AI 該不該接入或干預親子溝通，已經不是新問題，從不同面向思考：產品有沒有把「還時間」和「插進關係縫隙」做成兩個不同的預設—而且這不是 2026 年才出現的直覺。
序言：2026 年 7 月 31 日，Sam Altman 在 X 寫下他聽來的「cool use case」：把家庭日曆接上 ChatGPT Work，餵進孩子的興趣，每天早上上學車程讓它生成一段 podcast，講下午的球賽、即將到的生日、一些新聞。
TechCrunch 記下這則回覆的讚數是原帖的十幾倍。Fortune 轉載 Morning Brew 的報導把整件事定調成「科技冷血 vs 親子溫情」。
同一則建議，Hally Peck 讀成救命稻草—她是雙薪家庭的母親，告訴 Business Insider自己靠 AI Agent 管工作日曆、學校行程、活動、生日、托育排程，「時間是我們最稀缺的資源」。
這個對立並不新。
CMU 團隊在 UbiComp 2007 對雙薪育兒家庭做過一組現場演練（設計領域稱為 Speed Dating，意思是讓使用者像「快速相親」一樣，在幾分鐘內連續體驗多個科技假想場景，藉此逼出最真實的社會防線）：田野證實孩子活動造成沉重溝通成本，但一旦讓自動化去處理「跟人談誰接人」這類社會行動，家庭的反應一致—省下的工作量，抵不過失去細膩社交處理的風險。
Altman 把協調與對話縫隙塞進同一個 use case，十九年前的實證已經寫過裁決。
作者補充
讀這場爭議時，我有兩個身分同時被拉扯。
作為家長，我知道 AI 正迅速進入孩子的學習、溝通與資訊環境；我們需要確保他們接觸的不是只有方便的工具，也包括能理解界線與風險的使用條件。
回到自己家的家庭日曆—三個小孩、兩份工作（HCI 研究者/自僱創業顧問）、每週三次接送排程—我又很清楚 Peck 在說什麼。這一年我把這類勞動稱為「隱形營運者」：排班、湊車、墊錢、反覆說明需求，制度讀成家屬支持，卻不算進服務成本。
家庭端是同一條結構，承包商換成你自己。
但作為長期書寫 HCI、AI 素養與隱私體驗的作者，我也無法把「孩子會不會用 AI」當成唯一問題。
更難的問題是：他們正在學會信任什麼？當一個系統看起來聰明、反應流暢、又被大公司包裝成可靠助手時，他們是否有足夠的語言問一句：它現在能看見什麼、能做什麼、又在誰的邊界裡運作？
註釋/利益揭露：我同時參與可驗證委任／同意鏈相關的基礎顧問諮詢工作。文末若談到「看得見、撤得回」這類元件，讀者應把那一段當產業觀察，不是產品推薦。
Altman 那則帖，把兩件不同的事塞進一個 use case。
一件是家務協調—日曆同步、接送排程、托育缺口、生日提醒。這是 Peck 與 Allison Stern 在 Fortune 寫的那條線：85M 美國母親、高達 2.4 兆美元年支出、要結果不要介面。
另一件是上學車程那 20 分鐘。Hirsch 守的是這段，Yahoo 轉述那句「把跟血親連結這件事外包給生產力工具」。
Davidoff、Lee、Dey 與 Zimmerman 的 School Routine Enactment 幾乎是把這兩件事拆開做實驗：智慧家庭幫父母跟配偶協商誰去接女兒。田野與需求驗證都確認—孩子活動對家庭造成沉重溝通成本。
但當自動化介入「跟人談誰接人」這類社會行動時，家庭的反應是：省下的工作量，抵不過失去細膩社交處理的風險。
同一組後續工作裡，Davidoff、Zimmerman 與 Dey（CHI 2010） 把家庭日常節奏當可學習模型，走的是「可自動化的營運工作」那條正面路線—正好對上 Peck／Stern 要的結果，也正好對上 Hirsch 不願交出的車程縫隙。
Neustaedter、Brush 與 Greenberg（TOCHI 2009） 還補了一層更精確的區分：家庭並不「透過」日曆協調—日曆是知情工具（讓大家知道發生什麼），協調是隨後發生的人際行為。
Altman 的做法是把知情物件直接編譯成敘事，跳過協調那一步。他自動化的不是營運工作，是營運之後那個本該由人做的動作。
輿論把兩件混著罵，Altman 也把兩件混著賣。
混著賣的代價是：產品可以宣稱「還你時間」，同時把那 20 分鐘的對話縫隙也吃掉，而且沒有任何開關告訴你哪一段被自動化了。
Stern 那篇 Fortune op-ed 講的是一個被忽略的市場結構：母親在跑一個沒有團隊、沒有基礎設施的小型企業。她要的是問題被解決，不是另一個 dashboard。
Peck 的話幾乎是同一句：「我們兩個都在很吃重的工作裡，時間是最稀缺的資源。」
這條需求不該被 Hirsch 一句話打發。社會學裡，Allison Daminger 在 American Sociological Review 把這層勞動正式命名為認知勞動（cognitive labor），它包含四個極耗心神的隱形步驟：
預判（anticipate，譬如預判尿布快用完了）、識別（identify，找出哪裡買最划算）、決策（decide，決定挑哪一個牌子）、監督（monitor，追蹤物流有沒有漏寄）。
這是「隱形營運者」在社會學裡的正式名字（理論來源是 Star 與 Strauss 在 CSCW 1999 談的 invisible work—那些被視為理所當然、不被算作工作，卻是整套系統得以運作的底座）。
我在〈規格化排除〉寫過：補位勞動早已在做，制度卻把它讀成私人選擇。家庭端的營運工作也是—母親排接送、喬托育、墊費用，向來被當成「媽媽會處理」，一份該被工具接住的工作卻沒有基礎設施。
HCI 對這條需求也早有實證基礎。Neustaedter、Brush 與 Greenberg（TOCHI 2009） 訪談 44 個家庭：其中 41 個（93%）由母親擔任主要排程者；樣本中 29 個是雙薪家庭。
這把「隱形營運者」從命名變成可核對的數字。同篇的設計準則更直接：家庭日曆不該支援協商協議—那是職場日曆的邏輯，會迫使家庭把只存在於默契裡的知識寫下來，反而增加協調工作量；「這些功能會讓家庭以為這才是家庭日曆該有的樣子，不管它適不適合他們的日常節奏」。
而 Altman 賣的產品叫 ChatGPT Work。把職場協調範式輸入家庭，2009 年的 TOCHI 就寫過為什麼不要—這次連產品名字都沒改。
最該引用的不是 Hirsch，是 OpenAI 自己人。8 月 1 日，總裁 Greg Brockman 在 X 寫：公司裡很多人把 ChatGPT 接到 Slack；員工卻很不喜歡被同事的 ChatGPT 找上門幫忙，明明同樣的工作由人類同事開口他們就願意做—
reinforces how much people care about human relationships... want AI to give time back — or enhance time together — rather than become a layer separating people
這不是一個人自打嘴巴。
是公司總裁在 24 小時內公開否定 CEO 的旗艦使用情境。
個人矛盾可以說是口誤；機構內部矛盾說明的是：OpenAI 內部對「AI 該不該插進關係」根本沒有共識，而 Altman 用沒共識的東西當公開示範。
車上播一段 Agent 生成的「關於你孩子」的節目，正是 Brockman 說不要的「分隔人的一層」。
反直覺的是，實證並不完全站在「AI 在場＝分隔」這一邊。Beneteau 等人（CHI 2019） 在十個有 4–17 歲孩子的家庭部署 Alexa 四週，研究的是溝通斷裂—語音辨識與理解失敗，不是硬體故障。
斷裂發生時，家庭成員會用「溝通支架」（discourse scaffolding，像教小孩走路時在旁邊扶一把）來協作修復：簡化單字、調整重音與語調。
這一半是親子共同話語，一半是家長在教孩子怎麼跟機器講話—現場的 AI 素養課。
Alexa 至少提供了一個會失敗、因而需要人介入的介面。Altman 的預生成 podcast 連失敗的可能都沒有：它是單向輸出，根本不接受輸入，沒有修復通道。
車程本身也不是「有空就聊聊」的空白時段。Noy（2012） 錄影分析耶路撒冷五個家庭的上學車程；Eilittä、Haddington 與 Vatanen（2021） 則研究孩子如何在車上爭取駕駛的注意力。
那 20 分鐘是孩子在結構性劣勢—背對、被固定、駕駛分心—下主動「對話召喚」（summons：就像孩子在後座反覆扯你衣角、喊『爸，你看！爸？』直到你回應為止）的場域。播一段預生成 podcast，等於關掉那個召喚入口。
這是我認為本篇要交付的裁決。
這也是為什麼我會把 OpenAI 那則 use case 歸到誰來稽核你的 Agent系列—它把「有執行、無驗證」搬到了家庭端：Agent 每天生成一段關於孩子的敘事，沒有任何介面讓孩子或家長核對那 20 分鐘到底發生了什麼。
把資安事故翻譯成日常授權，場景可以很低戲劇。想像孩子使用一個 AI 學習助手：他本來只想請它整理一篇課文，卻在操作中按下「連結雲端硬碟」或「允許讀取學校帳號」。
從介面上看，那可能只是一個讓回答更精準的便利選項；從系統角度看，它改變的是這個 agent 能接觸的資料範圍與可採取的行動。
我不期待孩子一開始就理解 OAuth、存取權杖或資料流向；但我期待產品能用他們聽得懂的語言說明：它能看什麼、不能做什麼、何時會替他行動，以及如何隨時收回權限。
對 AI 的信任不該是一個總開關。更好的問題是：在什麼任務中、它能接觸什麼資料、擁有什麼權限、是否有人能介入，以及出事後誰負責的條件下，我願意信任它到什麼程度？我可能願意讓 AI 協助孩子發想報告大綱，卻不願讓它自動寄信、讀取完整雲端硬碟、代表孩子與學校系統互動。
這不是矛盾，而是較成熟的信任推理—也是代理稽核者（proxy auditor）想守住的那一層：代表無法進入後台、卻承擔後果的人，追問權限與責任。後文我就叫它「代表受影響者的稽核角色」。
決定是否讓 Agent 介入家庭時，對照這四個邊界問題：
Q1：Agent 把行程餵進模型前，孩子知不知道？Moser、Chen 與 Schoenebeck（CHI 2017）對親子的調查，把這條缺口量出來了：孩子認為父母該問的次數，比父母認為的多；父母認為自己該問的次數，又比實際問的多。但孩子也不要求每次都問，只要求「至少有時候」問。代理同意的缺口不在原則，在頻率。
家庭日曆接上 Agent、把孩子的行程與興趣餵進模型生成敘事，正落在這條頻率縫裡—家長覺得「我自己會管」，孩子卻可能在某次被生成出去的敘事裡，第一次發現自己被代表。Plaisant 等人（TOCHI 2006） 談共享家庭日曆時用的詞是「資訊與權力對稱」（symmetry）：不只是畫面好不好看，而是誰能看、誰能改、誰被代表。
如果只有家長單向持有所有控制權，這不叫共享，這叫數位監視器。最近的版本是 Sharenting on TikTok（CHI 2024）：法律保護稀薄時，頻率落差會變成平台預設。
Q2：我該教孩子怕 AI，還是會用 AI？
兩者都不是完整答案。恐懼會讓人退出討論，只會用則可能讓人忽略代價。AI 素養不是把孩子培養成資安工程師，而是讓他們在使用前後知道該問：我是否真的需要把這份資料交給它？這個工具是否會替我採取行動？我能否取消授權？它的答案、建議或判斷，誰應該負責？Beneteau 裡家長教孩子怎麼跟 Alexa 講話，本來就是這種素養現場—差別在於：那裡還有修復通道，Altman 的 podcast 沒有。
Q3：介面不接受輸入時，孩子還需要理解系統嗎？
更需要。
Alexa 至少會在辨識失敗時逼人介入；預生成 podcast 連失敗的入口都關掉了。孩子不必理解每個技術細節，但應知道系統可以出錯，結果可以被質疑，遇到不合理的封鎖、警示或內容判斷時，可以向真人求助—前提是介面還留得住人插手的縫。
Q4：誰應該替孩子守住 AI 的邊界？
不能只靠家長—也不能把「AI 素養」理解成「使用者要自己避開所有風險」。
當介面把高風險授權設計成一個醒目的「繼續」按鈕，或把資料使用政策藏在冗長條款裡，要求家長與孩子自行辨識一切，不是賦權，而是責任轉嫁。真正的 AI 素養，需要與好的預設值、最小權限、清楚可撤回的控制，以及強制事故通報並存。
使用者的判斷能力重要，但不能替代企業與監管者應負的責任。Moser 的頻率落差也說明：家長自認已經問過，孩子卻覺得幾乎沒被問。家長能做的是提出問題、要求透明、陪孩子練習判斷；企業必須提供安全預設與清楚控制，監管者則應確保代表受影響者的稽核角色可以檢驗這些承諾。
Altman 週五賣 use case，Brockman 週六說不要讓 AI 變成分隔人的一層。這個張力是機構層級的：產品預設把哪一層自動化、哪一層留給人，OpenAI 自己人還沒談攏，CEO 卻已經拿來當公開示範。
評論的終點，不一定是創業的起點。若硬要把這場翻車讀成產品地圖，我只看到五條路—最後一條是唱反調的。
A. 把拒絕做成品牌。 現在做家庭營運工具的新創，最便宜的定位資產就是一句「我們不跟你的小孩說話」。Altman 這場翻車替整個賽道做完了市場教育—Hirsch 那則回覆的讚數是原帖十幾倍，消費者情緒的方向已經寫在牆上。這是 Light Phone、Yondr 的路數：把不做某件事當成功能來賣。窗口大概只有半年。
B. ContextQ 的商業化形態。 Dietz Smith 等人（IDC 2024） 讓生成式 AI 不產出敘事，而是生成問題讓家長去問孩子。產品輸出不是給小孩的節目，是接送前推給家長手機的三個問題。模型成本近乎零，防禦性在內容策展與年齡分層，不在模型。通路走「家長先用、機構再買」：學校、課後機構、兒科診所。而且它天然規避了 OpenAI 現在最大的法律曝險—產品從不直接面對兒童。
C. 真正的護城河在上游，而且很無聊。 學校通知、球隊排程、課後班行事曆、托育缺口—這些的碎片化是企業對企業的資料正規化問題，不是大語言模型問題。誰把這些資料流標準化，誰就擁有那一層，而且 OpenAI 做不了（沒有學校關係、沒有地區銷售）。
Neustaedter 2009 年就寫過：很少有學校懂得或有能力提供可直接匯入日曆的活動包，家庭因此收到一長串「數位但無法匯入」的郵件。十七年了還沒人修。這是低毛利、高黏著、可被收購的生意。
D. 同意鏈當基礎設施賣，不要做消費端 App。 「看得見、撤得回、申訴得了」是一層可販售的合規／體驗元件，賣給 Cozi、Skylight、甚至 OpenAI，而不是自己去搶家長注意力。「誰有權代理孩子、憑證如何撤回」在形狀上是可驗證委任問題—但我不會在這裡把它寫成產品規格（見上方利益揭露）。
E. 唱反調：這個賽道的高毛利部分可能不存在。 Fortune／市場報告談的數十億美元願景是市場規模敘事，不是需求驗證。Davidoff 2007 的現場演練給的是相反訊號：家庭無法接受把自動化溝通的二元性套進人際接觸的社會因素，省下的工作量抵不過風險。十九年後，Hirsch 那則回覆重複了同一個結論。
推論很不舒服：真實需求全在營運工作—無聊、低毛利、偏企業對企業；高毛利那塊（陪伴、敘事、擬人化）恰恰是被消費者反覆拒絕的。
創業者衝進來想做 B 拿估值，但只有 A 有明顯的付費情緒。
Altman 這則帖值得寫一整篇，關鍵不在他失言；他示範了整個產業對這條分界線的誤判方向—一致地、系統性地朝高毛利那邊誤判。
讀者 30 秒動作：
下次開車前，關掉 podcast 預生成。只靠後座對話，看自己能不能講出今天下午那場球賽、那個即將到的生日。
答不出來，多半是資訊過載把腦子塞滿了—那才是 AI 該接的營運工作。它現在搶的那段關係縫隙，本來就不在任務清單上；那是孩子在背對、被固定、駕駛分心時，還在試著召喚你的入口。
AI 垃圾內容困境下的孩童教育危機：別讓演算法成為家庭媒體素養保姆
稽核軌跡
觀點、判斷與專欄裡的自製概念是我的。資料蒐集與初稿撰寫有 agent 參與，成稿由我逐段改定。每一則引語、數字與來源，發稿前都對過原始文件；「讀者回函」系列引用的來信與提問來自真實讀者。寫錯了算我的。
Copyright © PrivacyUX Consulting Ltd. All rights reserved.
Joshua 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.