設計思考 Design Thinking 2026-04-27157

AI 練習有用，但單靠練習還不夠：Stanford 研究揭示同理心訓練的關鍵缺口

讀完這篇，你會知道：

Stanford HAI 的 CARE 系統如何用 AI 訓練真實的諮商同理心技能，而不只是讓人「感覺變好」
為什麼「只練習、沒回饋」的 AI 工具，對提升真正能力幾乎沒有幫助
這個發現對職場溝通訓練、管理人才發展，有什麼你現在就能應用的啟示

思考的起點

我們一直以為，多練習就能變更好—但同理心的訓練，可能根本不是這樣運作的。

「我幫助你找到自己的答案」這句話，說起來容易，但對大多數剛入行的諮商師而言，做起來極為困難。面對一位情緒激動的當事人，最直覺的反應往往是立即提供建議、給出解決方案—那種迫切想要「修好」對方的衝動，幾乎是人的本能。

訓練同理心，本來就是一件費時費力的事。傳統的做法仰賴真人督導、一對一回饋，但在資源有限的機構裡，這樣的條件幾乎是奢求。於是，AI 的出現讓人開始期待：是否可以用 AI 角色扮演，來替代真人練習伴，讓更多人在更低成本下習得這項關鍵技能？

Stanford 人類中心 AI 研究所（HAI）的研究團隊試圖回答這個問題。他們的發現，出乎很多人的意料——也讓我們重新思考，在職場上用 AI 進行技能訓練，究竟哪些環節有效、哪些只是讓人自我感覺良好。

Stanford CARE 系統：不是一般的 AI 聊天機器人

CARE 的設計核心，不是讓 AI 扮演完美的練習對象，而是讓 AI 成為能給出真正有效回饋的導師。

由 Stanford 電腦科學助理教授楊迪儀（Diyi Yang）與博士後研究員 Ryan Louie 領導的研究團隊，開發了一套名為 CARE（Counselor AI for Reflective Evaluation）的系統。這套系統的架構由兩個部分組成：一個扮演特定情境當事人的 AI 練習夥伴，以及一個根據真實諮商督導框架提供回饋的 AI 導師。

設計難度遠比想像中高。Louie 在研究中直接指出：「現成的大型語言模型，並不知道如何以一種能讓人學到特定社交技能的方式來行動。」為了讓練習情境具備真正的訓練效果，團隊與有豐富經驗的治療師合作，設計出 25 種練習情境，每種情境都對應一個真實的諮商挑戰—例如一位 35 歲、與家人疏遠、對即將到來的假期感到焦慮的獨居男性；或是一位因家庭互動模式長期不公而陷入憂鬱的青少年。

每個情境都設有規則集，AI 在每次回應前都會自我檢核，若不符合規則則重新生成——這就是他們所說的「金髮姑娘區間（Goldilocks Zone）」：既能讓練習情境足夠真實，又不至於讓 AI 的行為產生反效果。此外，AI 導師的回饋模型，是基於 Stanford 醫學院治療師督導實際標注的對話紀錄訓練而成，並不是憑空設計。

90 人隨機對照試驗：練習建立自信，但回饋才能提升能力

同理心是一種需要精確回饋才能習得的技能，光靠重複練習，只能讓人「感覺更熟練」，卻不代表真的進步。

研究團隊進行了一項 90 人隨機對照試驗，將參與者分為兩組：一組只進行 AI 角色扮演練習，另一組在練習之外，額外接受 AI 導師的結構化回饋。

結果顯示了一個關鍵的差異。只有練習的那組，確實在自我效能感上有所提升—他們覺得自己更有能力面對諮商情境，但在行為表現上，他們的傾向是直接提出解決建議，而非幫助當事人自己找到答案。而練習加上回饋的那組，則展現出更以當事人為中心的行為，同理心表達也顯著提升，更接近受過訓練的諮商師的實際行為模式。

Louie 對此有清楚的詮釋：「回饋給了諮商師具體的示範，讓他們知道如何展現更多同理心，從而理解讓當事人感到被支持的方式。」練習能建立自信，但回饋才能建立能力——這兩者是不一樣的東西。

這個發現有直接的實務意涵：在設計任何以 AI 為基礎的技能訓練工具時，如果只提供練習機會而缺乏即時回饋機制，學習者可能會誤認為自己已經進步，但實際的行為改變卻未必發生。對於需要大量社交技能的職場情境，這個警示尤其重要。

為什麼預設的 AI 工具無法教你同理心

「開箱即用」的大型語言模型，天生就不適合作為同理心訓練的練習對象，因為它的行為傾向會系統性地阻礙學習。

研究過程中，團隊發現了一個有趣且重要的現象：未經限制的 LLM 在擔任練習伴時，會表現出過度配合與提前揭露的傾向。這對一般對話無妨，但對諮商技能的學習而言，卻是致命傷——因為這樣的練習對象，反而會強化學習者跳過「探索當事人感受」這個步驟的壞習慣。

換句話說，如果你用一般的 AI 對話工具來練習同理心諮商，這個工具本身的回應方式，就可能在無意間訓練你走向相反的方向。這就是為什麼 CARE 系統要投入大量資源，對 AI 的行為進行嚴格的約束與校準。

楊迪儀的研究團隊目前正在將 CARE 系統擴展至社區心理健康中心，並與印度的合作夥伴共同開發跨語言、跨文化版本。在資源有限、督導人力不足的非營利組織與社區輔導機構中，這樣的工具有望填補一個長期存在的訓練缺口。

從諮商到職場：同理心訓練的更大圖景

同理心不只是諮商師需要的技能，它是每一個需要與人協作的職場工作者的核心資產。

Stanford HAI 的研究框架，實際上提出了一個更廣泛的問題：在職場上，哪些人際技能是「練習就能提升」的，哪些又必須有精確的外部回饋才能真正改變行為？

研究表明，同理心屬於後者。這類技能有一個共同特徵：學習者很難自我判斷自己是否做對了，因為「做對」的感覺，未必與「對方真正感到被理解」一致。在缺乏外部校準的情況下，練習量再多，也可能只是在強化既有的錯誤模式。

Louie 說了一句話，值得在這裡完整引用：「如果我們能提升人類彼此支持的能力，我們所有人都會因此受益。」這句話的重量，不只停留在諮商的場域，它指向了一個更基本的問題——在一個 AI 工具越來越容易取代「做任務」的時代，那些需要「真正理解另一個人」的能力，才是真正難以被取代、也值得我們刻意去訓練的能力。

Stanford HAI 的另一項研究也在同期進行，針對自閉症類群者的社交技能訓練開發了名為 Noora 的 AI 教練系統。同樣在 30 人隨機對照試驗中，接受 Noora 訓練的參與者在同理心表達上有顯著改善，且這些改善能夠遷移到真實的人際互動中。這兩項研究共同指向同一個方向：AI 在「輔助人類提升人際技能」這個利基領域，正在累積出可信的實證基礎。

訓練同理心的三個層次，我們做到了哪一層？

了解同理心訓練的層次結構，有助於我們判斷手邊的訓練工具，究竟在哪個層次發揮作用。

根據 CARE 研究揭示的邏輯，同理心訓練至少可以分為三個層次：

第一層，是知識層—了解什麼是同理心、它為什麼重要、有哪些表達方式。這一層，傳統的課程、書本、演講都能有效傳遞。

第二層，是自信層—在模擬情境中重複練習，建立面對困難對話的心理準備。AI 的角色扮演練習，在這一層確實有效。這也是為什麼 CARE 研究中，只有練習的那組在自我效能感上有所提升。

第三層，是能力層—在真實情境中，能夠根據對方的具體狀態即時調整自己的回應，做出更以對方為中心的溝通。這一層，需要有人在旁邊告訴你「你剛才那個回應，讓對方感到被否定了」，而不只是讓你多練習幾次。

大多數企業內部的溝通訓練、管理培訓課程，很可能停留在第一層與第二層，卻以為自己已經抵達第三層。CARE 研究提供的提醒是：如果你的訓練系統沒有辦法給出精確、即時、個人化的行為回饋，那麼學習者所獲得的，可能只是更有自信地重複自己既有的模式，而不是真正的改變。

我們的觀點

「練了很多，但沒有真的變好」—這是許多訓練計畫的隱性問題，而 Stanford 的研究第一次用嚴謹的方法把它說清楚了。

我們認為，這項研究最具啟發性的地方，不只是它的結論，而是它的方法論本身。用隨機對照試驗來評估 AI 訓練工具的效果，這在今天的 EdTech 與 HR Tech 領域，其實相當罕見。更多時候，工具的設計者告訴你「使用者滿意度很高」，或是「完成率達到 XX%」，但這些都是第二層的指標，測量的是自信，而不是能力。

對台灣的職場環境而言，這個研究有一個特別值得注意的角度：我們的管理文化，長期以來對「同理心」的訓練投入相當有限，有時甚至將它視為軟性技能、難以量化的加分項，而非核心能力。但在一個越來越多例行性任務可以被自動化的工作環境裡，那些需要真正理解他人、在不確定中陪伴對方找到出路的能力，才是真正難以被取代的。

CARE 系統的設計邏輯，其實可以作為任何技能訓練系統的參照框架：不是讓 AI 取代練習伴，而是讓 AI 提供那些真人督導因為時間與人力限制，往往沒有辦法給出的即時、個人化回饋。這是 AI 在教育與訓練領域，一個非常清晰且可執行的定位。

最後，我們想回到 Louie 說的那句話：「如果我們能提升人類彼此支持的能力，我們所有人都會因此受益。」在今天這個討論 AI 能做什麼的時代，Stanford 選擇用 AI 來做「讓人更有能力支持人」這件事，這個方向選擇本身，就值得我們認真思考。