如果世界由不負責任的人掌握權力，我怎麼避免承擔他們造成的損失？

最近一連串 Codex／ChatGPT App 的問題，讓我開始思考一件比軟體品質更大的事。

我喜歡 OpenAI 的模型，也曾經非常喜歡 ChatGPT 的服務。我在這個系統裡累積了大量對話、工作流程，甚至與 AI 一起建立了改善日常生活的方法。但這段時間，我反覆遭遇功能故障、介面退化與難以預測的產品行為。iOS 上一個「跳到底部」的按鈕，幾個月前不能正常使用，幾個月後再試，仍然不行。更嚴重的問題會讓工作中斷、讓我反覆測試，甚至把原本應該睡覺的時間吃掉。

Tibo 在社群上的公開表現，成了我憤怒的一個出口。我不喜歡那些熱鬧的宣傳和額度重置活動。但仔細想想，如果 Codex App 的品質讓我滿意，我並不會因為他在 X 上發什麼文而討厭他；如果我根本不使用 OpenAI 的產品，我也不會只因為一個人在社群上愛出風頭，就對他產生那麼強烈的反感。

所以我的問題不是「為什麼有人喜歡作秀」，而是：當產品品質持續影響許多使用者的時間和生活時，誰應該為這些後果負責？

我知道，外部使用者無法從幾個 bug 推導出某位主管在內部究竟做了哪些決策，也不能直接斷定他不在乎使用者。但從使用者的角度，我所承受的代價是真實的。團隊也確實曾公開承認桌面 App 初期有做得不好的地方，並宣布修正。承認和修正值得記錄；可是對仍在遇到問題的人來說，它們並不能自動抹除損失。

我前一天曾在 Reddit 用大量未結 issue 質疑產品品質。後來意識到，issue 數量本身不是好證據，因為誰都可以開 issue，也確實有品質很差的回報。但有其他使用者說，他們也受同樣的 bug 困擾很久。這提醒我，更值得問的不是總共開了多少張單，而是哪些問題可重現、持續多久、影響多少人，以及長期沒有解決的原因。

同一個位置，兩種完全不同的賽局

從這裡，我和 AI 的討論逐漸離開軟體，走向管理與權力。

有些人可能把取得權力當成目的。他們擅長爭取支持、經營形象、建立人脈，或在組織裡向上攀升。另一些人則可能把權力當成工具。他們想解決問題、帶領團隊、改善制度，但也清楚知道，自己的錯誤會讓多少人承擔代價。

我想到「欲戴皇冠，必承其重」。皇冠的重量，難道只有掌權者自己的辛苦嗎？一個管理者的決策可能使成千上萬的人各自損失一點時間、金錢或生活品質。這些分散在別人身上的損失，也應該算進皇冠的重量。

但如果有些人只把爬到頂點視為勝利，把治理當成附帶工作呢？

設計一個最簡單的 2×2 賽局

我想刻意設計兩個不對齊的效用函數，看看兩個人是否可能在同一套制度裡，各自理性地玩著不同的遊戲。

假設 A 和 B 爭取同一個職位，各有兩種選擇：

• P（Power）：主要把時間投入競選、形象與人脈。
• G（Governance）：主要把時間投入理解問題與準備治理。

這是思想實驗，不是說現實中競選能力與治理能力必定互斥。為了看清誘因，我先假設兩人每次只能把主要資源放在其中一項，選擇任一策略的成本都為 1。

再設定一個對 P 有利的選拔制度。兩人選相同策略時，勝出機率各半；一人選 P、另一人選 G 時，P 有 80% 的勝算：

$$p_A(s_A,s_B)= \begin{cases} 0.8, & (s_A,s_B)=(P,G),\\ 0.2, & (s_A,s_B)=(G,P),\\ 0.5, & s_A=s_B. \end{cases}$$

其中 $p_A$ 是 A 勝出的機率，$p_B=1-p_A$。數字完全是假設，只是為了展示邏輯。

假設採取 P 的勝出者，治理品質指數為 2；採取 G 的勝出者，治理品質指數為 8。我用 $q(P)=2$、$q(G)=8$ 表示。這不是任何真實人物的評分。

整場競爭的預期治理成果為：

$$W(s_A,s_B)=p_A(s_A,s_B)q(s_A) +[1-p_A(s_A,s_B)]q(s_B).$$

現在讓兩人追求不同目標。A 只在乎權力帶來的個人報酬，勝出可得 10；B 則在乎整體治理結果，即使自己沒勝出，也在意勝出者會如何治理：

$$U_A(s_A,s_B)=10p_A(s_A,s_B)-1$$$$U_B(s_A,s_B)=W(s_A,s_B)-1$$

這就是刻意設計的 payoff misalignment：A 最佳化自己取得權力的機率，B 最佳化治理成果。 雙方效用單位是各自定義的，不能直接說某一格 A 的 7 比 B 的 2.2「幸福更多」。

代入假設後，得到以下 payoff matrix。每格依序是 $(U_A,U_B)$：

例如 A 選 P、B 選 G 時，A 有 80% 的機率勝出，所以：

$$U_A(P,G)=10(0.8)-1=7$$$$W(P,G)=0.8(2)+0.2(8)=3.2$$$$U_B(P,G)=3.2-1=2.2.$$

同一個 Nash equilibrium，不同的「勝利」

現在不需要猜測人格，只需要看最佳回應（best response）。

對 A 而言，若 B 選 P，自己選 P 的報酬是 4，選 G 只有 1；若 B 選 G，自己選 P 得 7，選 G 得 4。因此 P 是 A 的嚴格優勢策略。

對 B 而言，若 A 選 P，自己選 G 的報酬 2.2 高於選 P 的 1；若 A 選 G，選 G 的 7 又高於選 P 的 2.2。因此 G 是 B 的嚴格優勢策略。

所以，這個簡化賽局唯一的純策略納許均衡為：

$$\boxed{(s_A^*,s_B^*)=(P,G)}$$

在這個均衡裡，A 以 80% 的機率勝出，預期治理成果卻只有 $W(P,G)=3.2$。如果兩人都投入 G，治理成果本可達到 $W(G,G)=8$；但對 A 而言，只要 B 選 G，自己從 G 改選 P，就能把個人報酬由 4 提高到 7。因此 $(G,G)$ 不是這組效用下的均衡。

沒有人必須犯下推理錯誤，結果也可能對受治理者不利。 這並不證明現實中「不負責任的人比較容易上位」，只是展示：當制度獎勵的行為和治理品質脫節時，理性的個人選擇未必帶來好的公共結果。

更深一層：他們可能連棋盤都看得不同

但剛才的 normal-form game 還是太整齊了。分析者知道雙方的效用函數，雙方也被假定理解同一套行動與結果。

我想到圍棋。兩個人坐在同一張棋盤前，一個專注於上方的攻防，另一個卻在思考下方的死活。對方每一步在自己眼裡都可能不可理喻，因為雙方注意的局部、判斷好壞的尺度，甚至理解整張棋盤的方式都不同。

不只是 payoff 不對齊，而是對賽局本身的認知也可能不同：A 以為人人都想贏得職位，因此把 B 的治理準備視為不懂競爭；B 以為競爭是為了取得治理權，因此無法理解 A 為何把大部分精力放在聲望上。

這更接近 hypergame（超賽局） 的視角：參與者可能對策略、結果，以及彼此究竟在追求什麼，有不同的主觀模型。不過，效用函數不同本身還不等於超賽局；還要進一步引入對彼此目標與情勢的認知差異。

而且還有一個在 2×2 表格裡看不見的人：因為責任太重、根本不願意入場競爭的人。若參選還要承擔額外的預期負擔 $h_i$，他會不會在賽局開始前就選擇退出？

$$U_i^{\mathrm{enter}}-h_i < U_i^{\mathrm{outside}} \quad\Longrightarrow\quad \text{不參與競爭。}$$

這只是一個待探索的參與條件，不是已經證明的社會規律；但它提醒我，公平的競爭程序，也可能只是在一群已經經過不對稱自我篩選的人之間進行。

第三個人的效用函數：我為什麼不能用腳投票？

在 A 與 B 的 payoff matrix 裡，最明顯被忽略的人，其實是我這個受治理者 C。

假設我在乎的就是實際治理品質。如果留下來，我承受的是：

$$U_C^{\mathrm{stay}}=W(s_A,s_B).$$

如果有另一個供應商或制度，我改用它所能得到的品質是 $Q_{\mathrm{alt}}$，而搬遷、學習、資料整理等轉換成本是 $k$，那麼：

$$U_C^{\mathrm{exit}}=Q_{\mathrm{alt}}-k.$$

因此，即使替代品本身更好，也只有在下式成立時，退出才比較划算：

$$Q_{\mathrm{alt}}-k>W(s_A,s_B).$$

例如在上面的均衡裡，$W=3.2$。假設另一個服務的品質是 6，但轉換成本是 4，退出後的淨報酬只有 2，反而低於留下來的 3.2。於是我可能在明明不滿意的情況下，仍然理性地選擇留下。

這讓我想到 OpenAI。我喜歡模型的品質，也曾喜歡 ChatGPT 的服務，累積了許多對話與工作流程。過去的訂閱費與時間是沉沒成本，不應單獨決定未來的選擇；但要在未來遷移資料、重建流程、失去部分功能，那是真實存在的轉換成本。

換到政黨政治又更加棘手。我可能認同 A 黨的政策方向，卻不信任它的治理能力；我可能承認 B 黨擁有比較好的治理人才，卻不同意它想達成的目標。治理能力不是獨立於治理方向之外的萬靈丹。 而且，我可以投反對票，卻不能因此免於受當選者政策影響。

上述退出模型還把社會簡化成能自由更換的商品。現實裡，退出的選項可能根本不存在；退出的成本也可能高到難以承擔。

如果改變制度誘因，均衡也會改變嗎？

假設 A 的個人報酬不再只取決於是否掌權，也取決於他自己當選後的治理成果。令 $\beta\geq 0$ 代表這項績效獎勵的強度：

$$U_A^{(\beta)} =10p_A-1+\beta\,p_A q(s_A).$$

當 B 選 G 時，A 如果仍選 P：

$$U_A^{(\beta)}(P,G)=7+1.6\beta.$$

A 如果改選 G：

$$U_A^{(\beta)}(G,G)=4+4\beta.$$

因此，只要：

$$4+4\beta>7+1.6\beta \quad\Longleftrightarrow\quad \boxed{\beta>1.25},$$

A 面對選 G 的 B，就會寧願投入治理。在這個假設下，B 仍偏好 G，因此 $(G,G)$ 也會成為均衡。

這顯示制度誘因的改變，在模型裡可能改變掌權者的最適策略。但現實世界的治理品質難以測量，績效指標也可能被操縱，所以不能把引入 KPI 或問責機制直接當作問題已解決的證明。

我並沒有因此得到答案。它只讓問題變得更清楚：如果選拔、個人報酬與受治理者的損失彼此不對齊，我究竟該改變誰的 payoff、改變制度，還是尋找退出的路？

有人的地方就有江湖

那麼，乾脆退出呢？

我可以使用本地 LLM、自建服務、備份資料，減少單一平台對我的控制。但我仍然依賴硬體、電力、網路與其他人的勞動。退出一個系統，只是進入了其他系統。

這不就是「有人的地方就有江湖」嗎？

也正是在這裡，我們的對話走向一個看似遙遠的問題：加入沙門的行列，是一種解法嗎？

沙門的出離或許提出了另一種策略。若權力、地位、財富與認同不再是我非追不可的東西，他人是否也就少了一些支配我的籌碼？

這和自建系統很不一樣。後者試著增加自己的控制能力，前者則試著降低自己對某些事物的依賴。

但出家也不是神奇的退出按鈕。修行者仍然需要食物、住所和其他人的支持，僧團本身也可能出現權力與管理問題。更何況，修行若只能讓受傷害的人學會不生氣，卻絲毫不碰造成傷害的制度，那豈不是再次把成本轉嫁給受影響的人？

另一方面，即使我成功要求一個平台改善品質，或讓某個管理者付出代價，我也不會因此獲得一個完全不受他人決策影響的人生。

我還沒有答案

這場討論沒有得出結論，我也不想假裝已經找到答案。

我仍然會因為糟糕的產品管理而生氣，仍然希望掌權者承擔應有的責任；我也仍然希望保留自己重視的工具、社會關係與生活，而不是為了避開他人的錯誤，把所有東西都放棄。

所以問題暫時停在這裡：

如果人的生活注定與他人的決策交織，而權力又不一定落到負責任的人手裡，那麼我究竟該努力改變制度、建立退出的能力，還是重新思考哪些東西值得自己依賴？

也許這三條路並不互斥。但它們之間要如何取捨，我目前還不知道。

---

本文整理自 2026 年 10 月 10 日與 ChatGPT 的對話。文中的 A、B 是用於思考的假想人物，不是對任何現實人物的心理診斷；對特定產品與管理者的批評是使用者經驗與觀點，不代表已查明內部責任歸屬。本文保留討論的未完成狀態。