--- title: "從工時到有效成果：人機協作的完整成本與品質邊界" english_title: "From Working Hours to Accepted Outcomes: Full Costs and Quality Boundaries of Human–AI Collaboration" series: "AI 成本表象悖論：低價智能、超算資本與全域資源帳本" series_id: AICAP paper_id: AICAP-04 version: 0.1 status: "COMPLETE RESEARCH DRAFT — FORMAL UTF-8 SOURCE / NOT EMPIRICALLY ESTIMATED" date: 2026-11-03 language: zh-Hant canonical_source: "UTF-8 Markdown" math_delimiters: "inline $...$ ; display $$...$$" research_domain: "AI 經濟學／任務生產／人機協作／品質驗證／組織成本／因果評估" provenance: "承接 AICAP-00 至 AICAP-03；銜接 CLATE-07、ANIE-02、HACTS-02；外部來源核對截止 2026-11-03" --- # 從工時到有效成果：人機協作的完整成本與品質邊界 **From Working Hours to Accepted Outcomes: Full Costs and Quality Boundaries of Human–AI Collaboration** **AICAP-04｜《AI 成本表象悖論》系列第四篇正式研究稿** **完成日期：**2026 年 11 月 3 日 **性質：**完整理論論文草稿，含形式化命題、可核算假設案例、反證條件與實證協議。**不宣稱已取得模型商的內部成本、完成跨企業隨機實驗或測得通用生產力係數。** **正式來源：**原始 UTF-8 Markdown；所有數學內容僅採 ` $...$ ` 與 `$$...$$` 兩種 canonical delimiter。 **研究邊界：**本篇分析指定經濟任務的完整交付成本，不把人類的價值等同於工資，也不將模型的輸出數量等同已被市場接受的商品。 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026-11-03 **版本：** 0.1 ## 摘要 生成式人工智慧可在短時間生成大量文字、程式、設計方案、圖片草案與其他工作候選。從使用者觀點看，原本由多名專業工作者構成的工序，似乎能以低廉訂閱費或少量 API 支出完成。然而，生成的候選並不是已交付的成果：規格界定、資訊補足、提示與調度、工具執行、錯誤檢查、整合、返工、驗收、發布後維護與失敗風險，仍可能由人與機器以不同方式承擔。若只比較人工撰寫所需工時與 AI 初稿生成時間，便把兩條不同的生產鏈錯認為等價的經濟商品。 本文在 AICAP-00 至 AICAP-03 的價格、算力資本及跨主體成本歸屬框架之上，提出「任務—品質—驗收—持續責任」四重比較邊界。研究將工作流程表為有向依賴圖，區分候選數、完成數、初次驗收數、維護期內有效數、交付價值與真正的現金／資源成本；同時區分人類投入時數、任務經過時間、AI 使用量及後續風險。本文構建可比較任務集上的完整私人交付成本，分析成功率與重試、驗證強度、代理並行、下游整合容量、固定導入成本與潛在錯誤損失如何改變「AI 比人力便宜」的判定。 本文給出八項條件性命題與證明，展示：低單次模型價格不必然意味低有效成果成本；以較高費率取得較高驗收率可能逆轉成本排序；審查瓶頸可使生成速度增加但可驗收交付率不變；縮短等待時間不必然降低人類勞動投入；不完美驗收器可能高估有效成果；導入成本足以使局部增益無法轉成當期企業收益。另以五組完全標示為假設的數值情境、十項可反駁假說、分層實驗設計及最小資料契約建立未來觀測的實作路徑。 本文主張，AI 的真實經濟效果應在**相同任務、相同品質門檻、明確時間窗與可追溯交付責任**下評估。AI 可能節約真實人力與社會資源，也可能因審查、返工與品質風險降低乃至逆轉效益。衡量單位不是「生成了多少」，而是「以什麼完整代價，交付了多少真正可接受且仍然有效的成果」。 **關鍵詞：**AI 成本表象悖論；人機協作；有效成果；品質邊界；任務經濟學；驗收成本；審查瓶頸；返工；智能時間價格；生產力；代理並行；交付責任。 --- ## 0．研究問題、原創定位與非主張 ### 0.1 從 AI 原生遊戲開發的一個具體矛盾開始 一名小型遊戲開發者可能以 AI 建立怪物外形的組合資料、技能條件、人物對話、城鎮事件、程式測試與企劃草稿。和雇用多個專業職務相比，這條工作路線的直接現金支出可能非常低。若遊戲的素材規則、狀態模型與內容驗收相容，這種小團隊的內容供給能力確實可能大幅提高。 但現在假設 AI 在一晚產出三萬句 NPC 對話。其中一部分違反人物知識邊界，一部分重複，另一部分和世界歷史不相容，或在玩家沒有操作的時間主動跳出妨礙遊戲。**三萬句候選是生成量，不是三萬件有效遊戲內容**。即使語句文字通順，若需大量整理、編輯與狀態驗證，完整成本仍可能偏高。 這個矛盾不否定 AI 的生產力，而是指出不同生產階段的觀測值不等價：生成速度、驗收率、完成率、發布可用性及用戶效用，需要分別測量。 ### 0.2 本篇回答的七個問題 1. 何謂跨人力與 AI 方法可比較的「同一任務」？ 2. 哪些工作應計入人機協作：企劃、提示、審閱、整合、驗證、失敗修復、維護與負責？ 3. AI 的直接費率更便宜，為何有時每件成果反而更昂貴？ 4. 生成候選變快，何時不能提升真正的可交付吞吐量？ 5. 人類節省的工時、縮短的歷時和減少的現金支出，何時彼此分離？ 6. 既有驗收系統如何同時防範 AI 錯誤，以及不必要的過度檢查？ 7. 如何用可反駁的資料，區分真的效率改善、成本轉移與選樣假象？ ### 0.3 與前篇的分工 AICAP-01 處理訂閱與 API 價格及有效成果的初始分母；AICAP-02 處理算力持有、部署資本與容量利用；AICAP-03 處理跨主體付款、攤銷、補貼及風險歸屬。**AICAP-04 的新增切面是「人機混合生產流程如何把低價模型調用轉化成有品質保證的可交付工作」**。本文從使用者／委託者的流程出發，不據此推定供應商的真實獲利或社會總體資源變化。 CLATE-07 已將算力、模型、工具、驗證、治理與有效產出納入「智能時間價格」框架。本文不重新發明工資錨定論，而更細緻地研究**工作節點、驗收器、錯誤回饋、組織瓶頸與完成時間**。ANIE-02 已將遊戲工業化分為候選、整合、系統驗證、玩家判斷、平台交付等階段；本文建立跨行業可比較的經濟分析接口，不把遊戲案例冒充通用定量證據。 ### 0.4 必須保留的反例 - AI 可能在特定工作上，使品質提高、工時下降、完整成本亦下降；不能用「看不見的驗證成本」一概否定。 - 即使某一工作流程加快，人類薪資或招聘可能不同比例減少；組織可重新配置時間。 - 即使 AI 產出品質與人工相當，仍可能需要非同額審查；也可能經良好機器測試而顯著減少人工驗收。 - 生成內容很多，不必然使玩家更沉浸；但充足且與狀態相容的預生成內容，確實有可行的遊戲設計價值。 - 低勞動成本不自動推出高企業利潤；銷售、整合與責任仍然存在。 - 不存在一個適用所有任務、模型、職業及品質要求的固定「AI 節約比例」。 ## 1．現有實證：同時看見增益、反轉與測量困難 ### 1.1 專業寫作：在可界定的實驗任務上，AI 可以顯著增益 Noy 與 Zhang 在 *Science*（2023）的預先註冊實驗中，安排 453 名受過大學教育的專業工作者完成指定寫作任務。研究報告 AI 組平均完成時間下降約 40%，輸出品質提高約 18% [R01]。這是特定工作、受試者與評分標準下的因果實驗，不應直接外推到醫療決策、大型軟體整合或完整商業產品交付。 ### 1.2 客服場域：企業工作流程有真實平均收益，也有技能異質性 Brynjolfsson、Li 與 Raymond 的 *Quarterly Journal of Economics*（2025）研究 5,172 名客服人員導入生成式 AI 助理的情況，報告平均每小時解決問題數提高約 15%，較低經驗與較低技能員工的增益尤為顯著 [R02]。這是客服問題處理率，不等於所有工作中的全生命週期淨現值；其異質性正支持按任務、技能與品質層級比較。 ### 1.3 程式設計：不同工作環境會出現方向相反的結果 Peng 等（2023）在受控 JavaScript HTTP 伺服器實作任務中報告，能使用 GitHub Copilot 的參與者完成速度約快 55.8% [R03]。Cui 等在三家企業的隨機實驗中，合併 4,867 名開發者的資料，估計 AI 編碼助理使完成任務數提高約 26.08%，標準誤為 10.3 個百分點；不同實驗存在變異，且這是相應工作場所的任務完成數，不代表所有品質或後續維護效果 [R04]。 另一方面，METR 在 2025 年針對 16 位熟悉既有成熟開源程式庫的開發者、246 個任務進行隨機研究，估計當時 AI 工具讓完成時間平均增加約 19% [R05]。此結果並非「AI 永遠使程式設計師變慢」；2026 年 2 月 METR 後續報告說明，新的工具與多代理工作流程使估計更困難，拒絕參與無 AI 條件、任務選擇及多代理重疊工作時間造成選擇與測量偏誤 [R06]。 ### 1.4 能力邊界呈鋸齒狀，而不是單一難度曲線 Dell'Acqua 等（*Organization Science*，2026）報告針對 758 名知識工作者的預先註冊實驗：在 AI 能力邊界內的一組顧問工作上，受試者使用 AI 完成任務多約 12.2%、平均速度快約 25.1%，並改善品質；但在選定的能力邊界外複雜管理問題上，使用 AI 者得到正確解的機率下降約 19% [R07]。兩個結果不是相互抵消的平均常數，而是說明任務與技術配適極為關鍵。 ### 1.5 組織能力是放大器；後續維護不應事先假定品質必然惡化 DORA《2025 State of AI-assisted Software Development》指出，AI 的影響與既有工作流程、平台工程、組織協作及價值流管理條件密切相關；局部生成速度可能在下游整合中被抵消 [R08]。 一項 2026 年發表於 *Empirical Software Engineering* 的兩階段預先註冊研究，使用 151 名參與者的程式開發結果，並以第二階段隨機試驗檢視他人接手維護的表現；研究未偵測到 AI 協作程式在後續人工演進中的系統性明顯優劣 [R09]。這提醒我們：品質風險必須實測，不能把「AI 生成」本身直接當成必有缺陷的充分條件。 ### 1.6 可以從現有研究得出什麼？ 公開證據支持的是**條件異質性**，而非全域單調定律。設計完整成本比較時，至少應固定任務種類、受試者熟悉度、AI 工具版本、是否包含整合與審查、驗收規則、時間窗以及實際完成的工作內容。沒有這些控制，從「多寫了幾萬行程式」推導「企業更有生產力」，不具備必要的識別基礎。 ## 2．比較單位：人類工時、機器生成與有效成果的五次分離 ### 2.1 任務不是自然存在的唯一單位 研究需先定義可比任務集合 $\mathcal D$。每個任務 $i$ 具有規格 $s_i$ 、外部約束 $b_i$ 、品質門檻 $q_i$ 、驗收者或驗收機制 $v_i$ 、完成期限 $\tau_i$ 及責任期限 $\ell_i$。若某種方法根本無法完成規格要求，不能把它產生的「類似候選」直接視為等價完成。 對有跨任務可比性的集合，可事先給定任務權重 $w_i>0$，且須在看見 AI 輸出之前凍結。權重代表事先定義的工作價值、難度或驗收配額，**不能為了使某方案看起來生產力較高而事後任意調整**。若任務本質不可比，應分域報告，不能用單一總和偽裝可比較。 ### 2.2 五種不同的「產出」 | 階段 | 例子 | 是否可當經濟交付？ | |---|---|---| | 候選 Candidate | 模型生成一篇文字、一張圖或一段程式 | 否；尚未有可靠驗收證據 | | 可執行／可讀 Workable | 程式能執行、對話通順 | 未必；可能不符合要求 | | 整合 Integrated | 已接入專案、資料結構相容 | 未必；可能尚未驗收 | | 驗收 Accepted | 通過預先規定的測試／評審門檻 | 可以作為指定觀測窗的基本分母 | | 持續有效 Durable | 維護期內仍符合品質與責任要求 | 可以作為延長時間窗的分母或品質指標 | 令 $A_i\in\{0,1\}$ 表示任務 $i$ 是否達到事先確定的驗收條件。對同質任務，初步有效成果量是 $Q=\sum_i A_i$ ；對有合法可比權重的任務集合，則使用 $Q_w=\sum_i w_i A_i$。若 $Q=0$，不報告「每件有效成果平均成本」的有限數字，應另報告總支出、完成率及無有效交付的狀態。 ### 2.3 已驗收與真實有效仍可能不同 驗收器自身可能誤判。形式測試、人工審稿與玩家試玩都只覆蓋有限情境。應同時報告：當下通過率、抽樣獨立複核的真實符合率、發布後缺陷及返工。形式上， $A_i$ 是可觀察的驗收狀態， $T_i$ 則是相對於研究預設真實合格標準的潛在狀態；兩者不能無條件設為相等。 ### 2.4 工時、經過時間、算力使用量與價值不能互換 - **人類投入工時**：實際花於規格、操作、審查、修正、決策與交付的勞動時間，可按人員分層。 - **日曆經過時間**：從委託到發布的 elapsed time，會受到並行、排隊與等待影響。 - **AI 計算／商品用量**：請求、Token、工具調用、GPU 時間或供應商計價額度，需按實際契約記錄。 - **有效成果量**：通過預先宣告標準的交付單位。 - **經濟價值**：客戶願付價格、實現收入、成本節約或社會效用；和前四項也不是同一物理單位。 縮短日曆時間不必減少人類工作總時數；減少人類時數也可能增加 AI 現金支出；增加可接受成果亦未必提高付費需求。這些都是待實際比較的獨立結果。 ## 3．人機協作不是單次呼叫，而是一張工作依賴圖 ### 3.1 七類可觀察的生產節點 對每個任務，建議記錄以下實際可發生的節點，不要求每種任務都具有全部節點： 1. $S$：規格與需求形成（包括對需求不確定性的處理）。 2. $G$：候選內容／程式／方案生成，可有人類與多模型參與。 3. $E$：編輯、挑選、相容化與整合。 4. $V$：驗證、測試、風險審查及獨立複核。 5. $R$：缺陷修復、重試與回歸測試。 6. $P$：正式發布、移交、文件與可追溯紀錄。 7. $M$：在明定時間窗內的維護、事故與持續責任。 這些節點構成有向依賴圖 $G_d=(N_d,E_d)$ ；某些節點可並行，某些必須等待前置條件完成。建議將每一筆成本綁定於明確節點及任務 ID，而不是把「人類與 AI 共用成本」一筆概括。 ### 3.2 可並行不等於可以無成本拼接 例如兩個 AI 代理可以同時產生遊戲角色資料與 NPC 對話，但如果角色狀態 schema 尚未凍結，兩份候選可能無法整合。提高代理並行數量時，候選生成率可能增加，跨代理衝突、審閱量與合併修復也可能增加。**效益取決於依賴圖的關鍵路徑與下游容量，不取決於代理數量。** ### 3.3 自動化驗證不等於沒有驗證成本 AI 或演算法可自動生成與執行測試，也可使用規則檢查、型別、資料契約、統計檢查、模擬玩家或獨立模型審查。這能降低需要人類同步審查的頻率，但仍有測試運算、Oracle 建置、誤判處理、回歸維護及高風險異常升級成本。這並非要求「人類始終在環」；相反，合理的路線可採**初始意圖授權、異常時升級、最終責任邊界**，將人類投入集中於必要節點。 ### 3.4 結果責任不一定與生成者一致 AI 撰寫草稿、程序由 CI 驗證、開發者點選發布，並不意味任何單一節點可以承擔全部品質責任。研究應分開記錄誰提供候選、誰對品質證據負責、誰擁有正式變更提交權、誰承擔發布後的契約義務。 ## 4．完整成本的核算邊界：先有分帳，再有總和 ### 4.1 三種比較策略 對給定任務 $i$，定義研究策略集合 $\mathcal S$，最小可包含： - $H$：在指定工具條件下的人工主導流程。 - $HA$：人機協作，將生成、工具執行與人類判斷按規則分工。 - $A$：高度自動化流程，必要時由異常升級或發布閘門接收結果。 三者不是價值階序；其中任何策略都可能在特定任務上最有效率。評估前應使其使用同一規格、合格判準及責任期限。若某策略產生原本人工路線無法提供的新商品，應另外以擴增產品集合研究，不強行混入同質成本比較。 ### 4.2 私人交付成本的工作定義 令 $T$ 是由任務開始到指定維護期結束的研究時間窗。對策略 $s$ 的任務 $i$，以不重複記帳的方式定義： $$ \begin{aligned} C_{i,s}^{\mathrm{private}}(T)={}&P_{i,s}^{\mathrm{AI}}+P_{i,s}^{\mathrm{tools}} \\ &+\sum_{r\in\mathcal H_{i,s}} v_r h_{i,s,r} \\ &+P_{i,s}^{\mathrm{external}}+C_{i,s}^{\mathrm{coord}} \\ &+\mathbb E[L_{i,s}^{\mathrm{post}}(T)] \\ &+C_{i,s}^{\mathrm{fixed\ allocation}}. \end{aligned} $$ 其中： - $P^{\mathrm{AI}}$：實付 AI 訂閱可合法歸屬份額、API 費及未包含在其他費用中的服務成本。 - $P^{\mathrm{tools}}$：未已包含於 AI 帳單的其他工具、儲存、資料和測試服務付款。 - $\mathcal H$：不重疊的人類工作節點； $h$ 是相應工時， $v$ 是明示之勞動機會成本或會計工資口徑。 - $P^{\mathrm{external}}$：額外聘任審查、測試、法遵等可合法歸屬的付費。 - $C^{\mathrm{coord}}$：若尚未納入人類工時或工具費的額外組織協調成本。 - $L^{\mathrm{post}}(T)$：在指定維護或責任期內的後續缺陷、保固、事故及賠付的可估損失；應說明風險估計的分布和不確定性。 - $C^{\mathrm{fixed\ allocation}}$：已明示分攤規則的工具導入、資料轉換或訓練流程固定成本。 **不可雙重計價：**人類修復工時若已列在 $\mathcal H$，不能再在「返工成本」重列一次；工具服務若已包含在訂閱方案內，不能重加；若 $L^{\mathrm{post}}$ 已包括事故修復人工支出，不能另以相同事件再次增列。每筆成本須有事件 ID 和歸屬邊界。 若企業以有薪員工進行工作，會計上的實際薪酬與經濟學上的工時機會成本並不必然相同。若創辦人未領薪，**現金支出為零不表示其時間機會成本為零**；但亦不應把想像中的最高市場薪資當成唯一正確估值，應展示多組影子工資敏感度。 ### 4.3 社會資源帳不可把使用者帳與平台帳相加 上式屬私人／決策主體口徑。若研究對象改為全社會，AI 服務的使用者付款對供應商構成收入，在合併經濟邊界內需剔除重複的中間金流，改由晶片服務、電力、實際勞動及外部性等真實資源事件估值。AICAP-03 的交易／資源雙帳在此完全適用。**同一份 API 帳單與供應商供給該 API 的 GPU 電費，不能無條件當成兩份使用者私人成本。** ### 4.4 同時報告四種時間與三種結果 | 衡量 | 操作定義 | 特別提醒 | |---|---|---| | 人工投入 $H$ | 各人的不重疊勞動時數總和 | 不能只看提示時間 | | 機器占用 $M$ | 可觀測運算、工具及其他受限計價資源 | 代理並行需按資源單位去重 | | 經過時間 $W$ | 從合法開始到完成之日曆時長 | 由關鍵路徑與等待決定 | | 現金付款 $P$ | 決策者實際支付的貨幣 | 不等於供應商成本 | | 驗收率 $p$ | 指定任務中合法完成且通過標準的比例 | 須連同門檻、重試次數報告 | | 有效成本 $K$ | 期望完整成本／期望有效成果 | 無合格分母不得硬算 | | 後續品質 $D$ | 在維護期內仍合格、無重大缺陷的狀態 | 須固定維護期 | ### 4.5 訂閱與當期沉沒成本 如果月費已付且在當前決策時不可追回，追加一次合法使用的**當期增量私人付款**可能為零；但是否應下期續訂，必須在前瞻期間計入月費與替代方案。AICAP-01 和 HACTS-02 已確立這條界線，本文只要求在任務帳本中分開記錄「追加付款」與「續訂／攤配付款」。用戶的零增量帳單亦不代表模型供應商的零增量運算資源消耗。 ## 5．正式比較模型：成本、品質、組合及時間 ### 5.1 以完成集合而非「單條回覆」作為分母 對固定任務集合 $\mathcal D$ 和策略 $s$，在時間窗 $T$ 下，定義： $$ Q_s(T)=\sum_{i\in\mathcal D} w_i A_{i,s}(T). $$ 在分母期望值嚴格為正，且任務權重於事前確定時，使用聚合單位有效成果成本： $$ K_s(T)=\frac{\mathbb E\left[\sum_{i\in\mathcal D} C_{i,s}^{\mathrm{private}}(T)\right]}{\mathbb E[Q_s(T)]}. $$ 這是**總期望成本除以總期望合格成果**，不等於每次隨機試驗中的 $C/Q$ 先求比再平均。在某些試驗 $Q=0$ 時，後者甚至無定義。若任務高度異質或權重缺乏事前合理基準，就應分任務家族報告成本與驗收率向量，而不是求假精確的單一 $K_s$。 ### 5.2 成本效益與價值增幅不是同一問題 若 AI 擴展了可完成任務集合，應另報告新成果總數、品質、外部價值與新增需求，而非把新工作誤當原先人工工作的替代節省。可用下列量分開觀測： $$ \Delta C=\mathbb E[C_{HA}-C_H],\qquad \Delta Q=\mathbb E[Q_{HA}-Q_H]. $$ 此處 $\Delta C$ 、 $\Delta Q$ 要求對相同任務集合與時間窗建立潛在結果比較。若 $\Delta Q>0$ 且 $\Delta C>0$，AI 可能擴張產能但未降低總支出；是否值得採用需要成果價值及預算限制，而不是直接宣稱「降本」。反過來，若 $\Delta C<0$ 且 $\Delta Q$ 不減，才是相對清楚的私人成本改善。 ### 5.3 單次生成與重試的最小模型 考慮一類同質任務，某策略每次完整「生成—檢查—必要修復—提交一個候選」成本為 $c_s>0$，每次試作獨立且以相同機率 $00$，且直到第一次成功才停止，則完成一次合格成果的期望試作成本為 $c/p$ ；若另有一次性前置成本 $F$ 和成功後成本 $b$，則完整期望成本為 $F+c/p+b$。 **證明。** 設 $N$ 為首次成功所在的試作次數。由幾何分布， $\Pr(N=n)=(1-p)^{n-1}p$，且 $\mathbb E[N]=1/p$。固定每次成本為 $c$，故由期望線性性， $\mathbb E[cN]=c/p$ ；加上僅支付一次的 $F,b$ 即得。證畢。 **適用域。** 命題不宣稱 AI 試作在現實中獨立同分布。若模型持續從失敗學習、輸入難度偏斜、返工越來越難，需用馬可夫決策、實測再試機率或任務事件資料而非這個示意。 ### 命題二：便宜的模型請求不保證便宜的驗收成果 **命題。** 考慮兩種策略 $a,b$，每試作完整成本為 $c_a,c_b>0$，成功率為 $p_a,p_b\in(0,1]$，其他固定成本及成功後成本相同。若 $c_a\frac{c_b}{p_b}, $$ 則較便宜的每次試作策略 $a$，在上述重試模型下反而具有較高的每件合格成果成本。 **證明。** 由命題一，成本分別為 $c_a/p_a$ 和 $c_b/p_b$，所給不等式直接確立反轉。證畢。 **涵義。** 即使模型 $a$ 的 *API* 費率較低，若整合、驗證或錯誤修復增加，使 $c_a$ 相對 $c_b$ 上升，成本反轉更容易發生。低 Token 單價本身不足以決定有效交付成本。 ### 命題三：強化內容生成的速度，不保證可驗收吞吐量上升 **命題。** 在穩定串接的候選生成、必經審查與整合三階段中，若候選生成容量為 $\lambda_G$ 、審查容量為 $\mu_V$ 、整合容量為 $\mu_I$ （同一時間單位），且每個完成整合的候選具有固定驗收率 $p$，則穩態合格成果吞吐量至多為 $$ \Theta\le p\min\{\lambda_G,\mu_V,\mu_I\}. $$ 若 $\mu_V<\lambda_G$ 且 $\mu_V\le\mu_I$，只提高 $\lambda_G$ 、其餘條件不變，不會提高此上界。 **證明。** 每件候選必須經過三個容量受限階段，故長期完成候選的流量不可能超過任一階段容量的最小值；在固定驗收比例 $p$ 下，合格流量最多為該值乘 $p$。當審查為嚴格瓶頸時，增加生成容量不改變最小值，故上界不變。證畢。 **限制。** 若加入預過濾、部分候選無需審查、並行審查或返工再次占用審查容量，容量公式須相應修正；本命題故意採用最小模型，禁止把額外候選的數量直接當成生產率。 ### 命題四：交付歷時與勞動投入可以朝不同方向變動 **命題。** 在一張可合法並行的工作依賴圖中，若兩個獨立節點歷時為 $t_1,t_2>0$，則串接需要 $t_1+t_2$ 的經過時間，而完全並行的經過時間可為 $\max\{t_1,t_2\}$ ；但兩節點所消耗的總人工勞動時數不因並行本身而必然改變。 **證明。** 串接路線的起訖長度為時間和；並行起訖則由較慢節點決定。若兩節點所需人員投入分別為 $h_1,h_2$，不論排程，投入仍為 $h_1+h_2$，除非另行改變節點工作內容。證畢。 **涵義。** 兩個 Agent 同時工作可能縮短項目完成日，但如果需要相同甚至更多審閱，並行不是「人工成本降為一半」的證明。對等待期間是否真的能從事其他有價值工作，也需要觀測。 ### 命題五：一次性導入成本可使正的任務節約在小規模下變成總損失 **命題。** 在兩個品質相同、可交付成果相同的流程中，若 AI 流程每件成果較人工流程節約 $\delta>0$，但一次性導入成本為 $F>0$，且沒有額外費用、量折與資本服務差異，則在 $N$ 件同質成果後，AI 的淨節約為 $$ S_N=N\delta-F. $$ 在此模型下，只有當 $N>F/\delta$ 時節約嚴格為正。 **證明。** 每件節約 $\delta$， $N$ 件加總為 $N\delta$ ；扣除一次性成本 $F$，可得上述式及其正值條件。證畢。 **涵義。** 導入 AI 的短期效益、長期資產重用與企業持續存在的期間不同。不可在一次小型試作中忽略固定導入成本，也不可因短期未回收就斷言長期必然不值得。 ### 命題六：增加驗證強度未必單調降低完整成本 **命題。** 令驗證強度 $z\ge0$ 的直接成本為 $az$，其中 $a>0$ ；發布後錯誤逃逸機率 $e(z)$ 可微且隨 $z$ 下降；預期每次逃逸損失為 $L>0$。完整風險調整成本為 $$ C_V(z)=az+Le(z). $$ 若存在內點最優 $z^*>0$，則必須滿足 $$ a+Le'(z^*)=0. $$ 若 $e''(z)\ge0$，且存在滿足該條件的可行內點，則其為全域最小值（嚴格凸時唯一）。 **證明。** 微分得 $C_V'(z)=a+Le'(z)$，可微內點最小的必要條件是導數為零；若二階導數 $Le''(z)\ge0$，目標函數凸，任何可行駐點即為全域最小值。證畢。 **涵義。** 檢查不是越多越好，也不是越少越好。高風險領域的 $L$ 可以極大，且不能簡單以期望損失取代法定硬性要求；低風險對話填充則可能透過狀態守衛、重複率檢查與抽樣審核達到合理驗收。實際的 $e(z)$ 常不可觀測，故本命題是辨識方向，不是替各產業預定一個最佳審查時數。 ### 命題七：不完美驗收器可以系統性高估真實有效成果比例 **命題。** 設生成候選真實合格機率為 $\pi\in(0,1)$，驗收器對合格候選的通過率為 $s\in(0,1]$，對不合格候選的誤通過率為 $f\in[0,1]$。則表面通過率為 $$ p_{\mathrm{seen}}=\pi s+(1-\pi)f, $$ 通過驗收者真正合格的比例為 $$ \Pr(T=1\mid A=1)=\frac{\pi s}{\pi s+(1-\pi)f}, $$ 前提是分母為正。若 $f>0$，通常不能把表面通過總數全部視為真實合格總數。 **證明。** 由全機率公式得到第一式；由貝氏法則得到第二式。當 $f>0$ 且 $\pi<1$ 時，通過事件包含真實不合格候選，故真實合格占比小於一。證畢。 **涵義。** 以 CI 綠燈、文字通順或單一 AI 評審的「通過」數量作為產能指標，可能對真正品質過度樂觀。研究需用盲測抽樣、人工或獨立評估補充誤通過率估計；但獨立評估者也不應被預設為完美真相來源。 ### 命題八：候選膨脹不構成合格交付增加的充分條件 **命題。** 若某策略在既定時間窗中生成更多候選，但可用的最終驗收、整合容量與合格條件不變，則僅憑候選數上升，無法推出有效成果數上升。 **證明。** 構造反例：原策略產生 100 件候選，其中 20 件通過；新策略產生 1,000 件候選，但因整合容量仍限 20 件且其餘均未完成驗收，合格交付仍為 20 件。前件成立而結論不成立，故候選數增加不是有效成果增加的充分條件。證畢。 **注意。** 這項命題並不否定大規模生成的可能價值；如果篩選、索引與整合能有效擴容，更多候選有機會提升品質與選擇空間。關鍵是其因果鏈必須實測。 ## 7．成本逆轉與生產瓶頸：五組完全透明的假設案例 下列金額與機率**全部為研究示意數據，不屬於任何供應商、公司或使用者的實測帳本**。貨幣統一用示例美元；僅作邏輯與算術驗證。若用於現實決策，應以觀察值、可信區間與多種機會成本重估。 ### 7.1 案例 A：模型比較必須以「完成一件合格工作」為單位 假設三條工作流程承接同一類、規格固定的可交付任務；人類勞動時間以每小時 35 美元的研究影子價格計算；各策略的候選內容品質由預先定義的同一驗收器測量。為了能直接計算，採命題一的獨立重試假設。 | 分項 | 人工流程 | 低費率 AI 流程 | 高費率 AI 流程 | |---|---:|---:|---:| | 每次嘗試的人類投入 | 4.00 小時 | 2.50 小時 | 1.10 小時 | | 每次人類成本（35 美元／時） | 140.00 | 87.50 | 38.50 | | 每次 AI 費用 | 0.00 | 4.00 | 22.00 | | 每次其他未包含工具費 | 6.00 | 3.00 | 3.00 | | 每次完整成本 | 146.00 | 94.50 | 63.50 | | 假設每次驗收成功率 | 100% | 60% | 90% | | 每件合格成果期望成本 | **146.00** | **157.50** | **70.56** | 計算： $$ K_H=146.00, $$ $$ K_{\mathrm{low}}=\frac{94.50}{0.60}=157.50, $$ $$ K_{\mathrm{high}}=\frac{63.50}{0.90}\approx70.56. $$ 結果是：低費率方案每次試作看似便宜，但因人類審查與重試需求，完成一件工作反而比人工更昂貴；高費率模型雖然模型單次帳單較高，完整期望成本卻最低。此例**僅證明可能性**，不證明現實高價模型在所有任務都更有效。 若設定同一品質門檻下，所有人工流程亦可能失敗，則應對人工路線用相同方法估計其驗收率、返工量與維護成本，不可永遠給人工路線 100% 的隱性特權。 ### 7.2 案例 B：導入一次性成本下，何時才真正節省？ 假設導入 AI 協作工具與資料流程需要一次性整合成本 2,000 美元；此後每件品質相同的合格成果，比原流程節約 26 美元，且不計貼現與額外維護。 $$ S_N=26N-2000. $$ | 合格成果數 $N$ | 累計變動成本節約 | 扣除固定導入成本後淨節約 | |---:|---:|---:| | 40 | 1,040 | -960 | | 50 | 1,300 | -700 | | 77 | 2,002 | +2 | | 120 | 3,120 | +1,120 | 臨界為 $N>2000/26\approx76.92$。這說明短期專案可能虧損，而足夠多的重複成果可以攤薄固定導入成本。若專案在第 40 件終止，不能宣稱已回本；若工具能跨專案依法重用，亦不應把全部成本永久歸給第一個專案。 ### 7.3 案例 C：Agent 加倍，不等於驗收速度加倍 假設 AI 系統每小時能生成 40 個完整候選；審查與整合單線最多每小時處理 6 個，且其中 75% 達到統一的驗收門檻；無複雜返工佇列。 $$ \Theta\le0.75\min\{40,6\}=4.5 $$ 將模型候選供給提高到每小時 80 個，審查量不變： $$ \Theta\le0.75\min\{80,6\}=4.5. $$ 最終交付上限沒有增加。更糟的是，如果系統沒有候選數量管理與排程，未審核內容可能形成不斷擴張的待處理庫存，增加搜尋、版本與決策負擔。 真正有效的改善方式可能是強化自動前置條件檢查、提高審查者效率、降低候選返工量，或讓非關鍵內容採風險分層驗收。但任何自動過濾都應測量誤刪真正合格候選與誤放不合格候選的代價，不能只看通過速度。 ### 7.4 案例 D：較貴的品質門檻，反而可能降低完整預期成本 假設對同類已驗收工作，方案甲的初始可交付成本為 50 美元，後續發生需支付 1,000 美元損失的重大缺陷機率為 2%；方案乙增加更多驗證，初始成本為 62 美元，但同類重大缺陷機率降為 0.5%。其他因素不變且不存在尚未納入的重疊損害。 $$ K_{\mathrm{\alpha}}=50+0.02\times1000=70, $$ $$ K_{\mathrm{\beta}}=62+0.005\times1000=67. $$ 方案乙的當期帳單較高，但風險調整後成本反而更低。若把該損害估值改成 100 美元，則甲為 52、乙為 62.5，排序會反轉。**因此驗證最適量取決於可辨識的風險後果與任務領域，沒有固定通用倍率。** 高後果尾部風險不一定適合用單一平均值概括，應同時觀察最壞情境、不可逆性與硬性安全要求。 ### 7.5 案例 E：遊戲內容的「生成規模」和「有效可玩量」 一個純示意的 FFRPG01 內容管線在開發階段生成 12,000 條候選對話，分四道不可互換的驗收： | 階段 | 條件通過比例（示意） | 當階段剩餘數量 | |---|---:|---:| | AI 原始候選 | — | 12,000 | | 角色認知／世界狀態條件相容 | 40% | 4,800 | | 文字品質與人物風格相容（以上階段為分母） | 50% | 2,400 | | 去重、情境差異及使用價值（以上階段為分母） | 60% | 1,440 | | 通過遊戲整合與玩家介面測試（以上階段為分母） | 80% | **1,152** | 這些比例是**條件式階段通過率**，不是斷言多項品質事件在統計上相互獨立。此例的 1,152 條只是通過預設門檻的內容單位，並不表示玩家實際會看完、每句都提升沉浸感、或已實測內容效果。 同樣的原則也適用於怪物形態、技能、裝備、地城事件和世界反應：合法組合需要機制約束、玩家可理解性、效能以及出現密度的驗證。安裝容量小、理論排列組合大，與實際內容價值之間仍隔著一整條生產與驗收鏈。 ## 8．三種常被混為一談的「節約」 ### 8.1 現金節約 當企業減少外包付款、按量服務支出或現金薪酬，可能出現當期現金節約。但如果不解聘員工、薪酬合同不變，只是讓原班人員多做其他工作，該節約未必直接反映在現金流。經濟分析應分別報告實際現金、會計成本和人類時間的機會價值。 ### 8.2 人類時間節約 AI 降低人工操作、查找資料或重複格式化的時間，可能讓人類自由安排其他事務。這是重要價值，但需要觀察被釋出的時間是否實際用於其他工作、休息、學習或提升品質。**節省工時不意味組織會自動將節約轉成同額財務利潤**；也不代表未領薪的研究者時間沒有價值。 ### 8.3 交付歷時節約 在緊急修復、商業上架、危機應對或契約時限等情境，縮短交付歷時本身可能有相當大的價值。其價值應記錄為期限風險降低、提前取得收益、加速試錯或避免延誤成本；**不能再把相同時間差重複寫入人工薪酬節約**。 ### 8.4 組織制度與勞動市場的過渡 在短期內，企業可能因既有合約與固定薪資而無法立即節省現金，但可以提高可驗收成果產量；在長期，企業可能調整職務結構、聘任方式與服務定價。這些屬不同的動態反事實，不能只由一次任務的成本比較直接推導工資、失業或總體分配結論。CLATE 系列對工資及任務價格的分析，應保持獨立邏輯權威。 ## 9．驗證成本與內容品質的分層管理 ### 9.1 非所有任務都需要等量驗收 建議將任務按可逆性、錯誤外部性、可自動測試程度、影響範圍、資訊保密及結果不可逆程度分層。純視覺草稿、一次性遊戲閒談、涉及持續世界狀態的事件、正式金融決策、生命安全相關軟體，不應自動採同一套審核制度。對可完全自動驗證的機械性轉換，應積極利用規則測試；對高風險或語義複雜事項則需相應證據與責任配置。 ### 9.2 驗收器本身也是生產資產 測試腳本、形式約束、人物知識圖譜、具體案例 Oracle、模擬用戶、資料契約與回歸套件，都可能跨多次交付重用。其開發費用在前期是固定成本，後期可降低每次驗收成本。這不是免費產能；需計入建置與維護，再以明示的使用時間窗攤配。 ### 9.3 高通過率有時意味驗收標準被放寬 假設某團隊宣布 AI 生成內容的「通過率由 30% 提升至 90%」。如果評審改為只檢查語法、不檢查世界狀態、資產授權或玩家可用性，這不代表內容品質真正提升。應記錄驗收器版本與門檻變更，並使用固定的外部保留測試集定期重新抽驗。 ### 9.4 負面回饋也需具有因果歸屬 遊戲玩家反映沉浸感不足，不必然因文字句數太少；可能是人物狀態未耦合、對話出現太頻繁、事件缺少後果，或者探索與提示介面干擾。工作流需要把「內容不足」與「內容觸發錯誤」「關係狀態錯誤」「UI 密度失衡」分開測量，才能決定需要增加內容生成、修改演算法或改善交互設計。 ## 10．多代理並行、模型分工與認知負擔 ### 10.1 代理數量不是新的生產力分母 若新增十個 Agent 後，產生十倍代碼建議，卻讓審查和合併成本上升，則原始候選量不能當成十倍產能。應記錄 Agent 與任務的調度、等待、合併衝突、工具呼叫失敗、重複工作和最終責任來源。 ### 10.2 最小化上游生成量，可能提高整體產能 當審核資源稀缺時，提前使用便宜的規則驗證，排除明顯不符合規格的候選，有機會降低下游負擔。但是過度排除可能削減真正優秀的非常規方案。因此需要同時測量候選覆蓋率、真正合格內容的召回率、錯誤放行率及最終成果品質。最適策略未必是生成最少，也未必是生成最多。 ### 10.3 認知成本不是心理診斷 閱讀多份相似候選、比對版本、回顧上下文、判斷是否推送，可能需要可觀察的認知努力與決策時間。本文所稱「認知成本」是工作負荷、切換時間與協調負擔的經濟描述，**不代表對任何使用者或開發者作健康、心理或能力判斷**。估計此成本應採行為測量、時間紀錄、工作錯誤與自願回饋，而非沒有依據的主觀倍數。 ### 10.4 最低可行架構：規則引擎為執行權威，AI 可負責候選 尤其在程序化沙盒遊戲，預先生成 NPC 對話、情境事件、技能與視覺模組，不需要所有玩家操作即時經由前沿模型生成。AI 可以先生成大量經分類與驗證的候選；遊戲運行時由狀態索引、相容性守衛、事件冷卻、重複率控制及合法提交機制選取。這能把前沿模型成本更多放在開發端，減少玩家端運行費用與不確定性。其經濟是否更優，仍需把預生成成本、內容維護、資料體積、選取演算法和玩家測試一併核算。 ## 11．可反駁的十項研究假說 **H1｜驗收分母逆轉。** 在固定任務與品質門檻下，單次 AI 呼叫價格較低的方案，在部分任務域可能具有較高的每件有效成果成本。若控制其他要素後未觀察到逆轉，該域的假說不成立。 **H2｜下游容量限制。** 對具有固定必經審查階段的任務，只提高候選生成速度，在審查容量飽和時無法同步提高交付率。若增加生成速度本身讓審查效率同步提升，需承認發生了額外機制變化。 **H3｜錯誤修復的不對稱。** 對大型既有專案的變更，整合與返工占總成本的比例，可能比新建小型樣本更高。此效果須以相同品質門檻、專案熟悉度和工具版本估計。 **H4｜高模型費率優勢的條件性。** 在高驗收負擔的任務，若較高費率模型明顯降低審查與重做，其有效成果成本可能較低；但不能先假定價格能代理模型品質。 **H5｜驗收器資產的規模效應。** 在工作規格穩定且反覆出現的任務域，先行投資可重用的測試與資料契約，可能使單件驗收成本隨累計交付下降；其導入及維護成本須全數計入。 **H6｜並行與人類時間分離。** 多代理並行較可能先降低日曆經過時間，而其對人類總工時的效果較依賴審查自動化與整合能力。 **H7｜近似成果膨脹。** 以文字條數、程式碼行數或任務卡數量計算的生產力改善，在凍結任務粒度與驗收要求後，可能明顯縮小或消失。 **H8｜品質門檻影響策略排序。** 對同類工作，當品質、安全或維護要求提高時，各種 AI／人工策略的成本排序可能改變，且不必單調偏向人工或 AI。 **H9｜經驗與任務熟悉度交互作用。** AI 幫助程度可能與開發者對既有專案的熟悉程度產生交互作用；應容許正、負或零的效果，不預設熟悉者必然受益更少。 **H10｜情境內容密度存在非單調效果。** 對 RPG 的日常對話／事件，增加符合狀態的可用內容有機會提升沉浸感，但當觸發頻率或提示強度過高時，可能降低玩家的自主探索體驗。此假說需要玩家行為和主觀體驗雙重資料，而不能用資料庫大小自行驗證。 ## 12．實證設計：從感受到的速度轉為可驗證的成本差異 ### 12.1 最小可比實驗：事前規格、任務隨機化、事後盲審 最低限度的因果研究應先建立有代表性的任務集合，凍結要求、交付期限與品質門檻，再在具備相應能力的受試者或團隊間，分配人工主導、人機協作與高度自動化策略。對無法合法禁用 AI 或存在嚴重不配合的受試群體，可改採集群隨機化、分階段導入或觀察研究；但須明確揭露識別假設。 建議程序如下： 1. **任務預註冊。** 每件任務預先提交規格、難度、資料存取權、合格門檻、預期維護期和不可違反的法規／安全約束。 2. **分層抽樣。** 按新建／既有專案、語義難度、規則可驗證性、錯誤代價、資料熟悉度與是否需要跨團隊整合分組。 3. **策略分配。** 在各層內隨機指派人工、AI 協作或不同模型／代理流程；不能以某一組受試者特別擅長的任務作為唯一樣本。 4. **完整執行紀錄。** 從規格形成到發布與指定維護期，保留事件時間戳、付費與計算使用量、工時、候選 ID、審查與修復紀錄。 5. **獨立驗收。** 由不知道策略標記的評審者，使用凍結測試規則判定可用性；必要時使用多人交叉審查和事後保留測試集。 6. **工作流後測。** 在實際整合、用戶回饋或維護期後測量持續品質與補救成本，不只在 AI 生成當下停止計時。 7. **公布分母與不確定性。** 報告進入研究的全部任務數、拒絕數、成功數、任務難度、遺失資料、置信區間及超時／失敗處理方式。 ### 12.2 兩種不同的因果估計目標 **固定任務替代效果。** 對事前相同的任務集合，估計使用 AI 相對人工的完成機率、完整成本及時間變化。這適合判斷「做同一件事是否比較省」。 **工作組合擴張效果。** 允許團隊因 AI 新增原本不會做的任務，再比較總成果、收入、組織能力與新風險。這適合研究「AI 使人能做哪些原本沒有做的事」。它不能直接使用固定任務實驗的驗收分母；新需求需要另外定義價值。 這兩種估計若混合，會出現「AI 組做更多事，因此看起來總成本更高」或「AI 組只選容易任務，因此看起來效率更高」的不可比較問題。 ### 12.3 選樣、放棄與多代理計時 METR（2026）已指出，當開發者不願在無 AI 的條件工作時，依賴自願參與的比較可能產生嚴重選樣偏誤 [R06]。因此需要登記：哪些任務被拒絕提交、哪些受試者拒絕某種條件、未完成任務、臨時換模型、跨任務並行與臨時中止。 多代理情境下，一個人可能同時監看三個任務；如果將其監看過程的日曆時間分別完整加到三個任務，會產生雙重計時。應記錄各項操作的實際人類活動片段、分派規則與未分配時間；若精確歸屬不可行，需另報告總人時、任務級時間分攤區間與敏感度，而不是假設所有時段都能歸到一件成果。 ### 12.4 審查強度應作為實驗處理之一 不能只比較模型 A 與 B，還應測試不同驗收策略，例如： - 內容生成後全數人工審查； - 規則型自動檢查後抽樣人工審查； - 獨立模型預審加嚴格的高風險升級； - 先進行資料契約與狀態相容性檢查，再生成較少候選； - 無 AI 人工流程，使用相同的品質驗收程序。 這樣才能區分提升來自模型本身、驗收器、任務選擇、工具流程還是人力重新分工。 ### 12.5 不同任務的成功標準不應相互冒充 | 任務領域 | 有效成果最低證據 | 額外品質／風險視窗 | |---|---|---| | 專業寫作 | 規格符合、可讀性、事實查核及獨立評分 | 發布後勘誤、使用者效果 | | 程式設計 | 測試、整合、版本相容、必要安全檢查 | 維護、回歸缺陷、事故 | | 遊戲文本 | 語言品質、角色狀態耦合、觸發條件 | 互動密度、沉浸、重複率 | | 遊戲技能／怪物 | 規則合法、組合相容、數值與效能測試 | 玩家體驗、平衡、罕見狀態 | | 分析報告 | 來源可核、計算可復現、邏輯正確 | 決策後果、資料更新 | | 高風險決策支援 | 所需資格、程序、證據與權責符合 | 事故、傷害、法遵與追索責任 | 這裡並非主張建立完全相同的跨領域「成功分數」，而是要求每個領域明確定義**自己真正有價值的交付單位**。 ## 13．最小可追溯資料契約：接入成本帳本與驗收系統 ### 13.1 研究資料欄位 | 領域 | 欄位範例 | 必須確保的性質 | |---|---|---| | 研究與任務 | `study_id`, `task_id`, `task_family`, `spec_version` | 事前凍結、避免同任務重複計功 | | 品質 | `acceptance_policy_id`, `threshold_version`, `blind_review_result` | 驗收門檻可追溯 | | 策略 | `strategy_id`, `model_id`, `tool_versions`, `agent_count` | 不同工具版本不可偷換 | | 時間 | `started_at`, `finished_at`, `human_work_segments`, `wait_segments` | 日曆時間和人時分開 | | 生成 | `candidate_id`, `parent_candidate_id`, `generation_cost` | 重試、分支和內容來源可追溯 | | 整合 | `integration_events`, `merged_artifact_ids`, `conflict_count` | 不用候選數當發布數 | | 驗收 | `acceptance_event_id`, `accepted`, `quality_vector`, `oracle_version` | 防止測試降級與重複驗收 | | 修復 | `defect_id`, `rework_cost`, `repair_hours`, `retest_id` | 成本事件去重 | | 成本 | `cash_expenses`, `allocated_subscription`, `human_shadow_rate`, `other_tools` | 已含支出不重複加帳 | | 持續品質 | `post_release_defects`, `maintenance_horizon`, `loss_estimate` | 不把短期通過當永續有效 | | 世界與狀態 | `worldline_id`, `state_version`, `knowledge_scope`, `event_source_id` | 供遊戲內容一致性驗證 | | 稽核 | `provenance`, `run_seed`, `commit_sha`, `policy_hash`, `audit_status` | 研究與測試可復現 | 這只是資料契約建議，不表示上述欄位已存在於任何現有系統。若要用 EveMissLab-AICostLedger、FFRPG01 或其他工具實作，必須先核對其實際 schema、權限與版本，不能因命名相似便宣稱已整合。 ### 13.2 三個不可替代的識別碼 - **`task_id`**：研究定義的一件工作與品質標準。 - **`candidate_id`**：對該工作的一份產出候選，可以無限多但不等於完成數。 - **`acceptance_event_id`**：對某個候選或其合法整合版本作正式驗收的不可重複事件。 若只有 `prompt_id` 與 `tokens_used`，最多能研究推理與費率，不能研究完整有效交付；若只有 `release_id` 而未紀錄失敗候選，又容易低估不成功嘗試的成本。 ### 13.3 建議的核算算法 1. 讀取研究指定的全部任務與預先凍結的品質門檻。 2. 用 `task_id` 聚合候選、整合、驗收及重試事件。 3. 將每一筆非重複的付款、人工時段與維護損失歸屬到合法節點。 4. 分別計算人工總工時、AI 費用、其他工具費、交付歷時、失敗次數與品質向量。 5. 僅對已達成事前驗收門檻的任務計入有效成果分母。 6. 按事前任務類型與權重分層，計算完整成本／有效成果。 7. 另行報告失敗率、未完成任務、維護期、風險與缺失資料。 8. 用不同的影子工資、驗收器真實準確率、維護期間及方案價格進行敏感度分析。 ### 13.4 十六項稽核警報 | 編號 | 錯誤或風險 | 最低檢查 | |---|---|---| | C01 | 把候選條數當成成果數 | 檢查 `acceptance_event_id` | | C02 | 把 Prompt 時間當全部人力成本 | 檢查整合、驗證、修復、發行節點 | | C03 | 把已付訂閱等於本次增量現金 | 分開當期與前瞻決策 | | C04 | 將 API 帳單與已內含工具費重算 | 交易來源與套餐映射 | | C05 | 未把失敗候選費用歸屬 | 保留所有候選事件 | | C06 | 同一修復工時重複計入兩類成本 | 以工作事件 ID 去重 | | C07 | 把並行經過時間當成人時加總 | 同時段重疊檢查 | | C08 | AI 組與人工組使用不同驗收門檻 | 檢查 policy hash | | C09 | 改變任務粒度以提高完成件數 | 使用固定任務規格 | | C10 | 忽略未完成、超時或受試者退出 | 納入意向治療與流失分析 | | C11 | 將生成品質高當成後續維護必然低 | 固定持續品質測量期 | | C12 | 把企業自有模型能力冒充公開可租價格 | 分開所有權與服務使用權 | | C13 | 用多代理候選量冒充下游產能 | 審查與整合吞吐量核對 | | C14 | 將 AI 編造的世界狀態當成正史 | 權威世界事件與認知守衛 | | C15 | 把資料庫容量當作玩家內容體驗 | 玩家行為、重複與干擾率測試 | | C16 | 用前沿模型價格宣稱供應商虧損 | 回到 AICAP-02、03 分帳 | ## 14．與既有理論的銜接：新增什麼，不重複什麼 | 既有研究／工程 | 本篇承接 | 本篇新增或保留界線 | |---|---|---| | AICAP-00 | L1–L5 分層及不能以標價代替成本 | 具體實作跨策略任務與品質分母 | | AICAP-01 | 訂閱／Token 計價、有效成果的定義 | 完整生產節點、審查、返工與時間 | | AICAP-02 | 高固定算力投資、利用率與服務容量 | 客戶端工作與下游容量；不重算設備成本 | | AICAP-03 | 付款、資本、風險歸屬和跨期成本 | 任務內部的可追溯完整成本；不宣稱供應商補貼 | | CLATE-07 | 智能時間價格、驗證成本、任務替代 | 用工序圖及可反駁驗收資料擴充；不重做工資理論 | | ANIE-02 | 遊戲工業化、品質交付單元 | 說明候選—驗收—維護的成本鏈與瓶頸 | | HACTS-02 | 額度、時間與可失效權益 | 分開等待、注意力、當期與續訂成本 | | FFRPG01 設計補充 | 預生成內容、狀態耦合、跨系統組合 | 作為研究案例，不把設計可能性當成實測收益 | | EveMissLab-AICostLedger | 未來成本與產出歸屬的工具接口 | 具體欄位規劃不等於已完成部署或驗證 | | AICAP-05 | 後續研究智能能力取得與所有權 | 不預先將流程效率推論為資本民主化 | | AICAP-06 | 後續研究能源、晶片與需求反彈 | 不以使用者任務成本直接推論社會耗能 | 這樣銜接的目的是保護已有研究的獨立貢獻：本系列不是把 CLATE、ANIE、HACTS 或 FFRPG01 換名重寫，而是為「低價智能服務是否真的產生經濟節約」建立不同層級間可稽核的比較通道。 ## 15．限制、失敗條件與理論修正規則 **一、品質的規範性。** 合格門檻可以來自技術測試、法規、契約、專家審查或使用者感受；不同定義產生不同產出分母，沒有唯一超領域的品質標準。研究必須公開門檻，不可假裝所有價值由一個分數決定。 **二、不可觀測風險。** 對極低機率重大事故，短期樣本無法穩健估計 $L^{\mathrm{post}}$。應採情境上界、強制安全門檻及敏感度，而非用任意期望值聲稱風險已被精確定價。 **三、學習與內生選擇。** 人會逐漸學會使用模型；模型版本亦會更新。任務本身也因 AI 能力擴張而改變。跨期比較若缺乏固定任務對照與版本紀錄，無法把效果全部歸因於 AI。 **四、替代與互補混合。** AI 可能替代部分人工工序，又創造新的審查、設計與產品任務。直接刪減工時不等於整個工作流程簡化，亦不能由此得出人類職業會消失的必然結論。 **五、人類時間的估值。** 不同地區、職業、勞動制度、未領薪的創作者與企業內部人員，其時間成本估值都不同。應至少報告實付現金與影子工資區間兩套結果。 **六、模型側成本不可由客戶端帳單識別。** 本文研究的是客戶端完整交付；無權從訂閱與使用量推導未公開的推理電費、GPU 折舊或模型訓練成本。若要改做供應商或全社會帳，必須採 AICAP-02、03 的跨主體去重規則。 **七、任務相似性與創造性。** 創作可能不適合標準化單一成功率模型；創意價值、世界觀品質和藝術風格具有評價異質性。此時需要多名評審、玩家體驗、產品收益與可重複的內容條件測試，而非要求單一公式代替創意判斷。 **八、研究結果須允許反證。** 如果在嚴格驗收與完整成本核算後，AI 協作長期穩定比人工更便宜、更快且品質更好，本研究必須接受那是真實效率增益；如果相反，也須承認其適用任務與時間窗，不能把負面結果泛化為 AI 永遠無經濟價值。 **九、公式假設限制。** 命題一、二假設幾何重試；命題三假設所有候選流經瓶頸並具有固定驗收比例；命題五假設每件節約固定；命題六假設可微驗證成本與可估錯誤逃逸損失。超出假設時需要修改公式，而非把示意模型當自然定律。 **十、方法不是部署證明。** 這份文件提出研究制度與資料欄位，不表示已完成 FFRPG01 真實遊玩品質驗證、EveMissLab-AICostLedger 接入、供應商內部成本讀取或商業產品發布。 ## 16．結論：有效成果才是智能生產的經濟分母 本篇研究從一個看似直覺的比較開始：人類過去要花數天寫完的內容，AI 可能數分鐘就能生成。這個差異可以是真實的生產力進步，但「幾分鐘生成」與「幾分鐘完成」在經濟上仍然不是同一事。只有當生成結果被合法整合、通過預先確定的驗收品質，在所要求的責任期間維持有效，並把人類投入、工具支出、重試與風險全部按同一邊界核算後，才能討論真正的成本節約。 人機協作的經濟優勢並非建築在「AI 永遠便宜」或「人工永遠精準」的假設上，而在於把不同任務交給適當的生產技術，利用可重用的規格、內容、驗收器與基礎設施，使整條工作鏈在可接受品質下付出較小代價。在某些任務中，前沿模型能減少大量人工時間；在另一些任務中，理解、驗證、整合與責任才是稀缺的生產資源。相同模型、相同費率，在不同工作流中可以出現相反的經濟結果。 這也是 AICAP 系列前四篇共同建立的分帳邏輯：AICAP-01 分開**價格與成果**；AICAP-02 分開**租用與持有**；AICAP-03 分開**資源與支付、當期與跨期**；本篇則分開**候選與交付、速度與工時、表面通過與持續有效**。後續 AICAP-05 可以沿此基礎研究低門檻使用權和高門檻能力所有權的不對稱，AICAP-06 再研究全社會資源與需求反彈。 最終，若要判斷 AI 是否真的使文明變得更有效率，不能只問有多少人獲得便宜智能，也不能只問超算花費多少資本。還必須問：**在每一個可比較的生產任務上，究竟產生了多少真正合格、可持續、可負責的成果，以及它們耗用了哪些資源與人的時間。** **機器生成的是候選；制度驗收的是成果；經濟學必須計算兩者之間所有尚未消失的成本。** --- ## 參考文獻與可核查公開來源 以下僅列本篇直接使用、截至 2026-11-03 可查核的一手學術文獻及研究機構來源。其實證結果只用於論文明確描述的樣本、任務與時期，未從個別研究外推所有產業。 - **[R01]** Noy, S., & Zhang, W. (2023). *Experimental evidence on the productivity effects of generative artificial intelligence*. **Science**, 381(6654), 187–192. DOI: https://doi.org/10.1126/science.adh2586 。453 名受試者的專業寫作實驗；研究報告約 40% 時間下降與約 18% 品質提高。 - **[R02]** Brynjolfsson, E., Li, D., & Raymond, L. (2025). *Generative AI at Work*. **The Quarterly Journal of Economics**, 140(2), 889–942. DOI: https://doi.org/10.1093/qje/qjae044 。5,172 位客服人員的工作場所研究；平均每小時解決問題數提高約 15%，效果具異質性。 - **[R03]** Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). *The Impact of AI on Developer Productivity: Evidence from GitHub Copilot*. Microsoft Research／arXiv. https://www.microsoft.com/en-us/research/publication/the-impact-of-ai-on-developer-productivity-evidence-from-github-copilot/ 。受控 JavaScript HTTP server 實作實驗；AI 組約快 55.8%。 - **[R04]** Cui, Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S., & Salz, T. (2026). *The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers*. **Management Science**. DOI: https://doi.org/10.1287/mnsc.2025.00535 。三家企業合併 4,867 名開發者資料；估計完成任務數增加 26.08%，標準誤 10.3%。 - **[R05]** Becker, J., Rush, N., Barnes, B., & Rein, D. (2025). *Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity*. METR. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ 。16 人、246 個成熟開源專案任務的隨機研究；估計當時工具使用增加約 19% 完成時間。 - **[R06]** Becker, J., Rush, N., Cunningham, T., Rein, D., & Mahamud, K. (2026-02-24). *We are Changing our Developer Productivity Experiment Design*. METR. https://metr.org/blog/2026-02-24-uplift-update/ 。說明後續測量的拒絕參與、任務選擇、薪酬變化與多代理時間量測偏誤，不能據後續原始數據給出可靠通用加速倍數。 - **[R07]** Dell'Acqua, F., et al. (2026). *Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality*. **Organization Science**. DOI: https://doi.org/10.1287/orsc.2025.21838 。758 位知識工作者；邊界內任務增益、邊界外任務反向效應的實驗。 - **[R08]** DORA / Google Cloud (2025). *State of AI-assisted Software Development 2025*. https://dora.dev/research/2025/dora-report/ 。AI 作為組織既有能力放大器的研究報告；適合作為流程、平台與價值流的觀察背景，不代表單一企業因果結果。 - **[R09]** *Echoes of AI: Investigating the downstream effects of AI assistants on software maintainability* (2026). **Empirical Software Engineering**. DOI: https://doi.org/10.1007/s10664-026-10889-1 。兩階段預先註冊研究；在其範圍內未偵測到 AI 協作程式碼被後人維護時具有系統性顯著優劣。 ## 內部前置研究、連續性與權限界線 - **[I01]** AICAP-00〈AI 成本表象悖論：低價智能、超算資本與全域資源帳本〉，系列總綱 v0.1，2026-11-03。 - **[I02]** AICAP-01〈價格不是成本：AI 訂閱、推理計價與有效成果的分母〉，研究稿 v0.1，2026-11-03。 - **[I03]** AICAP-02〈智能租賃與超算資本：高固定成本、低邊際成本及持有門檻〉，研究稿 v0.1，2026-11-03。 - **[I04]** AICAP-03〈誰替廉價智能付費：成本轉移、攤銷、補貼與跨期融資〉，研究稿 v0.1，2026-11-03。 - **[I05]** CLATE-07〈智能時間價格與算力錨定工資〉，2026-09-30。承接算力智能價格、驗證成本及任務替代的前置研究。 - **[I06]** ANIE-02〈季度單機產品制：AI 工業化、算力額度與品質交付率〉，2026-10-16。承接 AI 原生單機遊戲工業化的產能驗收界線。 - **[I07]** HACTS-02〈額度重置與時間支配：當可用算力反向安排人類生活〉，既有研究。承接訂閱與注意力成本、當期及跨期決策。 - **[I08]** FFRPG01〈百年生命與一次性角色扮演模式〉〈狀態耦合式對話與動態事件內容系統〉〈跨系統組合式內容架構與動態耦合〉，2026-11-03，設計補充研究。僅作應用案例，未被本文宣稱完成產品成本實測。 **來源效力：**上述內部文件是研究脈絡與概念接口，不是獨立實證資料，也不代表本篇取得其所有原始程式、企業營運記錄或私人模型供應商帳本。 ## 原始 UTF-8 來源檢查與提交聲明 - 本文的正式學術內容直接保存在 UTF-8 Markdown 原始檔，並非由聊天渲染畫面複製數學結果。 - LaTeX 數學原始碼僅使用 ` $...$ ` 和 `$$...$$`，不建立另一套 canonical 分隔符，也不作 Unicode 數學字符往返轉碼。 - 所有數值案例均為標示清楚的反事實假設，並非任何模型供應商或用戶實際帳單。 - 已用明確的任務、品質門檻、期間與成本邊界限定八項形式化命題；不能無條件外推。 - 對外部研究的描述需與可查文獻的樣本、年份和任務域對齊；更新版模型或新的實驗結果應重新核對。 - 檔案進入「已完成研究稿」狀態前，需通過 UTF-8 讀取、front matter、公式定界符、主要章節、引用鏈結與數值算式驗證；此檔的具體驗證結果應由實際執行時的紀錄確認。