管理決策：從個人判斷、同儕討論到 AI 建議

OpenStax《Principles of Management》第二章補充教材｜2026-10-31｜V2

本教材依原書2.1至2.6排列，以近十年的研究、企業新聞與專業評論補充2019年教材。正文與課堂活動約5,000字；「單頁」採可捲動網頁，學習單另附一張A4。研究發現以[R]、新聞事實以[N]、Medium評論以[M]標示，文末提供全文與原文位置。活動中的商店、人物及數字均為虛構教學設定。

2.1 管理決策概論：先說明判準，再評估結果

原書位置：Overview of Managerial Decision-Making，接在利害關係人與決策後果的討論後閱讀。

管理者做決定時，往往同時面對資訊不足、時間限制與目標衝突。例如推出新服務，顧客重視價格，員工在意工作量，主管則可能優先考慮收入。說某個方案「比較好」之前，必須先說清楚希望改善什麼，以及哪些代價可以接受。

評估時也要區分決策品質與事後結果。某項合理的選擇可能遇到意外，一次成功也可能包含運氣。Highhouse與Brooks在研究綜述中提醒，應依選擇當時可取得的資訊評估判斷，結果仍可能受控制之外的因素影響。[R1] 教材據此建議：決策前留下目標、比較過的選項、重要假設及風險；事後再分別檢查當初推理與執行過程。

Southwest提供了一個例子。AP在2025年3月報導，公司將對多數旅客收取託運行李費。公司前一年曾估計，收費年增收入約15億美元，但顧客流失可能損失18億美元。[N2] 兩者都是事前估計，不能當作已實現的淨損。可討論的問題是：哪些資訊、目標或假設改變，足以支持管理者調整原有政策？

教材也建議把「今天就決定」與「再等一天」當成兩個可比較的選項。等待可能增加資訊，也可能錯過供應、檔期或顧客。若一項不確定資訊不會改變任何方案的排序，繼續蒐集它的價值可能有限；若它足以左右重大且難以回復的行動，就值得先確認。學生需要說明等待什麼、由誰查證，以及最晚何時必須行動，而非籠統要求更多資料。

2.2 反思與反應系統：快慢思考都需要條件

原書位置：How the Brain Processes Information to Make Decisions: Reflective and Reactive Systems，接在兩種處理方式的介紹後閱讀。

原書用反應與反思系統說明快速、較自動的判斷，以及較費力的審慎思考。這有助入門，但不宜把兩者理解為固定接手工作的兩個腦部開關。Hochman的2024年理論論文及既有資料再分析，主張認知處理可能同時呈現直覺與分析特徵。[R2] 這是對模型的修正觀點，不能寫成所有雙歷程理論都已被推翻。

課堂上可以追問：第一個答案從哪裡來？是熟悉經驗、醒目的數字，還是某個人先表態？接著再檢查比較基準與遺漏資訊。花更久時間本身不保證更好；如果只是反覆尋找支持原判斷的理由，仍可能停留在同一偏誤中。這段操作是教材提出的練習方式。

例如一位同學看到「去年賣了100份」，立刻建議今年也訂100份。這個直覺可作起點；若今年活動地點、天氣或競爭攤位改變，就需要重新分析。管理者應能說明何時沿用經驗、何時暫停判斷，而非只替自己貼上「直覺型」或「分析型」標籤。

反思時可請同學先重述另一個人的理由，再提出質疑。例如「你擔心缺貨會傷害顧客關係，我理解這個代價；我想確認目前資料是否足以支持高需求。」這種練習讓學生檢查自己是否聽懂對方，也避免把快速回答或善於辯論誤認為分析充分。保留原判斷可以有道理，改變立場也需要說明新增了哪些依據。

2.3 例行與非例行決策：自動化後仍要管理例外

原書位置：Programmed and Nonprogrammed Decisions，搭配Exhibit 2.4的六個決策步驟閱讀。

重複且有明確規則的問題，較適合例行處理；新穎、模糊或需要取捨的問題，則需要非例行判斷。組織可用系統計算庫存、排序或預測，但仍須決定使用哪些資料、何時交由人員處理例外，以及誰有權停止執行。這些屬於管理安排，不能因為運算自動完成就省略。

Dietvorst等人的實驗發現，容許人們稍微調整不完美演算法的預測，可以提高使用意願；Logg等人的實驗則發現，部分估計任務中，人們更願意採納標為演算法提供的建議。[R3][R4] 抗拒與偏好都可能出現，研究中的預測演算法也不能直接代表所有生成式AI。

例行作業同樣可能引發重大例外。2024年7月，CrowdStrike有缺陷的更新造成大規模系統中斷，約850萬部Windows電腦受影響；公司主管在9月向國會說明，並表示已強化程序。[N3] 這不是生成式AI事故的證據。教材由此延伸：發布更新前要檢查什麼、如何限制影響範圍、誰可暫停程序，都是可討論的決策。

這裡的programmed指已有可重複使用的規則，並不等於由電腦執行。人員依固定標準核准小額採購，也屬例行決策；系統面對新市場提出產品建議，背後仍可能涉及非例行問題。教學時應分開檢查「問題能否結構化」與「工作由誰執行」，才能討論哪些判斷適合交由系統、哪些條件需要人員重新界定。

2.4 有效決策的障礙：偏誤之外，也要注意雜訊

原書位置：Barriers to Effective Decision-Making，接在認知偏誤、時間限制與不確定性的討論後閱讀。

偏誤是判斷持續朝某方向偏移；雜訊則是不必要的判斷差異。若所有評審都過度偏愛名校履歷，可能形成偏誤；若相同資料因評審不同而得到懸殊評分，便需要檢查雜訊。Highhouse與Brooks整理甄選研究指出，事前設定評估面向、結構化判斷與一致的彙整方式，有助改善評估。[R1]

不同意見未必都是雜訊。有人重視成本，有人重視公平，差異可能來自合理的價值取捨。因此應先釐清目標、資料與評分方式，再判斷差異是否不必要。這也說明，單純要求大家給出同一答案，無法保證決策品質。

AI提供解釋，也不等於建議正確。Cecil等人以五項實驗、共1,403名參與者研究人員甄選，發現錯誤AI建議會干擾判斷；研究測試的解釋方式未顯著降低對錯誤建議的依賴。[R5] 這項發現適用於所研究的任務與設計。學生可練習先形成自己的判斷，再核對建議用了哪些資料，避免僅因說法流暢就接受結論。

學生也可檢查自己如何使用反對證據。假如一份調查支持增訂，另一份資料顯示參與人數下降，合理的比較應同時問兩份資料的範圍與可靠性。只挑支持自己選擇的資料，或對反方證據要求更高標準，都值得重新檢查。活動中的異議紀錄因此要寫出具體內容及小組回應，讓教師能看見分歧是否真的被處理。

2.5 改善決策品質：從合理說明走向可查證的依據

原書位置：Improving the Quality of Decision-Making，搭配原書對六步驟的展開與事後評估閱讀。

Fok與Weld的理論整理強調，解釋若能協助使用者驗證AI建議，才較可能帶來互補的判斷表現。[R6] 查證可以包括重算數字、確認來源、檢查被排除的方案，或比較不同情況。這篇提出的是概念分析，並未以一個新實驗證明所有解釋都無效。

原書開場的Away個案，也值得接續閱讀。Retail Dive報導，Away在2024年裁減約四分之一內部員工並重整高階主管架構；2025年公告由Jessica Schinazi接任執行長，Jen Rubio轉任董事會執行主席，並擴展Amazon與Nordstrom通路。[N1] 新聞確認了行動，公開資料仍不足以單憑這些變動判定整體重整成敗。

管理者可在行動前約定檢討時間、觀察指標與調整權限。例如試辦新通路時，除了營收，也觀察退貨、服務成本與原有顧客是否轉移。Bowne-Anderson的Medium評論討論不確定性與結果，Byrd則建議事前說明決策規則、保留決策紀錄。[M1][M2] 兩篇都有助形成實作問題，屬專業評論，不能作為程序必然提高績效的因果證據。

事後評估也要保留與原先假設比較的機會。如果銷售下降，先確認價格、供應、客流與執行是否如預期，再討論是否需要改方案。一次結果通常不足以釐清所有原因，學生可提出下一次最小且可行的比較，例如在條件相近的場次記錄需求與缺貨。這是本教材提出的學習建議；不能把同時發生的變化直接寫成已確認的因果關係。

2.6 群體決策：資訊必須進入討論，才有機會被使用

原書位置：Group Decision-Making，接在群體優缺點、異議與避免團體盲思的段落後閱讀。

多人參與可以增加資訊，也可能讓大家只重複已知內容。若主持人先說自己支持哪個方案，其他人可能忙著補理由，未必提出手中不同的資料。原書已建議鼓勵發言、容許異議與安排反方；這些並非AI時代才出現的方法。

Brodbeck等人的群體實驗顯示，鼓勵不同觀點並分階段整理的互動方式，可改善區辨與整合觀點的表現。研究測量的是整合性複雜度，沒有直接證明企業績效提高。[R7] 以下活動借用分階段討論的思路，並加上分散資訊的教學設定，並非複製該實驗。

本教材採取的做法是：先留下個別判斷，再交換資訊、比較方案，最後由一人整理決議與尚未解決的異議。共識可以是討論結果，也可以保留有理由的不同意見。小組應能指出，哪一項同儕提供的資訊實際影響了自己的決定。

資訊完整與決策權也要分開。有人成為資料提供者，有人負責整理，有人被授權作最後選擇；三者未必相同。課堂採四人共同議決，真實組織則可能由主管承擔最終責任。無論採哪種安排，提出異議的人都應知道意見如何被回應，執行者也要理解決定的條件，才有辦法在新資訊出現時回報與調整。

No AI課堂活動：校園午餐快閃攤位

本活動用60分鐘練習上述概念，其中小組任務20分鐘、全班討論20分鐘，前後各10分鐘用於獨立準備與整理。六節補充文字適合課前閱讀；課堂前10分鐘只讀下列共同情境及個別角色資料。活動為教學設計，未經課堂試行；不把一次表現解讀為學生已全面改善決策能力。

共同情境與簡單規則

你與三位同學籌辦明天的校園午餐攤位，每份餐盒售80元。未售出的餐盒無殘值；需求超過供應時只能賣出現有數量。供應商要求今晚選擇A：60份、支出2,700元，或B：100份、支出4,000元。金額均為新臺幣，先比較銷售收入扣除訂貨支出的貢獻；其他共同費用另議，不把貢獻稱為淨利。

紙面預測系統建議B，理由是過去三場銷售70、80、90份，平均80份，訂100份能減少錯失顧客的機會。這份建議只用了上述歷史銷量，屬預先印好的虛構材料。系統沒有在課堂即時產生答案，也不代表建議已獲驗證。

每組四人，分別擔任財務與紀錄、學生需求聯絡、供應與現場安排、活動資訊與預測檢查。教師另發不同資料，每人先只閱讀自己的那份。角色代表要帶入討論的資訊與責任，不限定支持哪個方案。前10分鐘各自判斷，10分鐘後才交換資料；四人都說明後再議決。全程不用AI、搜尋引擎與外部資料，可以使用一般計算機。

20分鐘小組任務

第10至14分鐘，每人各用一分鐘說明掌握的資料及初步選擇。其他人先聽完；將確定資料、估計與未知分開，不把口頭意願直接算成銷售。若發現原先不知道的可行方案，應加入比較，不能只在A與B之間投票。

第14至19分鐘，共同核算需求為60、80、100份時，各可行方案的貢獻。計算方式是「80元乘上實際能賣出的份數，再扣訂貨支出」。例如另一個無關的示範：訂50份、支出2,500元，需求40份時收入3,200元，貢獻700元；還要考慮10份未售出。這個示範只說明算法，不是本活動的可選方案。

第19至24分鐘，先說明最重視的準則，再選方案。你們可能重視最低收入、缺貨、浪費或預算；準則可以並存，但發生衝突時要能說明取捨。第24至28分鐘，每人提出一項使暫定決定不成立的條件；其他成員要回應其理由。最後兩分鐘整理結論，每人都在自己的學習單留下紀錄。

小組成果包括一張自行繪製的比較表，以及約120至180字的共同結論：採取什麼行動、依據哪兩項資料、哪位同儕的資訊影響最大、仍有哪些異議，以及什麼新資訊會改變決定。字數是協助控制時間的建議，不要求套用固定句型，也不要求四人最後完全同意。

一張A4學習單怎麼使用

學習單每人一張，另附一份個別角色資料。第0至10分鐘，用約60字記錄角色、初選、兩個理由與一項最想確認的資訊；第10至30分鐘，用中間較大的空白區畫比較表、記錄共同結論；第50至60分鐘，再寫約100字個人整理。三個區域皆自由書寫，沒有句子填空。

個人整理要回答：你的立場保留或改變了嗎？請指出具體依據。哪一項同儕提供的資訊最有幫助？如果重做一次，你會改變哪個討論步驟？學生可以不同意小組，但應公平記錄他人的理由，不能只寫「大家都這樣選」。

完整示例可以是：「我先前認為參與人數多就該多訂。聽到同學區分已承諾購買與口頭興趣後，我發現自己把兩類資料當成同樣可靠。下次討論前，我會先問清楚資料代表什麼。」這是在示範如何描述學習，不是供學生照抄的活動答案。

20分鐘全班討論

第30至34分鐘，以舉手呈現各方案分布，邀兩組各用一分鐘說明理由，優先選擇準則不同的組別。大班不逐組發表，其他組用學習單留下追問，避免報告占滿討論時間。教師比較理由時也要注意：同樣選A的兩組，可能使用完全不同的資訊與準則。

第34至40分鐘，教師依序提出兩個平行情境：假設需求為60份；假設需求為100份。各組計算自己方案的貢獻與剩餘或缺貨。這不是宣布真實結果，也沒有給定兩者的機率；學生不能把情境平均當成期望值。如果自行提出機率，必須說明那是新增的假設。

第40至46分鐘，討論哪項資訊改變了判斷、哪項資訊未被使用，以及保留的異議是否影響最終結論。第46至50分鐘，回到紙面系統：歷史平均支持什麼主張？還缺哪些資料？要如何檢查？教師不以推翻系統建議作為成功標準，採納或拒絕都要有理由。

可用三個問題貫穿討論。第一，資訊持有者若沒有發言，小組會少掉哪些選擇或判斷依據？第二，同樣的方案在低需求與高需求情境中排名改變，能否單靠結果評斷事前決策？第三，若要改善下一次訂貨，最值得蒐集什麼資料，它會如何影響選擇？

最後10分鐘與評量

第50至60分鐘各自完成反思，連結原書六步驟：辨認需求、產生方案、分析、選擇、執行與評估。這次活動只能模擬前四步，並討論後兩步，沒有真正執行販售。學生應提出如何確認訂貨、由誰檢查交貨，以及事後要蒐集哪些資料，避免把完成表格當成完成管理工作。

教師以四項各0至2分提供形成性回饋：能否區分資訊與假設、能否正確比較方案、能否使用同儕資料並回應異議、能否分開評估事前判斷與事後結果。0分為未呈現，1分為部分呈現，2分為清楚且有具體依據，滿分8分。選A、B或其他可行方案本身不加減分。

沒有設定唯一最佳方案，因為需求機率及各項目標的重要性並未完整給定。可核對的是計算、資訊分類與理由是否一致。這次No AI訓練建立的是學生先判斷、再檢查資料及建議的經驗；活動並未測試AI的實際表現，因此不能用來證明人比AI更準確。