代理知識、認知距離與權力失真

Why Hiring Experts Does Not Automatically Produce Expert Decisions

作者： Neo.K（許筌崴）
機構： 一言諾科技有限公司（EVEMISSLAB）
版本： v2.0 理論重構稿
日期： 2026-07-19
定位： 行政管理、企業管理與組織治理理論；不以其他經濟學理論作為前提

摘要

原系列以 $D_{\mathrm{proxy}}$ 表示管理者透過顧問、專家、下屬與人脈取得的代理領域知識，並以社會資本 $S$ 作為其可得性的乘數。本文保留代理知識概念，但指出：知識「存在於組織內」與知識「真正進入決策」是兩件事。代理知識會在語言化、層級傳輸、利益衝突、權力迎合與決策者認知框架中產生損失。

本文以 $\kappa$ 表示吸收與轉譯係數，將有效代理知識寫為 $\kappa D_o$ 。高階主管的問題通常不是完全沒有專家，而是無法知道誰可信、哪些訊號被過濾，以及何時自己的框架已過時。

1. 代理知識的五段損失

現場知識進入決策前通常經過：

每一段都可能損失資訊。

1.1 經驗—語言損失

默會知識、直覺、氣氛與異常感難以完整描述。

1.2 語言—報告損失

複雜情境被壓縮成摘要、風險級別與 KPI。

1.3 報告—層級損失

中層會刪除不確定、衝突或不利於自身評價的內容。

1.4 層級—權力損失

越接近最高權力，訊息越可能被改寫成「可接受的壞消息」。

1.5 決策框架損失

即使資訊完整，決策者若沒有共同語言與最低 $D_p$ ，仍可能錯誤解讀。

2. 吸收係數

其中：

概念上：

• $C$ ：共同語言；
• $T$ ：信任；
• $I$ ：資訊完整性；
• $R$ ：決策者對自身邊界的認知；
• $P_d$ ：權力距離。

若其中任何一項接近零，雇用更多顧問不一定改善決策。

3. 專家治理的三種失敗

3.1 顧問展示化

專家被用來證明管理層已經「諮詢過」，而不是改變決策。

3.2 專家碎片化

每位專家只看見自己的局部，沒有人有權整合整體衝突。

3.3 專家依附化

專家收入、升遷或政治安全依賴決策者，因此逐步提供可被接受的答案。

4. 管理距離

定義：

管理距離是決策者與實際後果之間，經過多少層資訊壓縮、代理指標與權力翻譯。

管理距離越大，越需要：

• 直接現場接觸；
• 反向匯報；
• 獨立稽核；
• 紅隊；
• 申訴與吹哨制度；
• 決策後果追蹤；
• 暫停與撤回權。

5. AI 對代理知識的雙重作用

AI 可以降低部分距離：

• 整合大量資料；
• 找出報告矛盾；
• 直接分析第一線紀錄；
• 模擬方案；
• 保存決策脈絡。

但 AI 也可能增加新的距離：

• 把模型摘要當作現實；
• 隱藏資料缺口；
• 以流暢語言掩蓋不確定性；
• 讓管理者跳過專家對話；
• 將平台目標嵌入建議。

所以：

更精確地說：

但是否提高 $D_{\mathrm{eff}}$ ，仍取決於 $\kappa$ 、來源追溯與決策制度。

6. 結論

代理知識不是廉價替代品，也不是無效資訊。它是現代大型組織不可缺少的知識形式，但必須由制度保護其真實性，由最低領域知識支持其理解，並由決策權配置確保其能改變結果。