嶺南大學最新研究顯示，在「人機協作」場景中，人工智能確實能在員工工作量突然急升時幫助維持表現，但如果一味提高AI的自主權、讓系統主動接管與交還工作，反而會增加心理疲勞，並帶來更多人機衝突。對設計未來駕駛艙、智能交通和高風險決策系統的企業而言，這項結果提醒：AI 要「協作」而非「越權」，權力分配必須因時制宜、情境敏感。
研究由嶺大心理學系副教授兼認知科學研究中心主任徐杰及其團隊主導，使用模擬航空駕駛艙作為測試平台，以3項同時進行的任務構建「一心多用」情境，分別是操控搖桿的連續「追蹤任務」、系統監察，以及資源管理。第一輪實驗旨在驗證工作量對不同任務表現的影響。結果顯示，當工作量急劇增加時，需持續控制與高度專注的追蹤任務表現顯著下降，操作準確度由約76%跌至約55%；相反，系統監察及資源管理等離散性任務表現未見明顯變化。研究團隊指出，這反映人在高壓環境下會優先分配注意力至需即時反應的離散任務，犧牲對連續監控任務的投入，導致在最需要穩定持續控制的環節出現表現下滑。
第二輪實驗則聚焦於「人機權力分配模式」的比較。團隊設計了兩種策略：一是「人類主導模式」（Human-led authority allocation, HLAA），由操作者自主決定何時把部分工作交給智能系統處理、何時收回控制權；二是「人類與智能系統共享控制權模式」（Shared authority allocation, ShAA），由智能系統自動偵測工作量變化，在判斷負荷升高或降低時主動介入接管或交還部分任務。結果顯示，在工作量由低走高或出現緊急狀況時，共享控制權模式能有效分擔人類壓力，穩定追蹤任務表現，減少在負荷急升時的明顯失誤，但當工作量由高回落至低時，人類主導模式表現反而更好。
於共享控制權模式下，系統在負荷緩和時自動交還部分控制權，但操作者未必能即時重新掌握當前系統狀態與環境情況，容易出現短暫表現下降，甚至人機權限的「搶控」或判斷錯配。相反，在人類主導模式中，操作者自主選擇何時交出或收回控制權，有助維持操作連貫性，減少不必要的人機衝突。
研究亦量化了心理與生理負荷的變化。使用者在長時間工作情境下，採用共享控制權模式的參與者在實驗後段報告的疲勞評分顯著高於人類主導組別，顯示更高程度的自動化並不必然減輕心理負荷，甚至可能因持續監測AI行為與隨時準備「接管」而增加監督壓力。 這與其他人機協作研究的結論相呼應：AI雖能降低部分體力與時間壓力，但同時會提升監控、信任校準與解讀系統輸出等「監督型」認知負擔。
徐杰教授指出，引入智能系統的初衷，是在海量數據與複雜任務之下協助人類提升效率與安全性，而非完全取代人類。本次研究證實，不能簡單用「自動化越多越好」作為設計指導原則。權限分配必須視工作量動態、任務類型與環境風險而定，並謹慎處理人類接管時的透明度與情境認知。他認為，相關發現對未來航空駕駛艙設計、遙距操作、智能交通、金融交易系統及其他涉及高風險決策的「人機協作」場景具重要參考價值，有助為下一代人機團隊建立更安全、穩定、可預期的權限架構。
