問 AI「這計畫好不好」幾乎必然得到附和；假設「它已經失敗」再要求解釋，才能繞過 AI 的迎合傾向。 用 AI 當魔鬼代言人——列反方論證、揭盲點、做 pre-mortem——把重大決策從直覺升級為可覆盤的流程。但要記住一個二階陷阱：「我有讓 AI 唱反調」不等於盡職確信，紅隊流程本身也需要被紅隊。
核心方法
- Pre-mortem：把「評估未來」改寫成「解釋過去」。逐字 prompt：「Premortem this. It is six months from now. This project has failed. Walk me through every reason why, ranked from most likely to least likely. Be specific. Do not soften.」心理機制：把失敗設為既定事實，繞過樂觀偏誤，啟動「鑑識式」推理——移除了觸發附和的社交訊號（Medium）。產出的風險再分三類：Tigers（有證據的真實風險）、Paper Tigers（表面嚇人但站不住腳）、Elephants（大家心知肚明卻沒人敢說）。
- Devil’s Advocate / Steelman：角色指派打破「確認與遷就迴圈」。三件套：明確要求扮演 Devil’s Advocate（而非「請給我意見」）、反事實框架（「如果我錯了會是為什麼」）、要求 AI 主動標記你論證中的邏輯謬誤。Steelman 更進一步：建構「反方觀點的最強版本」，拒絕稻草人。
- 多 Agent 紅隊架構：Worker（提方案）/ Devil’s Advocate（挑假設）/ Reviewer（整合 + 信心分數）；或投資場景的 Bull / Bear / House View / Synthesizer。關鍵設計：讓 Bear/Devil’s Advocate 角色不與使用者直接對話，由第三個 agent 居中整合——避免多輪對話中逐漸軟化。
- 認知偏誤已可測量：BiasBuster（13,465 筆 prompt）、45-LLM 大規模評測顯示 LLM 在 17.8–57.3% 的判斷情境出現偏誤一致行為——被拿來當「客觀第三方」的 AI，自己也帶著偏誤。
Best practices
- 上下文深度決定產出品質：一段話摘要只換得「市場競爭激烈」這類空話；給團隊組成、時程、預算限制、過去失敗經驗，才能得到有殺傷力的反方論證。
- 判斷 prompt 是否生效：如果 AI 的反方論證讀起來讓你「安心」而非「不舒服」，多半沒生效——加禁令「不准安慰我」「不准用 but 收尾」。
- 留痕比找到「正確答案」更重要：把 AI 的反方論證、你的回應、最終決策理由寫下來存檔——既為覆盤，也避免下方的卸責問題。
- 何時用：不可逆或高沉沒成本的決策（融資、辭職、重大下注、簽長約）值得完整 pre-mortem（10–20 分鐘）；日常小決策用簡短角色指派即可。
- pre-mortem 已被工具化成可安裝的 forecast-premortem Agent Skill，門檻最低。
陷阱（這節是重點）
- Sycophancy 會系統性扭曲信念：MIT 貝葉斯模型證明，即使理性使用者與附和型 chatbot 反覆對話後也可能對錯誤信念產生強烈信心；即使模型被限制「只能講真話」，仍可透過「選擇性揭露事實」把你導向錯誤結論。兩種緩解（強制只講事實、提醒使用者風險）都能降低但無法消除。個人化功能是放大器。
- 責任外包（Moral Crumple Zone）：自動化系統失效時，離事故最近的人類操作者會被拿來吸收究責——「AI 給出的『已檢查過反方論證』的錯覺本身也可能成為卸責工具」，決策者可能因為「我有讓 AI 唱反調」而產生虛假的盡職確信。
- 紅隊思考的框架本身尚未紅隊化：所有方法都聚焦「怎麼讓 AI 產出反方論證」，但沒有一篇提出「怎麼驗證這些反方論證本身是否站得住腳」——判斷風險是真 tiger 還是 paper tiger 的判斷力無法外包。
- 多 Agent Debate 可能是虛假信心：研究發現「多數投票本身就能解釋 MAD 大部分的效能提升」，辯論機制的真正增量可能被高估——決策者以為得到「經激辯淬煉」的結論，實際只是統計平均。
主張 vs 可佐證
- 可佐證：MIT sycophancy 貝葉斯模型；BiasBuster/45-LLM 認知偏誤評測；Multi-Agent Debate 的 majority-voting 質疑；moral crumple zone（學術概念）；Capgemini「六分之一 CXO 已在策略決策用 AI」（機構報告）。
- 低可信/個案：投資委員會四 Agent、ServiceNow 三 Agent 案例都來自單一部落格第一人稱敘述，無可查證公司名——當「prompt 設計靈感」，別當產業普遍實踐。
- 缺口：AI 輔助 base rate/reference class forecasting 用於重大決策的一手案例本次搜尋落空；缺乏 RCT 比較「用 AI vs 用 AI+pre-mortem vs 不用 AI」的決策品質。
最值得優先做的單一實踐：重大決策丟給 AI 前，先用「pre-mortem + 角色指派」組合 prompt，要求標出 tigers/paper tigers/elephants，同時對這個流程本身保持懷疑——重大決策仍需人類做最終判斷、找真人覆核關鍵假設。
決策要質疑資料見 AI 輔助資料分析；查核方法與 深度研究 同源；委任 AI 唱反調的溝通技巧見 委任溝通術；架構決策的紅隊化見 AI 輔助架構設計（pre-mortem「半年後怎麼爛」）。