AI 幫我寫的離職信，主管看完更火大
AI 交出的第一版：文法零瑕疵，溫度零度
那封信大概長這樣（我事後憑印象重建，去掉個資）：
「敬愛的主管您好：
感謝您於本人任職期間所提供的指導與協助。經審慎評估個人職涯規劃後，本人決定於 2024 年 X 月 X 日辭去現職，造成不便之處，敬請見諒。
一、感謝：感謝公司提供良好之工作平台，使本人得以累積專業經驗。
二、交接：本人已著手整理相關業務文件，並將於離職前完成交接事宜，確保業務順利銜接。
三、期許：祝公司業務蒸蒸日上，全體同仁工作順心。
本人再次表達誠摯謝意。
敬祝 順心
本人 XXX 敬上」
你看出問題了嗎？
如果這是一封寫給人資存檔的通知信，它幾乎無可挑剔。但如果這是一封寫給一個帶了你三年、跟你一起加過班、幫你擋過子彈的主管，那麼這封信的問題，不是「不夠好」，而是「太好了」——好到像一份公文，好到像一個陌生人寫的。
它用了「敬愛的主管」、「本人」、「貴公司」這種語言，把自己放在制度的一側，把主管推到制度的另一側。它條列了三點，卻沒有一句話提到我們之間發生過的任何一件事。它說「感謝指導與協助」，但沒說是哪一次指導、哪一次協助。
它什麼都說了，又什麼都沒說。
主管的反應：從錯愕到火大
主管把我叫進會議室的時候，我以為他要談交接。
他先把信放在桌上，沉默了幾秒，然後問了那句：「這是你自己寫的嗎？」
我沒有立刻回答。他接著說：「我不是生氣你要走。你要走，我早就有一點感覺。我生氣的是——我們共事三年，你連一封離職信都要交給機器寫？」
他翻到第二頁，指著「感謝公司提供良好之工作平台」那行字說：「這是什麼意思？公司是平台？那我這三年是什麼？管理員？」
我那時候才意識到，他氣的不是信裡的內容，而是信裡的「缺席」——那封信裡沒有我，也沒有他。我把一段人際關係，外包給了一個沒有記憶、沒有情緒、沒有共同經歷的系統。
他最後說了一句我到現在都還記得的話：「離職這種事，寫得越漂亮，就越像在切割。你這封信，寫得像法律文件。」
辦公室的連鎖反應
事情沒有停在會議室。那封信我還副本給了幾位需要交接的同事，其中一位直接回我：「你是不是跟主管吵架了？怎麼語氣這麼硬？」另一位比較委婉：「你這封信⋯⋯有點像客服回覆。」
更尷尬的是，人資後來私下問我：「你是不是有什麼不愉快？這封信看起來不像你的口氣。」——連人資都覺得不對勁了。
我原本以為，離職信只要「不失禮」就好。後來我才明白，在一個關係密度高的職場裡，一封沒有溫度的信，本身就會被解讀成一種態度。沉默也是訊息，而 AI 幫我寫的，正是一封「充滿禮貌的冷漠」。
二、逐句拆解：這封信到底踩了哪些地雷？
事後我把那封信印出來，一句一句重新看，才發現問題其實非常有結構性。它不是「某一句话寫錯」，而是整套溝通邏輯都錯位了。
語氣地雷：過度正式，等於把人推遠
AI 的預設值，是「安全」與「得體」。它會自動選擇最不會出錯的語氣，而在中文語境裡，最不會出錯的語氣，往往就是最公文式的語氣。
問題是，正式程度是有方向性的。你對不熟的人正式，代表禮貌；你對熟了三年的人正式，代表距離。當你把「敬愛的主管」、「本人」、「敬請見諒」這些詞用在一个每天跟你一起吃午餐的人身上，對方收到的訊號不是「有禮貌」，而是「我要跟你劃清界線」。
這就是為什麼主管會說「寫得越漂亮，就越像在切割」。因為在真實的人際關係裡，過度修飾本身就是一種疏遠。你不會對家人說「感謝您於本人成長期間所提供的協助」，對吧？
更微妙的是，這種語氣會讓對方失去「回應的位置」。AI 寫的信通常是封閉式的——它宣布、它感謝、它祝賀，它不需要你回覆。當主管讀到這種信，他會發現自己被排除在「對話」之外，只剩下「收到」的份。憤怒，常常是從「被排除」開始的。
結構地雷：把「溝通」寫成「公告」
AI 很喜歡條列。你只要給它「感謝、交接、期許」三個關鍵字，它就會很負責任地幫你編號成「一、二、三」。這種結構在簡報、公告、規章裡很好用，但在離職信裡，它會產生一個致命的副作用：它把「一對一的對話」變成了「對全體的佈告」。
離職信的本質是什麼？我後來想通了：它不是「通知」，而是「對話的開場白」。它的功能不是把資訊交代完，而是讓對方願意跟你好好談接下來的事。它應該留白、應該有懸念、應該讓對方想問你「為什麼」。
但 AI 給我的那封信用三點把事情講完了，一個懸念都沒留。主管讀完，沒有什麼好問的，也沒有什麼好說的，只剩下一個被程序處理完的感覺。這也是為什麼他會火大——他不是被通知，他是被「處理」了。
內容地雷：空泛的感謝與錯置的事實
AI 寫的感謝，幾乎都是「空泛的正確」。它會說「感謝公司提供良好平台」、「感謝主管的指導與協助」、「獲益良多」。這些句子每一句都對，但每一句都可以套用在任何人身上。
而人際關係裡的感謝，恰恰相反——它必須是「不可替換的」。真正有重量的感謝，一定包含具體的人、具體的事、具體的時間點。例如：「去年那個被臨時抽掉預算的活動，你讓我放手去試，還幫我擋了上面的壓力，這件事我一直記著。」這句話不能用來感謝別人，所以它有重量。
除了空泛，AI 還有一個更實際的風險：事實錯置。它不知道你主管的職稱、不知道你們公司正式的部門名稱、不知道你到職的確切年份，也不知道你手上正在跑的專案叫什麼。我後來檢查才發現，那封信裡有一個專案名稱寫錯了，還把一位同事的職稱寫成另一個職位。這些小錯在公文裡是瑕疵，在人際溝通裡卻是「你不用心」的證據。
還有一個更隱微的問題：空泛的承諾。「本人將於離職前完成交接事宜，確保業務順利銜接」——這句話聽起來很負責，但其實什麼都沒承諾。幾月幾號之前交完？交給誰？哪些文件？哪些客戶？真正的責任感是寫出細節，而不是寫出漂亮的句子。
姿態地雷：站在「制度」對面，而非「人」的旁邊
這是我覺得最關鍵、也最容易被忽略的一點。
AI 寫的離職信，預設的姿態是「員工對公司」——一種制度性的關係。所以它會用「本人」、「貴公司」、「依規定」、「造成不便敬請見諒」這種語言。這種語言把雙方都放進了制度的框架裡，聽起來很安全，但同時也把「人」抽離了。
可是離職這件事，真正會痛、會尷尬、會捨不得的，從來都是「人對人」。你的主管不是「公司」的代表，他是一個會擔心人力缺口、會覺得被辜負、也會替你高興的真人。當你用制度語言對他說話，他會覺得你在跟他「辦公」，而不是在跟他「告別」。
我後來重寫那封信的時候，第一句改成了：「我想先當面跟你說這件事，信只是留個紀錄。」光是這一句，整封信的姿態就從「制度對制度」變成了「人對人」。主管後來的反應也完全不同。
三、為什麼 AI 寫不出「人話」？三個結構性限制
講完地雷，我想談一件更根本的事：這不是我的 AI 不夠聰明，也不是我的指令下得不夠好。這是語言模型在處理「人際溝通」時，幾個很難繞過去的結構性限制。
它學的是「平均值」，不是「你這個人」
大型語言模型的訓練方式，本質上是從海量文本裡學習「什麼樣的句子在什麼情境下最常出現、最容易被接受」。所以它輸出的，是統計意義上「最得體」的版本——也就是所有離職信的平均值。
但職場溝通要的，從來不是平均值，而是「只對這個人有效」的版本。你跟主管之間的關係，是由幾十件小事累積出來的：他知道你怕哪種客戶、你知道他開會前一定要先喝咖啡、你們曾經為了一個決策吵到半夜。這些東西不在訓練資料裡，也不在你給 AI 的指令裡。
所以你得到的，永遠是一封「寫給所有人都可以」的信。而一封寫給所有人都可以的信，對任何人來說都不夠。
它擅長「不得罪所有人」，卻無法「安撫這一個人」
AI 在設計上被要求「安全」、「中立」、「不冒犯」。這讓它在處理衝突或敏感場景時，會自動往「不得罪任何人」的方向靠攏。結果就是我們熟悉的客服腔、公關稿腔、新聞稿腔。
但人際溝通的核心，恰恰是「承擔一點風險」。你要安撫一個人，有時候得說一句只有你們懂的話；你要道歉，有時候得承認一個具體的錯誤；你要告別，有時候得說一句「其實我有點捨不得」。這些話都有風險——可能被誤解、可能顯得矯情、可能讓場面更尷尬——但正因為有風險，它才有溫度。
AI 不會冒這個險，所以它寫不出溫度。
它沒有記憶、沒有利害關係、也沒有遺憾
這一點聽起來很玄，但其實很具體。
AI 不記得你上一次離職是什麼時候、不記得你主管曾經在你試用期快結束時幫你說話、不記得你們公司去年裁員時的氣氛。它也沒有利害關係——它不會因為這封信寫壞了而失去什麼，它不會在隔天進辦公室面對那個尴尬的電梯時刻。
更重要的是，它沒有遺憾。而離職信裡最動人的部分，往往來自遺憾——「其實我原本想再多做一年」、「這個專案沒能做完，我有點不甘心」、「沒能跟你一起看到它上線，是我這趟最大的可惜」。這些話的重量，來自說話的人真的在乎。AI 不在乎，所以它寫不出重量。
順帶一提，它也不懂「時間感」。三個月的同事跟三年的主管，離職信的寫法應該完全不同——前者可以簡潔、後者需要交代；前者可以客套、後者需要具體。但 AI 不知道你們相處了多久，除非你告訴它，而即使你告訴它，它也只能用「平均的三年」來寫，寫不出「你們的三年」。
四、實戰指南：怎麼讓 AI 幫忙，而不是幫倒忙？
講到這裡，我要先說清楚：我不是要你從此不要用 AI 寫離職信。恰恰相反，我後來發現，AI 在離職這件事上其實非常好用——只要你把它放在對的位置。
正確定位：AI 是「結構整理員」，不是「發言人」
我後來歸納出一條分工原則：AI 負責骨架，你負責血肉。
什麼意思？AI 很擅長的那些事——把雜亂的想法整理成段落、檢查錯字與標點、幫你列出交接清單、提醒你哪些資訊沒交代（日期、職稱、交接對象）——這些都可以放心交給它。它甚至可以幫你模擬「如果我是主管，讀到這段會有什麼感覺」，這對容易焦慮的人來說很有幫助。
但有一件事絕對不能外包：情緒與事實。你為什麼要走、你感謝誰、你捨不得什麼、你承諾什麼時候交完——這些必須是你自己寫的，或至少是你親自口述、AI 只負責潤飾的。而且潤飾的時候，要下一個很嚴格的指令：「不要新增任何我沒說過的內容。」
這句指令很重要。因為 AI 最大的問題不是寫得不好，而是它太會「補充」——你給它一個大綱，它會自動幫你加上「感謝公司提供良好平台」這種你根本沒說過的話。而這些補充，正是踩雷的來源。
一個可以直接套用的五段式骨架
如果你真的需要一個結構，我後來整理出一個「人話版」的五段式骨架，比 AI 預設的三點式好用很多：
把這個骨架丟給 AI，請它「只做語氣潤飾、不新增內容」，你就會得到一封既整齊又像人寫的信。
對照範例：AI 版 vs 人話版
舉個最直接的對照。同樣是感謝，AI 版是：
「感謝公司提供良好之工作平台，使本人得以累積專業經驗。」
人話版是：
「去年那個預算被砍掉一半的活動，你讓我照原本的企劃去試，還幫我擋了上面的壓力。那次之後我才敢真的放手做事，這件事我一直記得。」
兩句話的資訊量差不多，但重量完全不同。前者是「谁都適用」的感謝，後者是「只有你們兩個懂」的感謝。而人際關係裡的信任，往往就是靠這種「只有我們懂」的細節累積出來的。
交出之前的「人情檢查表」
我後來養成一個習慣：任何重要的信寄出前，先過一遍這份檢查表。你可以直接拿去用：
信裡有沒有提到至少一件「具體的事」？（沒有的話，感謝就是空的）
有沒有出現對方的名字，而不只是職稱？
有沒有一句話，是「只有你們兩個才寫得出來」的？
有沒有一句話，讓對方「有台階下」？（例如「我知道這個時間點讓你為難」）
有沒有說出「下一步」，而不是只說「結束」？
讀起來像不像你平常講話的樣子？（唸出來聽聽看，這招很有效）
有沒有任何一句話是在指責、比較或抱怨？（離職信不是申訴書）
最重要的：這件事，你有沒有先當面講過一次？
最後那一點，是我用一場風暴換來的。離職信再怎麼寫，都只是「紀錄」；真正的溝通，永遠發生在信件之外。如果時光倒流，我會先約主管喝杯咖啡，用嘴巴講一次，再寄那封信。這樣一來，信的內容就不需要承擔「第一次告知」的壓力，它只需要好好收尾。
五、更深一層：AI 時代，我們還剩下什麼不能外包？
這件事之後，我想了很久。它表面上是一個「AI 寫信踩雷」的個案，但背後其實是一個更大的問題：當 AI 什麼都能寫，我們還剩下什麼是不能外包的？
我的答案是：關係的維護，不能外包。
職場溝通有兩種功能。一種是「資訊傳遞」——幾月幾號離職、交接給誰、文件在哪裡。這種功能，AI 做得比人好，因為它不會漏、不會累、不會情緒化。另一種是「關係維護」——讓對方覺得被尊重、被記得、被好好對待。這種功能，AI 完全做不到，因為它不在場。
而糟糕的是，我們很容易把這兩種功能混在一起，然後用處理第一種的方式，去處理第二種。這就是我當初犯的錯：我以為離職信是「資訊傳遞」，所以交給 AI；但它其實是「關係維護」，而我把它外包了。
我甚至覺得，AI 越普及，「人味」會越稀缺，也越值錢。當每個人都能用 AI 寫出結構完美、語氣得體的信，那麼「一封看得出來是真人寫的、有點不完美、但很誠懇的信」，反而會變得更有辨識度。就像手寫卡片在電子郵件時代反而珍貴一樣。
所以我不會叫你拒用 AI。我會說：把 AI 用在「整理」，不要用在「表達」；用在「檢查」，不要用在「決定」；用在「幫你想清楚要說什麼」，不要用在「幫你說」。工具本身沒有錯，錯的是把它放在不該放的位置。
六、結語：AI 能幫你寫字，不能幫你做人
事件的最後，我做了兩件事。
第一，我親自去找主管，把信收回來，用嘴巴把該說的話說了一次。我告訴他我為什麼要走、謝謝他這三年的哪些事、以及我對哪個專案其實還有點不甘心。他聽完，沉默了一下，說：「這就對了。你早這樣講，我就不會生氣。」
第二，我重寫了那封信。這次我只用了 AI 做一件事：幫我檢查錯字跟標點。其餘的每一個字，都是我自己寫的。信不長，不到四百字，但主管後來跟我說，那封信他留著。
我把這件事寫下來，不是要說 AI 不好。AI 很好，它幫我整理思緒、幫我省下大量時間、幫我看到自己沒注意到的盲點。但它終究只是一個工具，而人際關係這種事，工具只能幫到門口，進不去門裡。
所以，如果你正在考慮請 AI 幫你寫離職信，我的建議是：可以，但請你把它當成一個很會寫公文的助理，而不是一個懂你人生的朋友。讓它幫你把架子搭好，然後你自己走進去，把該說的話，一句一句放進去。
因為到最後，主管在意的從來不是你這封信寫得漂不漂亮，而是你有沒有把他當一個人，好好地說再見。
AI 能幫你寫字，但不能幫你做人。這句話，我用一場職場風暴換來的，希望你不必。
——本文同步刊載於「雅寶社區 · 頂客論壇」AI 趨勢分類，歡迎在討論區分享你遇過的「AI 代筆翻車現場」。
💬 想說點什麼？
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →