制度偏誤為何如此頑強？

 

Critical-Singularity-Perspectives 系列首篇

在討論 AI 治理、科技奇點與制度升級前，我們必須先處理一個更基礎的問題：
為何制度偏誤會反覆出現，即使人員更替、法規更新、流程數位化，依然難以根治？

制度偏誤並非單一來源，而是來自多層次結構的累積效應。本文提出一套可實務操作的分析框架—C-P-S 三層模型（Cognitive / Procedural / Structural），以第一原理（First principle）出發，整合認知心理學、程序正義與制度設計理論，針對實務常見現象抽象化為三層分析架構，解構制度偏誤的成因；同時提供可直接使用的「快速診斷表」，協助讀者在行政、司法、教育、企業管理等領域辨識偏誤來源並提出改善策略。

---

一、問題啟動：制度偏誤不是人的問題，而是系統的問題

當制度失靈時，我們習慣從「個人失誤」或「應該更努力」著手，例如：

• 認定是執行人員能力不足

• 認為只要多培訓即可改善

• 認為程序上個別調整就能避免同樣問題

然而，這些往往是「症狀處理」。
制度偏誤之所以頑強，是因為它來自三個層次的疊加：

1. 人類認知限制（Cognitive）

2. 程序與流程設計的侷限（Procedural）

3. 結構性框架與權力配置（Structural）

當三層同時發生錯位，制度的偏移不但可預期，而且幾乎難以避免。

要讓制度在 AI 時代具備韌性，我們必須從這三層下手。

---

二、C-P-S（認知-程序-架構） 制度偏誤三層模型

1. Cognitive Layer（認知層偏誤）

來自個人或群體的資訊處理限制，包括：

• 選擇性注意（Selective attention）

• 群體迷思與預設立場（Group thought）

• 過度自信、模式套用（Overfitting past patterns）

• 對不確定性的排斥

特徵是：
不同人更換位置，偏誤仍可能重複。

此層偏誤會造成決策者忽略重要訊息、提前形成結論，或依既有經驗不當推論。

2. Procedural Layer（程序層偏誤）

即便人員中立、善意，也可能因程序設計不良導致偏誤，例如：

• 權責不清，導致程序啟動或調查方向偏移

• 事實認定與程序審查混淆

• 時點、時限、報告格式、證據檢視順序設計錯誤

• 監督機制僅形式存在

此層偏誤的本質是：
流程本身就會導向某些結論，而非由事實導向結論。

3. Structural Layer（結構層偏誤）

制度設計中最深層的偏移：

• 權力配置不對稱

• 法規授權過於寬泛或缺乏制衡

• 激勵錯誤（例如避責比做對更重要）

• 風險分配不均（制度不處理錯誤會獲利，處理錯誤反而承擔風險）

結構偏誤會使制度長期朝特定方向漂移（Institutional Drift），且不因短期修補而改善。

其本質是：
制度的初始條件或激勵，使偏誤成為「預期結果」。

---

三、制度偏誤快速診斷表

以下提供可直接置於實務文件、調查報告、行政流程檢核中的通用工具。

偏誤層級	判斷問題 （Yes→可能存在偏誤）	典型徵候	改善方向
Cognitive （認知）	決策者在取得完整資料前已形成初步結論？	案件初期就有固定方向；對新事證反應遲緩	提供結構化資訊、強制多角度評估、角色替換
	認定基於印象與經驗，而非實證？	引述「常態」、「一般會如此」等模糊語	導入標準化證據表、拆解推論鏈
Procedural （程序）	程序設計使某些資訊被忽略或延後？	整份報告中沒有關鍵事實；流程順序錯置	重建流程、明確化啟動標準與證據順序
	權責或裁量界線不明？	不同人解讀不同；啟動依情感或趨避心理	設計責任分工矩陣、建立問責鏈
Structural （結構）	權力方的風險很低、弱勢方風險極高？	決策者無需為錯誤付代價；程序只向上負責	引入外部審查、重建激勵與問責制度
	機制本身鼓勵保守或迴避？	長期不處理問題；制度維持現狀最「安全」	設計透明度、強制公開、第三方稽核

此表能協助讀者辨識：偏誤到底是人的認知造成的、程序造成的，還是結構造成的。

---

四、兩個抽象化案例：制度偏誤如何產生？

以下兩例均為抽象模型，可用於教學、研究或制度改革討論。

案例一：調查程序中的「方向預設」

背景：一個單位收到不完整且高度情緒化的資訊，程序被迅速啟動。

偏誤來源分析：

• Cognitive：承辦人在接受到初步資訊後，形成方向性假設。

• Procedural：程序啟動標準模糊，缺乏證據門檻，導致流程以「假設為起點」。

• Structural：啟動錯誤成本極低（甚至無成本），但不啟動反而有風險，因此制度鼓勵「先啟動」。

結果：後續調查被迫沿著初始假設走，事後修正成本極高。

教訓：如果制度未在程序層先設下證據門檻，偏誤幾乎必然發生。

---

案例二：跨部門協作中的「權責漂移」

背景：三個單位需要共同審查某一行政事項，各司其責不明。

偏誤來源分析：

• Cognitive：各單位只處理自己熟悉的部分，對全局理解不足。

• Procedural：沒有統一的資訊管線，導致重要事實在A單位被忽略、在B單位被延後。

• Structural：沒有單一責任主體，導致「大家都負責」＝「沒有人負責」。

結果：決策延誤、資訊片段化，結論常依最強勢單位的意願主導。

教訓：結構偏誤若不修正，任何程序改善都只會是暫時效果。

---

五、五項短期可執行的制度修復策略

以下策略可用於政府部門、學術機構、企業治理或 AI 治理規劃：

1. 建立「證據門檻」與「程序啟動標準」

避免讓認知偏誤帶入程序。
設計具體條件：哪些證據要件齊備後才能啟動流程。

2. 整合資訊流，建立「事實矩陣」

透過結構化資訊表格，迫使承辦者必須呈現：

• 何事已查

• 何事尚未查

• 何事存在矛盾

能有效降低方向預設的風險。

3. 建立「調查—審查」分離機制

避免同一組人從調查到結論都一把抓。
任何制度都需要第二層審查來避免程序性偏誤。

4. 引入外部觀測或第三方審核

尤其針對權責不對稱或高風險制度。
外部審核可增加透明度並降低結構性偏誤。

5. 設計「對等激勵」規則

讓制度不因避責而行動遲疑。
例如：

• 若未依程序查證造成決策瑕疵，需具體說明理由。

• 正確行動有明確獎勵（例如程序完整度加分）。

制度要動起來，激勵必須對等提供。

---

六、關鍵詞

以下條目與其列舉的參考研究，可作為進一步閱讀：

• Institutional failure（制度失靈）

• Cognitive bias（認知偏誤）

• Procedural justice（程序正義）

• Institutional drift（制度漂移）

• Artificial General Intelligence、Technological Singularity

• Stanford HAI：AI Index Report

---

七、結語：制度要能跟上 AI 才能避免被 AI 時代反噬

科技奇點是否在 2045 年到來，取決於技術本身；
但制度是否能承受奇點前的過渡期，取決於人類今日如何修補偏誤。

當 AI 能加速判斷、輔助事實分析、減少程序瑕疵，制度偏誤將不再是文明的弱點。
制度升級才是 AI 時代真正的治理核心，但現在的教育/法律/行政體系依舊是數十年前的標準。

延伸閱讀：關於奇點時間線與三派動力學，參見〈科技奇點會在哪一年發生？〉