍需惦記委任工作的程度；
可恢復生活時間：在無重大未解責任下，自願安排非工作的時段；
專案可回返性：封存專案重新通過最低測試所需成本；
財務風險：必要支出與可靠資金來源的比對，不把預測收入當現金；
自主權感受：暫停、切換、退出、重新加入時是否承受非預期的懲罰。

不必把所有指標硬湊成一個加權指數；可以先分開報告時間序列、事件與敘事紀錄。

14.3 第二階段：配額規則的對照實驗

在倫理許可與受試者同意下，讓具有相同總額度的參與者處於「定時到期」與「可跨期保留」兩種制度，對比：非必要工作啟動、工作終止時間、可延後任務比例與滿足／疲倦。控制既有工作量、緊急性、對 AI 的熟悉度與其他工具差異。

重要限制：若無法真正控制平台規則，可用透明的模擬情境或自然實驗，但需降低因果宣稱強度。

14.4 第三階段：Agent 系統 A／B 比較

比較同等基礎模型下的兩種治理介面：

高吞吐優先： 持續提出待處理事項、密集通知、人工完成判定；
人類節奏優先： 任務先在授權範圍內自動封閉，真正需要回交時再通知，無必要不新增人的待辦。

不能只看通知數下降；須測量未被通知的錯誤、安全事件、失敗恢復和任務品質。若後者只是把問題藏起來，不應認定其優越。

14.5 第四階段：跨類型受試者比較

比較工作範圍固定的受僱者、可自主開題的創作者、小團隊創業者，以及具有不同 AI 能力和現金緩衝的人。預先登錄關鍵變數，控制收入、工時、產業、年資、外部期限、團隊規模與工作自主性。此舉是為了避免把特定高投入個案的經驗當成普遍現象。

14.6 隱私、作者及研究倫理

Agent 日誌可能包含商業秘密、個人資料、第三方程式碼或未公開研究。必須採最小必要資料、刪除可識別資訊、明確授權使用範圍，不因驗證理論而公開私人工作流。若進行人類受試者研究，應依所在地機構與適用規範辦理倫理審查、同意程序及退出保障。AI 參與撰稿不等於第三方實驗資料已存在。

15. 三個對照情境：為何同一個人可能有三種合理節奏

15.1 情境 A：真正有時限的重大技術驗證

某項原型若須在具體公開競賽或交付期限前完成，且有合理市場或學術價值證據，密集投入可能符合當事人的偏好與利益。此時時間主權不表示必須停止，而是投入有充分資訊、自主承諾並有可退出機制。

15.2 情境 B：值得保存但無即時用途的基礎技術

某套演算法有原始碼、測試與設計紀錄，尚無付費客戶也沒有外部維護責任。若可低成本封存，未來更成熟工具可能使後續工程較容易。此時不必僅為維持開發連續性而安排下一個 Phase。

15.3 情境 C：維持創業生存的現金選擇

某創業者同時握有多項長期研究資產，但手上現金不足以支應短期必要支出。此時優先處理固定成本、可靠收入或低負擔兼職，不必代表長期技術路線失敗；它可能是保留未來時間自主權的一種方式。不過其效果必須根據具體工作條件和現金數據判斷，不能空泛地以熱情抵銷現金風險。

這三個情境不構成「永遠應該慢下來」或「永遠應該搶快」的單一指令。真正的策略能力是能隨條件改變時間尺度。

16. 對 HDUS、ANDO 與 AI 原生組織的接口

本篇不重新定義 HDUS 的世界狀態或 ANDO 的原生組織 Runtime，而提出一組可供未來實作與驗證的治理需求：

授權包絡： 每一委任具任務邊界、風險上限、時間上限、成本預算與可撤銷條件。

自主結案： 能通過品質與安全條件的低風險工作，無須向人反覆要求「繼續」或請求已授權的例行確認。

活動任務不自動增殖： Agent 發現新構想時，預設可先保存為候選資產，而非自動轉為人類的新待辦或新承諾。

非活動資產有地位： 休眠專案可以存在於系統中，不必假裝每個 Repo 均有下一個當前里程碑。

回交有理由： 真正需要人類介入的訊息應包含風險、不可逆性、已有證據與建議的可選行動，而非只傳送「已完成」「有新的想法」。

停止與安靜模式： 使用者暫時不工作時，系統可依既有授權安全停止、保存狀態或轉入低活動狀態，而不製造必須即時回覆的新義務。

不以低回交掩蓋高風險： 取消人工點擊不是治理成功的充分條件。驗證失敗、外部提交、法律責任與安全事件仍應依風險門檻升級處理。

可觀察的減負指標： 除有效成果外，同時統計人類操作時間、必要治理事件、無意義通知、活動義務淨增量、重新啟動成本與受試者自主感。

這些需求僅構成第 10 篇與既有系統的研究對接，不能視為現成 HDUS 已具備或已驗證的功能。

17. 理論侷限、反證與最需要避免的誤用

17.1 個案不能直接證成整個時代

極高強度的創作者經驗，足以啟動研究問題，卻不足以證明一項新型普遍「時代病」。不同年齡、職業、社會保障、家庭責任、AI 使用模式和技能水準的人，結果可能大相逕庭。

17.2 不可把 ASI 的未來當成已知參數

技術進步具有方向性證據，不等於已知 AGI／ASI 時間表。更強 AI 對人類創作價值的影響可能是替代、互補、重分配或新領域開闢，依成果類別而異。故「黃金窗口」永遠要帶著領域、時間範圍與觀察指標。

17.3 自主權不等於完全不受約束

自由不能藉由不處理外部契約、法遵、資安與個人必要生活責任取得。若某項義務已合法產生，隨意停止可能傷害他人。因此主權模型須容納責任而非消滅責任。

17.4 形式化不是測量完成

第 4、6、8、11 節的方程式主要是定義、帳本恆等或待校準的比較模型。除非有資料支持，不應把變數符號的存在誤當成因果規律已建立。

17.5 保留資產也有成本

程式相依衰退、硬體不可用、忘記設計理由、資料授權變更、版權或保密風險，可能讓多年未維護的成果無法重啟。若某類專案需要最低保管工作，就不能以「不管理」概括。

17.6 公開、著作與法律權益分開

帶有日期的版本控制、預印本或影音敘述可提供部分可追溯紀錄，但不自動創設發明專利或保證優先權；提前公開還可能影響不同司法轄區的專利新穎性與商業保密。是否開源、採用何種授權及是否先申請專利，應依具體技術與司法管轄區判定。

17.7 時間主權不必然導致低工作量

某些人即使擁有充分退出自由，仍願意長期高強度創作。只要其選擇可修正、生活基本需求可承受，本文不應把其投入視為研究失敗。時間主權關心的是能否改變節奏，而非對每個人指定理想時數。

18. 統合結論：能力增幅的終點不應是義務增殖

本文由 AI 生產力問題出發，跨越五種時間、七組動力學與三個層次的研究結果，提出以下整合性判斷。

第一，AI 能加速既有工作的完成，也可能快速擴大可行工作的集合。兩者必須區分；產量增加並不保證活動義務減少。

第二，Agent 的執行時間與人的治理、心理抽離時間並不同步。自主組織如果只增加任務吞吐，卻把更多等待驗證的責任推回人類，便可能出現「技術更自主、生活未更自由」的反直覺結果。

第三，創造的滿足感與疲倦並非互斥。高度投入可能是當事人珍惜的生活形式，而不是單純應被消除的問題；但高度自願也不能抹除恢復需求。

第四，歷史性的創造窗口可能存在於某些領域，然而窗口價值與未來完成成本隨時間的變化方向可能不同。合理策略因此不是「一律搶快」，也不是「一律等待」，而是為每類成果保留時間選擇與證據。

第五，累積性研究資產容許個體將「保留成果」與「不再管理成果」分開。休眠、公開、委任、重新啟動和終止，均可能是合理路徑；前提是沒有忽略現有義務與真實風險。

第六，生活時間的自由不能與財務安全切割。短期基礎收入、成本調整與風險緩衝，不必然與長期研究相衝突；它們有時反而讓研究得以持續存在。

總結而言，本系列的研究主軸不是反對 AI 高生產力，而是主張：生產系統能夠跑得多快，與人類應該如何生活，是兩個需要被分開治理的問題。

從規範角度，本篇提出以下核心命題：

一個人可以看見許多未來、創造許多資產、保有高度技術野心，卻仍有權讓其中一些未來等待自己，也允許其中一些成果不再由自己控制。

能力的上限，不應自動成為生活的最低義務。

這不是對創造的退卻，而是為長期創造保留可持續的自由。

附錄 A｜系列十篇詳細研究分工

篇次	題名	研究焦點	與總論關係
01	生產力內生擴張悖論：當做得更多創造更多待做之事	任務生成、義務轉換、完成條件與選擇頻寬	擴充第 4 節的帳本與動力模型
02	額度重置與時間支配：當可用算力反向安排人類生活	資源到期、效用感受、節奏誘導	擴充第 5 節；設計重置與累積對照
03	自願性高投入的雙重狀態：成就愉悅與認知疲憊	高滿足、高負荷、恢復與自願性	擴充第 7 節；使用既有心理量表
04	代理並行與認知待命：工作離線後責任為何仍在線	監督債務、回交、心理抽離	擴充第 6 節；對接 AIPV 與 Agent 監督
05	時間主權的微觀決策：不做、延後、退出與回返的自由	時間主權五維度、有效退出與節奏權	擴充第 11 節；對接 HAVT
06	黃金窗口與歷史時間不對稱：創造何時具有先發稀缺性	創造類型、技術窗口、先發效益	擴充第 8 節；嚴格處理 ASI 時間不確定性
07	未來自我與技術等待選擇權：何時現在不做反而較合理	延後實現、保存成本、未來工具效益	擴充第 8 節的時點估值
08	最小必要管理與休眠專案：不管理何以也是治理	非活動資產、可回返與反身管理成本	擴充第 9 節
09	可持續創業的時間緩衝：現金流、長線資產與生存選擇	現金緩衝、低強度收入、資本限制	擴充第 10 節
10	人類節奏優先的自主 AI 組織：停止規則、委任邊界與工作不增殖	Agent 自主、主權、停止與風險	擴充第 16 節；銜接 HDUS／ANDO

系列原則： 十篇是研究主題劃界，不構成任何立即完成的時間承諾。每篇可獨立存檔、發表、修訂、延後，或在後續證據顯示更佳結構時合併調整。

附錄 B｜術語與邊界速查

概念	本系列用法	不應誤解為
人機耦合	人、AI、工具、資產與治理條件下的有效協作關係	AI 必定擁有人類式人格
時間主權	有效暫停、重排、退出、回返與可持續生活的能力	有最多閒暇時數的人一定最自由
內生任務擴張	能力提高使新候選與新承諾可能增加	每次 AI 進步必定造成加班
配額時間誘導	到期制度可能影響啟動時機	所有大量用量均為病態
認知待命	委任後仍維持工作關注或可能接手的預期	與 AIPV 完全不同的新發現
高滿足—高疲憊	正向創造體驗與恢復需求可並存	任一特定臨床診斷
黃金創造窗口	特定領域的相對時間敏感創造價值假說	ASI 有確定截止年、之後人類無價值
延後選擇權	有條件保留未來執行的合理可能性	永久拖延、永遠不外化
休眠資產	有最小保存與回返契約的非活動成果	有服務義務也可以不維護
最小必要管理	不對無義務成果製造無意義進度工作	忽略安全、法律與外部責任

附錄 C｜EveMissLab 既有理論的先行譜系

以下為截至 2026-10-16 透過授權連接的雲端資料查到並讀取部分摘要／原文的文件。它們是作者既有研究，不等於全部均已獲獨立同儕審查。Google Drive 可能有同名多版本，以下不宣稱一定是最新 canonical 版。

[I1] HODR｜高選擇權延遲現實化理論（2026-09-26）：能力、自我懷疑、選擇權囤積、現實化壓力。
[I2] HODR-II｜選擇權囤積與不可逆決策：保存未來可能性與延後外化。
[I3] HODR-IV｜AI 生產力與可能性空間爆炸：生產、外化、選擇頻寬與停止規則稀缺。
[I4] HAVT-06｜從失業時間到時間主權：時間紅利、生活資源與收入安全。
[I5] HAVT-07｜多速度文明：拒絕、升階、退出與回返：拒絕被同步至最快技術系統。
[I6] 委任時間論｜自主 Agent、人類介入密度與治理槓桿：人類操作介入與治理介入區分。
[I7] 從 AI 工具到 AI 組織：操作員退出問題：Human-Kernel Anti-Pattern 與有邊界的組織自治。
[I8] HDUS／ANDO World-Native Agent Organization：World-State、Authority 與原生代理組織分離。
[I9] MPD-16｜人機耦合狀態：同一 AI 的有效產出受使用者、領域與互動條件影響。
[I10] 原生人類前沿主權窗口論：原生、增幅與複合智能的不同前沿時鐘。
[I11] RR-06｜從 Self-Authorship 到 Owned Trajectory：能修訂、承擔與退出的跨時自我路徑。
[I12] AI 計算時間經濟學｜Token、算力、額度與智能資源配置：配額作為可配置的時間資源。

參考文獻｜外部研究（已核對連結）

引用說明： 除個別資料已經具備正式期刊審查外，以下也包含政策文件、預印本、觀察研究及理論論文。引用的研究設計、數據與適用範圍均以原作者為準。本文沒有將這些資料當作「本系列已驗證所有命題」的證據。

[E1] Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
[E2] Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
[E3] Ranganathan, A., & Ye, X. M. (2026-02-09). AI Doesn’t Reduce Work—It Intensifies It. Harvard Business Review. https://hbr.org/2026/02/ai-doesnt-reduce-work-it-intensifies-it
[E4] Suh, D., & Oh, S. (2026). Generative AI and the Reallocation of Time: Productivity, Leisure, and Fulfilling Work. arXiv 2602.12695（預印本／調查研究）. https://arxiv.org/abs/2602.12695
[E5] Savolainen, I., Osma, T., Grönroos, R., Heiskari, M., & Oksanen, A. (2026). Social comparison contributes to work exhaustion in the context of workplace AI use: A three-wave follow-up study of Finnish workers. SSM – Population Health, 35, 101945. https://doi.org/10.1016/j.ssmph.2026.101945
[E6] Zhang, Y., Li, T., & Chen, C. (2026). When AI works, employees worry: The vigilance cost of AI delegation in hybrid work. Frontiers in Psychology, 17, 1914119. https://doi.org/10.3389/fpsyg.2026.1914119
[E7] Bakker, A. B., Demerouti, E., & Sanz-Vergel, A. (2023). Job Demands–Resources Theory: Ten Years Later. Annual Review of Organizational Psychology and Organizational Behavior, 10, 25–53. https://doi.org/10.1146/annurev-orgpsych-120920-053933
[E8] Vallerand, R. J., et al. (2003). Les passions de l’âme: On obsessive and harmonious passion. Journal of Personality and Social Psychology, 85(4), 756–767. https://doi.org/10.1037/0022-3514.85.4.756
[E9] Su, F., Beh, W. F., & Cheah, K. S. L. (2026). Efficiency or intensification? A systematic review of generative AI and academic workload in higher education. Acta Psychologica, 268, 107353. https://doi.org/10.1016/j.actpsy.2026.107353
[E10] Park, Y. S., Arvi, N., Lee, H. R., Lim, S., Ma, Q., & Kim, J. (2026). The Work Behind Delegation: A Framework for Supervising AI Coding Agents. arXiv 2609.24234（預印本）. https://arxiv.org/abs/2609.24234
[E11] Kazienko, P., et al. (2026). Artificial Intelligence Overload: A Multilevel Taxonomy and the Path Forward. IEEE Intelligent Systems, 41(3), 5–12. https://doi.org/10.1109/MIS.2026.3666685
[E12] Sonnentag, S., & Fritz, C. (2007). The Recovery Experience Questionnaire: Development and validation of a measure for assessing recuperation and unwinding from work. Journal of Occupational Health Psychology, 12(3), 204–221. https://doi.org/10.1037/1076-8998.12.3.204
[E13] Pindyck, R. S. (1990). Irreversibility, Uncertainty, and Investment. NBER Working Paper 3307；後刊於 Journal of Economic Literature, 29(3), 1110–1148 (1991). https://doi.org/10.3386/w3307

文件版本與研究責任聲明

本稿為 HACTS-00 v0.1。所有新提出的動力模型、H1–H10 命題與治理判準，除特別標記為既有研究外，均屬待檢驗的理論候選，不得寫作已證實的普遍現象。
雲端私人文件只用於源流對照。本文不自動授權任何內部 Repo、文檔、AI 流程或未公開研究的對外揭露。
正式學術與對外發表前，須依作者決策複核引用、技術公開與授權方式，並視需要補入 DOI、期刊卷頁、實證資料或實驗可重現性文件。
人類的生命選擇、財務安全與生活自主是本稿的研究議題；本文不提供個人化臨床診斷、法律鑑定或保證獲利之建議。
研究資料與論文版本以 UTF-8 原始檔及外部永久識別資訊為準；渲染畫面只作閱讀用途。

END — HACTS-00 v0.1