當 AI 開始幫你排休假，同事關係變微妙了

AI 排班則把「公平」變成一組可以被計算的東西：誰的偏好權重高、誰的休假點數多、誰在熱門時段已經休過幾次。聽起來更客觀，問題是——員工看不到那組權重是怎麼來的。

於是「公平」從一種彼此心照不宣的默契，變成一種需要被證明、被解釋、甚至被質疑的技術規格。當同事發現某人連續兩年都休到春節連假，而自己每次都被排在初二上班，他不會覺得「這是系統算出來的」，他只會覺得「這系統是不是有問題，還是那個人有問題」。

這就是微妙感的起點：過去的不公平，人情可以吸收；現在的不公平，只能往系統與同事身上找答案。

二、演算法看不見的那條線：人情、彈性與潛規則

任何在職場待過幾年的人都知道，公司裡真正運作的規則，往往不在員工手冊裡。排休尤其是如此。它有一整套非正式的運作機制：換班、代班、口頭承諾、人情帳戶，還有一套「這次我幫你、下次你幫我」的隱性記帳方式。

AI 排班最大的盲點，就是它只認輸入的資料，不認那些沒被寫下來的東西。

那些不好意思說出口的「交換」

想像一個典型場景：小美週六要參加妹妹的婚禮，但班表上她排的是早班。她不會去跑正式流程，她會私下問阿豪：「你那天可以幫我頂一下嗎？下次你有事我一定幫你。」阿豪答應了，兩人交換了一筆沒有記錄的人情債。這種交換在辦公室裡每天發生，它是團隊凝聚力的來源，也是讓排班得以「柔軟」的潤滑劑。

AI 系統上線後，這套機制並沒有消失，而是被逼到檯面下。小美還是會去找阿豪，只是現在多了一道手續：兩人得各自上系統送出換班申請，等主管核可。如果系統規定「換班須於三日前提出」，而小美是前一天才發現班表衝突，那這筆人情就還不了。阿豪心裡會想：「上次我幫你，這次你卻幫不了我。」

問題不在小美，也不在阿豪，而在於系統把「彈性」當成例外來管理，而人際關係恰恰是靠例外在維持的。

當 AI 擋掉了「人情假」

更常見的狀況是「人情假」——不是正式的特休，而是那種「我今天真的有點事，可以早兩小時走嗎」的請求。在人工排班的環境裡，這種請求通常由主管口頭裁量，次數多了大家心裡有數，也不會太離譜。但在 AI 系統裡，這種請求要嘛不存在，要嘛變成一種「扣點」。

一旦系統開始記錄「誰比較常臨時請假」，人與人之間的比較就出現了。原本只是「他最近家裡有事」的同理心，變成了「他的出勤分數比較低」的標籤。同事之間開始在意彼此的數字，而不是彼此的處境。

這裡有一個很關鍵的心理轉折：當系統開始量化每個人的「配合度」，同事就從「夥伴」變成了「競爭者」。因為資源（也就是好的休假時段）是有限的，而分配依據從「誰比較需要」變成「誰的分數比較高」。這種轉變不需要任何人惡意為之，它是制度設計自然產生的副作用。

三、同事關係的微妙化學變化

前面談的是制度層面，這一節要談的是人。當排休交給 AI，辦公室裡最明顯的變化不是吵架變多，而是「話變少了」——很多原本會發生的對話，現在直接跳過了。

從「你幫我代班」到「你去跟 AI 說」

過去，想換假的人會先找同事商量，這個過程本身就在建立關係：你可能會多聊兩句、多認識對方一點、下次換你幫他。現在，很多人直接跳過這一步，改成「我去系統申請看看」，申請不過再抱怨系統很爛。

表面上看，這減少了人情壓力——不用再低聲下氣拜託人，確實輕鬆。但長期下來，同事之間少了一種「互相欠來欠去」的連結。心理學上有一個說法：關係往往建立在互惠與虧欠之上，當互惠的管道被系統取代，關係就少了一個維繫的支點。

更麻煩的是「責任轉移」。以前班表有問題，大家會說「這週真的太硬，我們來想想辦法」；現在班表有問題，大家會說「這是系統排的，我也沒辦法」。當責任被外包給演算法，同事之間那種「一起扛」的默契也跟著被外包了。

猜疑鏈：為什麼是他休連假？

這是 AI 排休最典型的副作用，也是最難處理的。當休假分配變成黑箱，人就會自動填補空白，而人腦填補空白的方式通常是往壞的方向想。

「他是不是在偏好設定裡勾了什麼？」「聽說他跟人資很熟，會不會請人資調過參數？」「系統是不是偷偷給資深的人比較高的權重？」這些念頭不一定會說出口，但它們會在茶水間、在私訊裡流傳，慢慢形成一種「有人有特權」的印象。

更微妙的是，這種猜疑往往針對的不是制度，而是「那個看起來過很爽的人」。明明對方可能只是運氣好，或真的按照規則累積了優先權，但在缺乏透明度的情況下，他很難自證清白。於是辦公室開始出現一種奇怪的氛圍：休假多的人不敢張揚，休假少的人心裡有氣，而沒有人知道該把氣出在誰身上。

這種「無對象的怨氣」是最傷團隊的。它不會引發正面衝突，卻會讓合作變得冷淡，讓「順手幫一下」的意願降低，讓整個團隊的氣氛從「我們」變成「我跟你」。

四、企業為什麼還是想用 AI 排休假

講到這裡，你可能會想：既然問題這麼多，為什麼公司還要導入？答案很現實——因為人工排班的痛，AI 真的解決得了，而且那些痛是真金白銀的痛。

排班者的解脫與兩難

如果你曾經負責排班，你就知道那是什麼樣的地獄。一家百人規模的公司，排一次月度班表要考量：各時段人力需求、每個人的合約工時、勞基法的休息間隔、誰有證照、誰不能上夜班、誰下個月要考試、誰上個月已經排了三個週末。改一個人的假，可能要重排十個人的班，最後往往變成「算了，我自己下來頂」。

AI 系統把這件事壓縮到幾分鐘，還能產出可解釋的報表，讓主管在面對員工申訴時有依據。對排班者來說，這是真正的解脫。對公司來說，減少排班爭議、降低法規風險、提升人力使用效率，都是看得見的效益。

但排班者也陷入兩難：系統越自動，他就越像一個「蓋章的人」。過去員工來拜託，他可以賣人情、可以做裁量，這是他權力與溫度的來源；現在他只能說「系統規定的，我也沒辦法」。權力還在，溫度卻不見了。很多基層主管私下抱怨，導入 AI 排班後，他們反而更難帶人，因為手上少了那張「我可以幫你調」的牌。

效率帳本上沒寫的那一欄

企業評估 AI 排班時，通常會算這幾筆帳：排班人力成本下降多少、加班費爭議減少多少、法規裁罰風險降低多少。這些都很合理，也確實存在。

但有一欄很少被寫進評估報告：團隊關係的維護成本。當同事之間少了協商的過程，主管就得花更多時間處理「為什麼他可以我不行」的申訴；當換班變得不方便，臨時狀況就得靠加班或調度來補；當員工覺得制度不公平，離職率與倦怠感就會慢慢上升。這些成本不會立刻出現在財報上，卻會在半年、一年後以另一種形式回來。

這不是說不該導入，而是說：導入 AI 排班，不能只當成 IT 專案，它同時是一場組織文化的改造工程。只改系統不改溝通，等於把一個社會問題丟給演算法，然後期待它自己消失。

五、讓 AI 排班不成為關係殺手：實務建議

講了這麼多問題，還是要回到「怎麼辦」。以下分成員工與管理者兩個角度，提供一些可以立刻做的事情。

給員工的自我調適：把話說清楚，別讓 AI 替你說

第一，把偏好設定當成溝通工具，而不是應付了事。很多人在填系統偏好時隨便勾一勾，覺得「反正填了也沒用」。但 AI 排班的第一原則是「沒輸入就沒考量」。你有固定的家庭需求、宗教節日、健康因素、進修安排，都應該完整填進去，並在備註欄寫明原因。系統不會讀心，但會讀資料。

第二，不要把 AI 當成拒絕同事的擋箭牌。「系統說不行」是最傷關係的一句話，因為它等於告訴對方「我沒有要幫你想辦法」。即使系統真的卡住，也可以換個說法：「系統那邊卡住了，但我可以幫你問問看有沒有其他方式。」差別在於，前者關上了門，後者還留著一條縫。

第三，理解規則，才有談判的空間。多數排班系統都有「優先權點數」或「歷史休假紀錄」的設計，了解自己為什麼排不到，比抱怨系統黑箱更有用。如果你發現規則真的不合理，也可以帶著具體案例去反映，這比在群組裡酸兩句有效得多。

給管理者的設計思維：透明度與人情窗口，缺一不可

第一，讓參數可解釋。員工不需要看懂演算法，但需要知道「為什麼」。例如系統可以顯示：「本次連假排序依據：去年連假出勤時數、本次申請順序、部門人力下限。」只要能把理由講清楚，即使結果不如己意，接受度也會高很多。黑箱才是猜疑的溫床，不是結果本身。

第二，保留一個「人情窗口」。再好的系統也該有一條人工覆核的通道，處理特殊狀況：家有新生兒、長輩住院、突發事故。這條通道的存在本身就有意義，它告訴員工「制度是死的，人是活的」。重點是要把這條通道的使用規則寫清楚，避免變成「誰跟主管好誰就能用」的特權。

第三，把換班機制留在系統外，或至少做得更寬鬆。同事之間的換班，是團隊關係的重要黏著劑。系統如果能把換班流程做得越簡單（例如雙方線上同意即可，不需層層簽核），就越能保留這種正向互動。相反地，如果換班比登天還難，大家就會放棄協商，直接變成「各憑本事」。

第四，導入前先溝通，導入後持續溝通。很多失敗案例不是系統不好，而是「某天早上突然宣布」。建議至少提前一個月說明導入原因、規則設計、申訴管道，並在試行期間收集回饋。員工要的不是完美制度，而是「我的意見有被聽見」的感覺。

六、結語：真正被排的從來不是假，是信任

回到那個週一早晨的群組公告。AI 排休本身沒有錯，它讓排班更有效率、更符合法規、更減少人為偏誤。這些都是真的。但如果我們只看到效率，而忽略了排休背後那一整套人際運作，那麼被犧牲的，會是同事之間那種「有事可以商量」的默契。

說到底，排休從來不只是「誰哪一天不上班」的問題。它是資源分配，是權力展現，是人情往來，也是團隊信任的溫度計。當這一切被壓縮進一個演算法，我們得到的可能是更公平的班表，失去的卻可能是更願意互相幫忙的同事。

科技終究要回到人身上。AI 可以幫我們算出最好的班表，但它算不出「這週末對小美有多重要」，也算不出「阿豪其實已經連續三個月沒休到假日」。這些事，還是得靠人自己去問、去聽、去協調。

所以，下次當你打開排班系統、準備送出休假申請時，不妨多想一步：這個假，需不需要先跟誰說一聲？那個被系統排在熱門時段的人，是不是也需要有人問他一句「你還好嗎」？

制度可以外包給 AI，關係不行。這大概就是這一波「AI 排休潮」裡，最值得我們記住的一句話。

如果你也正在經歷「AI 開始幫你排休假」的適應期，歡迎到雅寶社區 · 頂客論壇的「🤖 AI 趨勢」版分享你的經驗——不管是神隊友系統，還是讓你翻白眼的黑箱規則，都值得被記錄下來。畢竟，再聰明的演算法，也得靠真實的職場故事，才知道自己哪裡還不夠好。

🏠 返回首頁