什麼是 Human-in-the-Loop？
Human-in-the-Loop 指 AI 系統在指定環節暫停，等待一位真人批准、否決或修正之後才繼續執行。AI 處理數量，真人在有實際後果的環節上簽名確認。這本質上是一個設計選擇：你把關卡放在哪裏。
供應商的文件與合約經常把它縮寫成 HITL，看見這四個字母時知道它指什麼，對你有好處。
留意這個定義沒有說的部分。它沒有說每一件事都要人審核。若每件事都要審，你當初買 AI 的理由就消失了。它說的是：你決定需要審核的那些特定環節，才需要人審核。
這個區別就是本文的全部主題。因為一間企業能否從 AI 身上取得真實價值，往往取決於老闆有沒有認真劃過這條線，抑或從來沒有劃過。
Human-in-the-Loop 的關卡實際上如何運作？
大部分團隊最終採用的規則相當簡單：AI 在可以撤回的步驟上自由執行，遇到無法撤回的動作之前停下來詢問。發送、發佈、刪除、付款、承諾，通常就是那幾個停止點。
可以把它想成一位入職第一個月的新同事。你不會站在他背後看他草擬回覆，但你會要求他把回覆送給客戶之前先給你看一眼。
可撤回性測試
對每一個步驟只問一個問題：如果這一步錯了，補救有多困難？
---
草擬一份報價單是可撤回的。你讀一遍，改個數字，毫無損失。
---
把那份報價單電郵給客戶則不可撤回。客戶已經看過你的價錢。
---
把 400 份履歷排成一個評分名單是可撤回的。你可以重新排序。
---
向其中 380 位申請人發出拒絕電郵，不可撤回。
所有可撤回的環節自行運作，所有不可撤回的環節設一道關卡。單憑這一條規則，已經足以覆蓋中小企在 AI 監督上需要做的絕大部分判斷，而且你今天下午就可以套用，不需要購買任何東西。
哪些 AI 決定必須永遠經你批准？
有幾類動作並非判斷題。只要 AI 的動作牽涉資金流出公司、法律承諾、一個人的工作，或永久性的公開發言，無論 AI 過往表現多好，都應該每次由真人批准。
永遠需要批准的清單
---
資金流出公司。付款、退款、貸記通知、採購單。你設定的任何開支上限應該是硬性封頂，而不是事後才傳來的提示。
---
任何產生法律義務的事。已簽署的報價、合約條款、交付保證、保養承諾。
---
關於人的決定。聘用、拒絕、晉升、紀律處分、解僱。在香港，這一項還帶有下文提及的個人資料保護維度。
---
永久性的公開發言。社交媒體帖文、傳媒回覆、評論回應，以及網站上的任何內容。
---
刪除或覆寫紀錄。客戶檔案、會計分錄、存貨數量。
---
任何涉及情緒受困客戶的情況。投訴、爭議、醫療或財務困難、安全問題。
最後一項通常令老闆意外，而現在支持它的已經不只是直覺，而是實地證據。
人為監督真的能提升 AI 質素嗎？
部分能，但不平均。2026 年最有用的發現是：人為監督能挽救某些類型的 AI 失誤，對另一些幾乎毫無作用。這意味着你把注意力放在哪裏，比你付出多少注意力更重要。
目前規模最大的實地測試來自淘寶平台上的一項隨機對照實驗，涵蓋 647 位客戶服務員與 680,676 段服務對話。實驗組的員工監督一套處理合資格對話的代理式 AI 系統，對照組則自行處理全部對話。
結果的複雜之處恰恰最具啟發性。AI 縮短了平均對話時長，同時亦拉低了它所處理對話的客戶評分。而最關鍵的一點是：人為監督在技術性升級個案上保住了質素，在情緒性升級個案上作用小得多。
這一句值得再讀一次，因為它就是實務教訓所在。主管可以攔截一條寫錯的運費政策；但主管事後翻閱對話紀錄，無法讓一位當時已經憤怒的客戶回頭感到被理解。
同年，史丹福大學數字經濟實驗室發表了《企業 AI 實戰手冊》，取材自 41 間機構、9 個行業共 51 個部署案例。代理式部署帶來的生產力中位數增幅為 71%，高自動化方案則為 40%，但代理式只佔全部案例的 20%。報告把最強的成果，歸因於那些「錯誤可以復原、成功標準清晰」的任務。
同一份研究另有兩個數字值得老闆留意。最棘手的問題中有 77% 屬於無形成本：變革管理、資料質素、流程重整。而成功的項目中有 61% 之前至少失敗過一次。
老實的總結是：監督不是一個事後加裝的質素保證零件，而是部署之前就要做的設計決定，並且在「錯誤看得見、也補救得到」的任務上效果最好。
在香港中小企身上，人為監督是什麼樣子？
設想一間位於觀塘、12 人的批發貿易公司。老闆親自處理報價，兩位文員處理訂單，查詢則在一天各個時段從電郵與 WhatsApp 湧入。老闆部署了一個 AI 助理草擬回覆。
失敗的版本是這樣：把整個收件匣交給 AI，叫它全部回覆。兩星期之內，它向一位回頭客報了一個過期價格，又告訴一位憤怒的客戶，那批延誤的貨「按時進行中」。老闆關掉系統，結論是 AI 不適合他的生意。
成功的版本分三層。
第一層，不需批准。存貨供應查詢、營業時間、送貨前置時間、訂單狀態查詢、文件索取。大約佔每日六成流量。這裏答錯了雖然尷尬，但補救成本很低。
第二層，草擬後一鍵批准。報價、付款提醒、送貨改期。AI 寫好，老闆在手機上讀一遍然後按發送。讀一份已草擬好的報價約需 20 秒，從零開始寫一份約需 6 分鐘。
第三層，AI 完全不碰。投訴、爭議、信用條款，以及來自三大客戶的任何事情。
把第二層的算術做一次。假如每日 15 份報價，從佔用老闆 6 分鐘變成 20 秒，那就是每日約 85 分鐘、每月接近 30 小時，而且沒有讓出任何一個真正重要的決定。
同時留意第三層保護了什麼。三大客戶正是小錯誤代價最高的地方，所以那裏恰恰應該是自動化推進得最慢的地方。
香港有法例要求人為監督嗎？
香港沒有單一法例強制要求對 AI 決定作人為審核。不過人為監督已經由私隱監管機構明文建議，而一旦涉及個人資料，它在實務上就變成一項責任。
個人資料私隱專員公署發表了《人工智能：個人資料保護模範框架》，就四個範疇建議相應措施：AI 策略與治理、風險評估與人為監督、模型定製與系統管理，以及與利益相關方的溝通。
人為監督是四大支柱之一。它屬於指引而非立法，但這是香港監管機構寫在紙上的標準，也是一旦有投訴時會被用來衡量的尺。
另有兩條既有的《個人資料（私隱）條例》規則，直接適用於任何處理應徵者或客戶紀錄的 AI。所收集的個人資料，就其目的而言必須足夠但不超乎適度。而僱主若為日後招聘而保留落選應徵者的資料，保存期不應超過兩年。
假如你把一整個舊履歷資料夾餵進 AI 工具，這兩條規則都會即時生效。以上屬一般資訊而非法律意見，實際風險較高的企業應該尋求正式意見。
至於有生意銷往歐盟的企業，還有另一件事要查。歐盟《人工智能法案》的透明度義務由 2026 年 8 月 2 日起開始執行，其中包括須告知對方正在與 AI 系統互動。
關於人為監督，大家最常搞錯什麼？
四個誤解造成了大部分損害，而每一個都附帶具體代價。
「審核愈多愈安全。」審核每一件事的結果是蓋橡皮章。一個被要求批准 200 個項目的人，到第 150 個時已經不看內容就按批准。少而準的關卡勝過全面審核，因為稀缺的資源是注意力。
「有人在看着，所以我們沒問題。」看着不等於有能力介入。若一個人在可用時間內無法真正阻止那個動作，那道關卡只是裝飾。淘寶研究中關於情緒性升級的發現，講的正是這個問題。
「等 AI 證明自己之後，就可以撤走關卡。」有些關卡存在只因為 AI 還新，信心累積之後理應撤走；另一些存在是因為後果永久，那些無論系統變得多好都要永遠保留。準確度不是唯一變數，不可撤回性是另一個。
「監督會把省下來的時間抵銷掉。」批准一份好草稿，跟從一張白紙做出一份文件，並不是可以相提並論的工作。省下來的是空白頁那一段，不是判斷那一段。
本星期如何訂立你的第一條批准規則？
你不需要軟件，也不需要顧問就可以開始。你需要的是一頁寫下來的文件，說明你的 AI 可以自行做什麼、必須先給你看什麼、以及永遠不准碰什麼。
---
列出你已經交給 AI 的工作。包括不成文的那些，例如有同事把客戶訊息貼進聊天機器人。
---
逐項標記可撤回或不可撤回。用本文前面那個「補救有多難」的測試。
---
每道關卡指定一位負責人。「會有人查」等於沒有人查。在每項批准旁邊寫上一個人的名字。
---
設硬性上限，而非提示，用在任何會花錢或大量接觸客戶的動作上。
---
訂下 30 天檢視。把從未出事的工作移進「不需批准」那一層，不可撤回的那些則永久留在原位。
---
寫下 AI 出錯時會發生什麼。誰去修正、誰去通知客戶，以及你到底如何得知這件事發生過。
最後一項是大部分企業會跳過的，而它正是把一次失誤變成一個流失客戶的關鍵。
常見問題
Human-in-the-Loop 是否等於 AI 代理需要取得權限？
在實務上大致相同。供應商會把同一個機制稱為批准關卡、確認步驟或監督模式。要問供應商的不是他們有沒有這功能，而是你可以為哪些具體動作設關卡，以及你能否自己修改那份清單而不需要工程支援。
人為監督會不會拖慢 AI？
只會在你自己設下的關卡處慢下來，而這正是目的。在上文貿易公司的例子裏，約六成查詢根本不會暫停。讀一份已草擬的報價約需 20 秒。這種減速是刻意的，而且只限於出錯代價高的決定。
中小企負擔得起這種監督嗎？
監督主要是一個決定，不是一項採購。把哪些動作需要批准寫下來、逐項指定負責人，成本是零。只有當你要求每一個動作都要審核時，成本才會出現，而那產生的是蓋橡皮章，不是安全。
如果我的 AI 工具不讓我設批准點怎麼辦？
那是換工具的正當理由。購買之前，要求供應商在你自己的工作流程上，示範為一個具體的不可撤回動作設關卡。如果對方的答案是一張客製開發報價單，那就當這項功能不存在。
批准的人和做事的人可以是同一個嗎？
低價值的批准可以，那是正常而有效率的做法。至於付款，以及任何觸及最大客戶的事情，把兩者分開值得付出那點麻煩，理由跟一張支票要兩個簽名這件事能撐過過去一整個世紀的技術變遷一樣。
重點回顧
Human-in-the-Loop 不是你 AI 上的煞車，它是方向盤。
2026 年真正從 AI 取得價值的企業，不是最信任它或最不信任它的那些，而是願意坐下來、用文字寫明哪些決定可以讓機器獨自做、哪些不可以的那些。
這個決定花你一個下午。做錯了，代價是一個客戶。
科技應該像支援，而不像一場賭博，這也是任何 AI 部署都值得被要求達到的標準。懂AI，更懂你 UD相伴，AI不冷。
本文由 UD AI 團隊審閱。
不確定你的關卡應該設在哪裏？
劃清「AI 可以自己做」與「仍然需要你」的界線，是任何 AI 項目第一個真實的決定。UD 陪伴香港企業做這類判斷已經 28 年，我們手把手教你走完每一步：由一次坦白的現況評估，到一份你真的跑得動的監督計劃。
