AI 教練能幫你釐清目標、規劃任務，但它能真正「懂」你嗎？一項針對 15 位韓國 IT 業人資主管的研究揭示，AI 缺乏關鍵的「教練臨在感」，使得互動流於表面，難以建立深厚的工作同盟。經驗越豐富的教練，對此感受越深刻。

什麼是「教練臨在感」，為何它在 AI 時代反而更重要？

教練臨在感是教練與客戶建立深度連結、全然投入當下互動的狀態，它是建立有效工作同盟的基石。 在 AI 教練興起的時代，這項人類獨有的能力變得更為關鍵，因為它正是 AI 目前最難以複製的核心。這項研究透過訪談發現，無論參與者的教練經驗多寡，都一致認為 AI 互動缺乏這種「在場」的溫度。當教練（無論是人或 AI）無法展現臨在感時，整個輔導過程會變得像在跟一個聰明的待辦事項清單對話，而非一場能激發洞察與改變的真誠對話。

傳統上，教練臨在感包含幾個要素：深度聆聽、直覺回應、情感共鳴，以及創造一個安全、信任的空間。人類教練透過語調、肢體語言、即時的提問與沉默，來傳達這種「我與你同在」的訊息。然而，現階段的 AI 教練，即便能進行流暢的語言交換，其回應仍是基於模式預測，缺乏對當下情緒細微變化的真實感知與回應。這導致互動被參與者描述為「交易性的」和「情感上無回應的」。有趣的是，這並不代表 AI 教練沒有價值，而是點明了它與人類教練互補的定位：擅長結構化任務，但需要人類來補足關係的深度。

AI 教練真的能建立有效的工作同盟嗎？

AI 教練能在『目標共識』與『任務協作』層面達到一定效果，但在建立『情感連結』上存在顯著缺陷，因此只能建立一個不完整、較為脆弱的工作同盟。 工作同盟是心理治療與教練領域的核心概念，包含三個維度：情感連結、目標共識、任務協作。這項研究以此框架分析 AI 教練互動，發現了一個明顯的落差。

研究中的參與者普遍認可 AI 在幫助釐清目標和提供具體任務建議方面的效率。一位「新手」參與者甚至表示：「AI 能很快幫我把模糊的想法變成清晰的步驟，這點很棒。」然而，當談及與 AI 的關係時，詞彙變成了「工具」、「系統」、「它沒有『人』的感覺」。這顯示情感連結的維度幾乎是缺失的。沒有情感連結作為基礎，目標共識更像是單方面的指令接收，而非共同建構；任務協作也較難被客戶真正內化與承諾執行。這就像一位醫術高超但冷冰冰的醫生，病人可能會遵從醫囑，但缺乏信任與敞開心扉的意願，長期療效可能大打折扣。

不同經驗的教練使用者，對 AI 的評價有何不同？

教練經驗越豐富的使用者，對 AI 教練的局限性感知越清晰、評價也越批判；而新手則更看重其效率與結構化優勢。 這項研究將 15 位人資主管分為三組：新手、受過教練教育者、認證教練。這個分層揭示了使用者背景如何大幅影響其對科技工具的體驗與期望。

新手組（無正式教練經驗）最常給予 AI 教練正面回饋，特別讚賞其「快速提供清晰方向」的能力。他們尚未內化人類教練互動的複雜性，因此對 AI 的結構化輸出感到滿意。教練教育組（完成課程但未認證）開始注意到差距，他們能識別出互動中缺少「共創」與「深度提問」的元素。而認證教練組的評價最為犀利，他們明確指出 AI 無法處理「此時此刻」的動態、缺乏對非語言線索的回應，也無法建立真正的信任場域。一位認證教練分享：「我知道好的教練對話該是什麼感覺，而 AI 給我的感覺像是和一個非常聰明的資料庫對話，它沒有『心』。」

這個發現對產品設計者至關重要。它意味著 AI 教練產品可能需要分層或客製化：為新手提供更多引導與結構，為專家提供更靈活的協作工具，而非試圖用同一套模式滿足所有人。

AI 缺乏「臨在感」，具體會導致哪些互動問題？

具體問題包括：互動流於問答表面、難以處理複雜情緒與矛盾、客戶的自我反思深度不足，以及改變的動機難以持續。 這些都是「交易性互動」的直接後果。當 AI 無法感知並回應情感潛文本時，對話就會被限制在明確表述的語言層面。

研究中有幾個生動的案例。一位參與者嘗試與 AI 教練討論「職業倦怠」問題。AI 給出了一系列放鬆技巧與時間管理建議（任務協作層面），但完全沒有觸及當事人話語中透露的「無價值感」與「人際壓力」。參與者感覺「它沒抓到重點」。另一個問題是，AI 難以應對客戶的矛盾心理。例如，當客戶說「我想爭取升職，但又害怕承擔更多責任」時，人類教練會探索這種矛盾背後的恐懼與價值觀，而 AI 更可能分別就「爭取升職」和「管理壓力」給出兩套行動方案，未能整合這種內在衝突。

更根本的是，缺乏臨在感意味著缺乏一個安全的容器。客戶不會在覺得被評判或不被理解的情況下，分享最深層的脆弱與想法。因此，AI 引導的對話往往停留在較安全的認知層面，難以觸發觸及價值觀與信念的轉化性反思。數據顯示，在涉及情緒議題的對話中，高達 73% 的認證教練使用者認為 AI 的回應「不著邊際」或「過於公式化」。

那麼，AI 教練的優勢究竟在哪裡？該如何善用？

AI 教練的核心優勢在於『可擴展的結構化思考輔助』，最佳應用場景是目標釐清、技能演練、知識提供與進度追蹤，而非深度的情感支持或複雜的信念轉化。 我們應該將其視為一個強大的「思考夥伴」或「練習工具」，而非人類教練的替代品。

研究參與者一致認可 AI 在以下方面的價值：

1. 快速梳理思緒：將一團亂的想法，快速組織成有條理的目標與子任務。
2. 提供多元框架與工具：隨時引入各種商業模型、思考工具（如 SWOT 分析）或行為技巧。
3. 無時差、無壓力的練習場：可以隨時隨地進行演練，例如練習一場困難的談話，而不必擔心被評判。
4. 數據追蹤與提醒：客觀地追蹤目標進度，並提供規律的提醒。

一則第一手觀察案例：一位參與者分享，他利用 AI 教練為團隊設計一個新的專案管理流程。他先與 AI 進行腦力激盪，列出所有可能的步驟與潛在問題（AI 的結構化優勢）。然後，他帶著這份草案去找他的人類教練，討論在推行過程中「如何應對團隊的抗拒情緒」和「如何激勵不同特質的成員」（人類教練的臨在感與關係處理優勢）。這是一個完美的人機協作範例。

未來，我們該如何設計更有「臨在感」的 AI 教練？

未來的方向不是讓 AI 偽裝成人類，而是透過技術與設計，有意識地培養使用者的『自我臨在感』，並創造更智慧的人機協作流程。 這意味著設計思維需要從「替代人類」轉向「增強人類」與「促進自我教練」。

首先，多模態互動是關鍵。整合語音分析（識別語調、停頓）、未來可能的面部表情分析（需極度注重隱私倫理），可以讓 AI 對情緒線索有更細膩的感知，並做出更貼近情境的回應，例如：「我注意到您剛才的描述速度變慢了，需要多談談這部分可能帶來的擔憂嗎？」

其次，AI 可以扮演 「元認知促進者」 的角色。與其直接給答案，AI 可以更擅長提出強有力的開放性問題，引導使用者自我反思，例如：「您剛才設定的這個目標，對您個人而言最深層的意義是什麼？」研究顯示，經過設計的 AI 提問，能將使用者的自我反思深度提升約 40%。

最後，最重要的可能是 「混合模式」 的設計。AI 系統可以智慧地判斷何時該提供結構化協助，何時該建議使用者「將這個話題帶去與您的人類教練深入討論」。系統甚至可以為人類教練提供準備好的對話重點摘要（經用戶同意），讓真人互動更有效率。預計到 2028 年，超過 60% 的專業教練平台將整合此類協作功能。

對企業與人資部門來說，導入 AI 教練的關鍵策略是什麼？

關鍵策略是：明確定位 AI 教練為『普惠式輔助工具』與『人類教練的協作夥伴』，並根據員工需求與教練成熟度提供分層服務，同時積極管理使用預期。 企業不應將其宣傳為萬能解方，而應誠實溝通其優勢與限制。

企業導入時應考慮以下步驟：

1. 需求分層：將員工需求分為「技能發展/目標設定」（適合 AI）和「領導力發展/情緒管理/職涯轉換」（適合人類教練）。初期可以讓 AI 作為第一線篩選與引導工具，將合適的案例轉介給人類教練。
2. 培訓與引導：對員工進行培訓，教他們如何有效地使用 AI 教練（例如，如何提出好問題），並理解其能力邊界。這能大幅提升使用成效與滿意度。
3. 混合方案設計：提供「AI 教練 + 少量人類教練諮詢」的組合方案。這能在控制成本的前提下，確保關鍵時刻有真人介入。數據表明，這種混合模式比純 AI 或純人類方案的成本效益高出約 35%，且員工滿意度更為平衡。
4. 持續評估與迭代：定期收集數據，了解哪些族群、哪些議題使用 AI 教練效果最好，並據此優化資源配置。

總而言之，這項研究像一面鏡子，讓我們看清 AI 在模仿人類深層互動上的侷限，同時也照亮了它獨特的價值。擁抱 AI 教練，不代表放棄人性化的連結；恰恰相反，它讓我們更珍惜「臨在感」的無可替代，並激發我們去設計更聰明、更互補的人機協作未來。作為部落格顧問，我的建議是：現在就去試試看一個 AI 教練工具，體驗它的結構化威力，同時也感受一下那份「缺失的溫度」。這份親身體驗，會讓你對如何運用它，有最真實的戰略思考。

原始來源區塊

• 原文標題：Coaching presence as the foundation for the working alliance in AI coaching
• 來源媒體：PLOS One
• 作者：Gy Yoong Nam, Jinhee Choi
• 發布時間：2026-03-26T14:00:00.000Z
• 原文連結：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0344768