Diligence 盡責：把 AI 用得負責任的三道防線

前面三個 D 談的是把 AI 用好：委派、描述、判別。但用得好和用得對得起別人是兩件事。你交出去的報告裡有 AI 寫的段落，該說嗎？AI 幫你查的資料，出錯了算誰的？

這就是 4D 框架最後一個 D：Diligence 盡責。定義很直接：為我們用 AI 做的事、以及做的方式，負起責任。它不是道德說教，而是三道很具體的防線。這篇把三道防線一一拆開，最後談談不同場合的拿捏。

盡責不是道德課，是工作品質的一部分

Diligence 的定義是：為我們用 AI 做的事與做的方式負起責任。我喜歡把它理解成「信任的維護」：你的同事、客戶、讀者信任你交出來的東西，AI 只是你工作流程裡的一環，這份信任不會因為「是 AI 寫的」而打折轉嫁。

盡責的三個面向，剛好對應 AI 參與工作的三個時間點：選擇工具時、說明成果時、送出成果時。

第一道防線：創建盡責（Creation Diligence）

創建盡責是審慎看待你使用哪些 AI 系統、以及你如何與它們互動。這道防線在你動工之前就開始了。具體的問題像是：這個任務的資料適合貼進這個工具嗎？涉及客戶隱私或公司機密的內容，這個服務的資料處理方式你了解嗎？這類工作用 AI 合適嗎，還是本質上需要人來做？

「怎麼互動」也在範圍內：同一個工具，你可以把它當查證過再用的草稿機，也可以把它當免查證的答案機，前者是盡責的用法，後者是在累積風險。

創建盡責的價值在於它發生在最上游：工具與用法選對了，後面兩道防線的壓力會小很多；選錯了，再多下游把關也只是亡羊補牢。

第二道防線：透明盡責（Transparency Diligence）

透明盡責是對所有需要知道的人，誠實說明 AI 在你工作中的角色。想像一份文件開頭寫著「這份文件中，Claude 負責了……」。重點在「需要知道的人」這個限定：不是每件事都要昭告天下，而是問自己，對方若知道 AI 參與其中，會不會改變他對這份成果的判斷或決定？

會，就該說。

實務上，一句話就夠了：「初稿由 AI 協助整理，數據與結論我逐一查核過。」這句話不但誠實，還順便展示了你的把關流程，多數時候反而加分。反過來說，被動被發現用了 AI 而沒說，賠上的信任往往遠超過當初想省的那點解釋成本。

第三道防線：部署盡責（Deployment Diligence）

部署盡責是對你採用或分享的產出，負起查證與擔保的責任。這裡的核心是一個很強的詞：vouch，擔保。你把 AI 的產出放進簡報、寄給客戶、發到社群的那一刻，那些內容就是「你說的話」了。出錯時，沒有人會接受「是 AI 寫的」當理由，你自己大概也不會接受別人用這個理由。

所以部署前的動作很明確：關鍵事實查證、數字核對來源、引用確認存在。這一步和前一篇講的 Discernment 判別直接相扣：判別是能力，部署盡責是把這個能力用在「出手前」這個關鍵時刻的紀律。

不同場合，不同的拿捏

不同情境對揭露與查證的期待不一樣，個人、學術、職場各有各的規矩。自己的讀書筆記用 AI 整理，通常不需要對誰交代；學術作業與論文，多數機構已有明確的揭露規範，照規範走；職場交付物介於中間，看組織文化與對象。

原則不變：期待越正式、影響越大的場合，透明與查證的標準就要拉得越高。

實際演練：一份給客戶的提案

把三道防線套在一個常見情境上：你要用 AI 協助寫一份給客戶的合作提案。創建盡責：提案裡有客戶的營運資訊，貼進工具前先確認這樣做符合保密約定，敏感細節能去識別化就去識別化。透明盡責：想一想你的客戶與主管，若知道初稿由 AI 協助，會不會影響他們的判斷？

依你們的關係與慣例決定要不要說、怎麼說。部署盡責：提案裡的報價、時程、案例引用，一項一項確認是你查核過的版本，而不是 AI 順手生出來的漂亮數字。三道防線各花幾分鐘，換到的是這份提案出任何問題時，你都站得住腳。