2026 年，AI 的快速推進與持續迭代，正在大幅改變醫療生態。我是張益豪醫師，也愈來愈感受到，醫療與法律息息相關——畢竟醫療牽涉到人命，每一個決定都可能影響一個人與一個家庭。
在 Google 的內容品質概念中，可能重大影響健康、財務穩定或安全的議題，被稱為 YMYL（Your Money or Your Life）。[3] 這也提醒我們：在這個智慧醫療新世代，AI 介入決策之後的法律權責，值得好好探討。
這篇文章談到法律的部分，我請鄧政雄醫師一起看。他是牙醫師，也是東吳大學法律學系碩士，同時擔任多個法院與台北市衛生局的調解委員，並在法官學院講授醫療法律。他從醫師法、醫療法與病人自主權利法給我的意見，收錄在後面的〈診間裡的法律〉一節。
同樣地，很多人說，健康與財富是人生最重要的事情：Healthy and Wealthy。如果連醫療都深受 AI 影響，那麼財富與投資的世界，會不會迎來更巨大的改變？
你不妨想想，如果短短幾十分鐘內，你就可以請 AI 解釋一份健康檢查報告、整理一份法律合約，再比較幾種投資工具，你可能會有一種感覺：以前必須四處請教的問題，現在打開對話視窗就能得到答案。是不是很多問題都被解決了？！
但高度使用 AI 的人不難發現，真正困難的問題，才陸續出現。
這個檢查結果，需要現在處理嗎？這份合約，可以放心簽下去嗎？簽下去，誰負責？這筆錢，是不是適合承擔眼前的風險？AI 真的知道我的財務狀態，知道我最近養小孩的花費很兇嗎？
答案可以很完整，選擇卻仍然很難。 我想把這個現象，從自己熟悉的醫療決策出發，一路談到法律與財富：當「知道」的成本持續降低，專業的價值會往哪裡移動？這個世代，會因此出現什麼樣的宏觀轉移？
這篇文章的三個核心觀點
AI 正在快速降低資訊取得成本。
醫療、法律與投資資訊的搜尋、摘要與初步比較，變得更容易取得；但資訊是否正確、完整，仍需查核。
Information Gap 正在縮小，但 Judgment Gap 與 Execution Gap 可能擴大。
未來的差距，不只是誰知道得比較多，也在於誰能判斷適用性、做出取捨，並把決定持續落實。
AI 可以提供答案，但不能完全取代情境理解與責任。
我把 AI 時代的醫療決策拆成「資訊、情境、責任」三個層次。這是一個整理專業價值的觀點架構。
AI 正在把「知道」這件事變得非常便宜
過去，光是找到資料、看懂術語、整理不同說法，就需要很多時間。生成式 AI 讓這些工作的起點往前移：一個人可以先帶著問題與初步整理，走進診間、律師事務所，或一場財務規劃討論。
這值得肯定。資訊比較容易取得，能讓更多人參與原本難以理解的決策。
但「能生成一份答案」和「這份答案值得採用」之間，還隔著資料來源、時間、適用條件與風險。AI 回答得流暢，不等於它已經完成查證；你問得很詳細，也不代表所有重要條件都已經放進問題裡。
這裡說的「變便宜」，主要指搜尋與整理的時間成本下降，不是所有專業服務都必然降價，也不是每個人的資訊落差都已消失。工具可近性、語言、數位能力與資料品質，仍然會影響誰能真正受益。
我更關心的是下一步：當大家手上都有資料，誰能把資料變成一個適合眼前處境的決定？如果有兩份報告，一份是純粹由 AI 製作後交給你；另一份是透過人機協作完成，最後由真人向你解釋投資建議與報告內容，你會選擇哪一個？！
醫療：AI 給你十個答案，但不知道哪一個適合眼前這個人
我提出，AI 時代的醫療決策可以拆成資訊、情境與責任三個層次。三層的用途，是幫我們看清楚：工具交付了什麼，還有什麼必須由醫療團隊與病人共同完成。
第一層：資訊
以鼻塞為例，AI 可以整理可能原因、常見檢查，以及就醫前可以準備的問題。它也可以把難懂的醫療名詞改寫成比較容易理解的文字。
這些整理能幫助討論，前提是來源可信、內容經過查核，而且沒有把一般資訊當成個人診斷。衛福部指引也提醒，生成式 AI 可能產生看似合理、實際錯誤的輸出，或引用不完整、過時的資料。[1]
「列出十個可能性」只是開始；排出哪些需要優先處理，還需要下一層。
第二層：情境
同樣是鼻塞，症狀持續多久、是否影響睡眠、檢查發現了什麼，以及病人最在意的是工作、休息還是治療負擔，都會影響後續討論。
這是一個說明情境的例子，不是特定病人的案例。重點在於：疾病名稱相同，生活不一定相同；同一份檢查結果，也不會自動長出同一個處理計畫。
AI 可以協助整理已提供的病史，也可能透過追問補充情境。但沒有被說出的顧慮、尚未確認的檢查發現，以及病人對不同選項的理解，仍需要被主動詢問與確認。醫師也不能只靠直覺，必須把判斷建立在可核對的資訊與溝通上。
第三層：責任
醫療決策還包含後續：採取這個計畫後，什麼時候追蹤？如果結果不如預期，如何調整？病人遇到問題，找得到誰？
對話視窗裡的一段建議，不會自動建立這些照護安排。負責任的使用方式，需要有人查核輸出、說明不確定性，並把下一步與回應機制接起來。[1]
AI 把答案變便宜了，真正變貴的是判斷、理解與責任。——張益豪醫師
這裡的「責任」，先談的是專業實務上對病人的承諾與照護分工；個案中的法律責任如何認定，還需要法律專業依事實分析。
我在〈我所看見的 2027 醫療 AI 藍圖〉中，也從這個方向討論醫療的未來：當工具節省了整理資料的時間，我們能不能把時間用回理解病人、溝通風險與安排照護？
法律：AI 可以提供建議，但責任鏈不會因此消失
AI 的建議一旦真的用在醫療上，要問的就不只是「答案準不準」。還要問：工具是誰選的？用在哪裡是誰決定的？AI 給的內容誰檢查過？最後又是誰決定照著做？
我先提出三個具體的問題：
- AI 給的內容，被拿來做什麼？ 是幫忙擬文件、提醒該注意的事，還是直接影響醫療處置？用途不同，風險也不同。
- 決定的過程有沒有留下紀錄？ 用了哪些資料、誰檢查過、後來怎麼修正，日後需要時查得回來嗎？
- 出了問題，誰來處理？ 系統出狀況時誰接手、誰向病人說明，廠商和醫療機構之間又怎麼分工？
這三個是我提出來討論的問題，不是在判定任何個案的責任。
制度上已經有一份可以參考的文件。衛福部在 2026 年 5 月 29 日發布《醫療機構應用生成式人工智慧指引》，內容包括：要有專人負責、要評估資訊安全與資料保護、要留下使用紀錄、要準備系統不能用時的替代做法，導入之後還要持續監測。[1]
這份指引自己寫明，它是行政指導，不是強制規定，所以不能直接拿來判斷個案該由誰賠償。它給的提醒很實際：醫療機構要管的是 AI 從頭到尾怎麼被使用，不能只看一次展示的效果好不好。
診間裡的法律：病人知道得更多，醫師的告知義務不會因此變輕
前一節的三個問題，談的還是「應該怎麼想」。真的走進診間，醫師要面對的是法條、是舉證、是白紙黑字。這一塊，需要懂法律的人來講。
我把這篇文章傳給鄧政雄醫師看。他是揚信牙醫診所院長，也是東吳大學法律學系碩士，擔任多個法院與台北市衛生局的調解委員（完整學經歷見文章開頭）。他錄了一段語音回覆我，從醫師法、醫療法一路談到病人自主權利法。我在「責任」那一層沒寫到的地方，他用法條補上了。
以下是他的觀點節錄。
告知義務，不會因為病人知道得多而減輕
不管病人得到多少訊息量，法律上並不是以病人得到多少訊息量，來判定醫師的告知義務有沒有履行。
不管是醫師法第 12-1 條或是醫療法第 81 條，都告訴你：醫師診治病人時，「應」——應該的「應」——向病人或其家屬告知病情、治療方針、處置、用藥、預後情形及可能之不良反應。[4][5]
也就是說，在法律上，不管病人知不知道，醫師本來就有義務跟病人說明。而且所謂的「應」是：當法院問你的時候，你必須先證明自己有跟病人說過。
以前這個「說」，基本上就是把醫師知道的、覺得的，說出來跟病人說明，這也許並不是太困難。但是現在，當病人的資訊量膨脹到太大……在法律上，問題已經不是「你有沒有告知」，而是「你告知的內容到底準不準確、正不正確」。
——鄧政雄醫師
這一點，我在「責任」那一層沒有寫到。我談的是誰來照顧、後續怎麼安排；他補上的是：在法律上，這些本來就是醫師的義務，而且要由醫師證明自己做到了。病人帶來的資訊愈多，醫師光是「有講」已經不夠，講的內容還要經得起檢驗。
臨床專業裁量權，通常被告之後才用得到
醫療上本來就有很多不確定，所以醫療法第 82 條有所謂的臨床專業裁量。[6]
但我可以跟你講：雖然裁量權好像是在保護醫師，事實上，你通常要被告以後才用得到。因為那是法官判決的時候才會說——依醫療法第 82 條，醫師當下的判斷、選擇這個治療模式，在法律可以接受保護的範圍內。
所以這個裁量權是「要用可以用」。什麼時候用？就是當你被告上法院、法官要裁示的時候用。
臨床專業裁量權雖然大家嘴巴上耳熟能詳，但問題是：這個裁量權在治療當下並不是真正存在的，因為病人並不接受你的裁量權。
——鄧政雄醫師
我覺得，這是整段最值得醫師同業停下來想的一句話。很多人把醫療法第 82 條當成診間裡的護身符，其實它是上了法院才派得上用場的保護。病人拿著 AI 整理的十個答案坐在你面前時，這一條在那個當下還用不上。
告知是醫師的義務，決定是病人的權利
病人自主權利法第 4 條明確規定：病人對於病情、醫療選項及各選項之可能成效與風險預後，有知情之權利；對於醫師提供之醫療選項，有選擇與決定之權利。[7]
也就是說，法律上已經寫得很清楚：告知是醫師的義務，決定是病人的權利。
所以當病人的訊息量更大的時候，病人最後還是得自己決定，醫師有的是建議權。
當 AI 把這些訊息提供給病人之後，病人心裡主觀想要的決定，可能會比以前更明確、更確實——當然，不一定是正確。
所以對醫師來講會多一個困擾：當病人知道的東西，跟醫師認為他應該據以決定的內容不相符、或者失衡的時候，醫師到底要配合病人的決定，還是堅持自己的意見？
因為成敗論英雄。醫師可以堅持自己的看法跟做法，前提是結果讓病人滿意，或者是病人可以接受的。萬一你建議的東西，結果病人不滿意呢？
——鄧政雄醫師
「選項」要大於一項，才叫選項
這裡就出現很大的問題。以往我們會跟病人講「我覺得你應該這樣做」——這個就不叫選項，因為它只有一項。選項要大於一項以上，才叫選項。
所以病人從 AI 裡面得到的訊息也許有十項，問題是，搞不好你最想建議他的那個選項，是第十一項。
這個時候，前面資訊的落差、判斷的落差，就會在執行端匯流成一個綜合的糾結：我要怎麼讓病人知道，他手上那些訊息並不適合他這個病情？我要怎麼讓他知道，他做的判斷其實不符合他這個病該有的處理方式？
——鄧政雄醫師
這一段讓我原本的想法又往前走了一步。我在〈醫療〉那一節的小標寫「AI 給你十個答案，但不知道哪一個適合眼前這個人」。他補上的是：醫師心裡最適合的那個答案，可能根本不在那十個裡面。
最容易起糾紛，也最難舉證的一段
法律對醫師是不友好的。最後雖然是病人決定，但依照病人的決定執行之後，如果結果變得更糟，這時候病人會不會回頭怪醫師：「你是醫師，為什麼不建議我別的？」
所以這就牽涉到知情同意。如果大家溝通之後，病人選的還是他原來想要的模式，那沒問題，白紙黑字寫下來——甚至要把你建議過什麼，也一起寫下來。
這是醫療告知方面最容易出現糾紛、也最難舉證的部分。因為病人會說醫師沒說，但醫師其實都有說，只是舉證不出來他有說。
當病人的訊息量越來越大，你要能夠跟他說明，讓他不管是同意、拒絕，或者最後選擇哪一項——這對醫師的告知義務來說，loading 是更大的。因為我們必須證明更多：我們有跟病人講過他接收到的訊息並不好，最後他雖然還是這樣選，但我仍然善盡了告知義務。
——鄧政雄醫師
鄧醫師在這裡給了一個很具體、今天就能開始做的建議：寫知情同意的紀錄時，不要只寫病人選了什麼，也要寫醫師建議過什麼。日後回頭看，這是兩份不一樣的證據。
病只有一種，但是病人有百百種
醫療上 AI 能給的，最討好的好處是提供你更多資訊去了解——或者是誤解——但它沒辦法給你一個適合你的答案。
因為病只有一種，但是病人有百百種。你怎麼讓這個病人了解這個病？或者讓病人自己知道，他真的就是這個病？我覺得 AI 沒辦法給病人這種結論。
但這個責任就落在醫師身上。因為醫師知道你這個病人、這個人的病，我要怎麼跟你說明、讓你理解，你才能夠真正得到適合你的處置。
就像你文章講的，法律上 AI 可以提供建議，但責任鏈不會消失。不僅不會消失，而且會更大。因為醫療法跟醫師法加在醫師身上的責任跟義務，是一般其他行業沒有的。
——鄧政雄醫師
「病只有一種，但是病人有百百種」是鄧醫師的話。他在錄音裡提醒我，這句我的文章裡沒有，是他講的。我照實記在這裡。
最後，一個值得放在心上的觀察
鄧醫師在錄音裡還說了一段話。我猶豫過要不要放，最後還是放了，因為這是他長期鑽研醫療法律的觀察，也是不少醫師同業心裡的感受：
以前病人是弱勢、醫師是比較強勢；但現在醫療糾紛那麼多，我覺得醫師是強勢裡面的弱勢，病人是弱勢裡面的強勢。問題是，將來會不會病人真的變成強勢裡面的強勢，醫師變成弱勢裡面的弱勢？我覺得在 AI 這個時代，或許有機會出現。
——鄧政雄醫師
我想補一句：這不是在說醫師和病人誰該讓誰。病人手上的資訊變多、更清楚自己要什麼，這是好事。難的是中間那一段：病人帶著十個答案進來，醫師需要更多時間，才能把「哪些不適用、為什麼」講清楚，可是門診的時間並沒有變長。在現在的健保環境下，這個缺口只會更明顯。這不是誰的錯，是制度的問題，也是我寫這篇文章最想說的事。
財富：AI 可以整理市場資訊，但不知道你的人生
把同一個問題放進投資，也會看見相似的差別。
假設兩個人拿到同一份市場資料。一個人近期就需要動用這筆錢，另一個人可以長期保留；一個人的收入穩定，另一個人還要支應家庭或事業的固定開銷。他們看見的是同一組數字，能承受的結果卻不同。
這是說明決策條件的假設情境，不是在建議特定投資標的或配置比例。投資討論需要把期限、現金流、風險承受度與資產配置放在一起，不能只問「哪一個報酬最好」。
張益豪醫師也邀請基金探險家 FundDiscover作者「基金黑武士」，從投資與資產配置角度討論：當 AI 大幅降低研究與資訊整理成本後，投資人的真正價值會往哪裡移動？
從醫療決策延伸過來，我想追問的是：我們到底需要更多資訊，還是需要更清楚地辨認自己的限制？當市場改變時，原本的計畫有哪些條件需要重看？當焦慮出現時，有沒有一套事先想過、做得到的處理方式？
AI 可以協助整理這些問題，但不能把不確定性變成保證。SEC、NASAA 與 FINRA 的投資人提醒指出，AI 生成資訊可能不準確、不完整或過時，也不應僅依賴這些資訊做投資決策。[2]
投資專題將以基金黑武士正式刊登的內容為準。本節是張益豪醫師從醫療決策延伸的提問，尚未將「資訊、判斷、配置或紀律」列為基金黑武士提出的模型。
AI 時代的三種落差
我把前面的觀察整理成三種落差。這些詞彙用來幫助提問，並不是一套經學術驗證的理論模型，也不是在預測每個人的差距都會朝相同方向變化。
資訊落差 ↓
AI 讓更多人可以快速取得過去需要專業背景才能整理的資訊。
要追問：來源可靠嗎？資料完整嗎？
判斷落差 ↑
同樣取得十個答案，不同的人對可信度、適用性與風險的判斷可能完全不同。
要追問：適合誰？缺少了什麼條件？
執行落差 ↑
知道正確答案，不代表能在真實世界持續執行。時間、資源、支持與追蹤方式，都會影響行動。
要追問：誰來做？做得到嗎？如何回頭檢查？
觀點整理：張益豪醫師
箭頭表示可能的趨勢；判斷與執行落差可能擴大，並非研究證實的必然變化。
同樣拿到一份 AI 整理的資料，有人會查原始來源、補問條件、把計畫拆成步驟；有人可能直接採用第一個答案。差距便可能從「有沒有資料」，移到「怎麼使用資料」。
但執行不了，也不一定是缺乏紀律。沒有足夠時間、負擔不起服務、缺少照顧支持，都可能讓一個合理計畫無法落地。專業工作者若只交付答案，卻沒有理解這些限制，仍然沒有完成真正的協助。
人生的兩張資產負債表
健康與財富常被分開討論：一邊問身體狀況，一邊問帳戶數字。我想用「人生的兩張資產負債表」這個比喻，提醒我們同時看見兩者。
健康資本
- 健康餘命
- 身體功能
- 睡眠
- 代謝健康
- 心肺能力
- 肌力
- 疾病風險
關心現在的功能，也辨識需要面對的健康風險。
財務資本
- 收入
- 現金流
- 資產
- 負債
- 投資組合
- 資產配置
- 退休準備
同時看資源與義務，理解未來支出和不確定性。
財富決定你有多少選擇；健康決定你還有多少時間可以使用這些選擇。——張益豪醫師
這句話是一個提醒，不是把人生化成兩個數字。健康還受到遺傳、環境、社會支持與醫療可近性等因素影響；健康餘命不能由一張表精確算出，財務資源也不能保證健康。
這兩張表的共同點，是都需要長期照顧，也都可能遇到無法完全掌控的風險。這裡談的「累積與複利」是一種長期觀點：健康不會像固定利率存款一樣增加，投資也沒有保證的複利成果。
AI 能幫我們整理現在的位置。決定要投入多少時間、如何安排資源、何時請專業人士協助，仍然需要把整個人生放回來看。
拿到 AI 的答案後，還要完成哪三件事？
不論是健康、法律還是財務問題，我會建議先把下面三句話寫下來：
- 我根據什麼資料做決定？ 找到原始來源、日期與適用範圍，把尚未確認的地方圈出來。
- 這個決定放進我的生活，會改變什麼？ 說清楚自己的目標、限制，以及能承受與不能承受的結果。
- 接下來由誰做、何時回頭看？ 把第一步、追蹤時間，以及情況改變時的求助對象安排好。
不用等到知道所有答案才開始思考，也不用因為 AI 說得很確定，就急著做出不可回頭的決定。好的專業協助，是讓你更理解自己正在選什麼，也知道下一步找得到誰。
這也是我想把醫療、法律與財富放在同一張桌上討論的原因。領域不同，最後都會遇到一個具體的人，和一個必須在真實生活裡承擔的選擇。
常見問題
AI 會取代醫師嗎？
AI 很可能取代或大幅自動化部分資訊搜尋、整理與行政工作，但醫療決策還涉及個人情境、風險溝通、專業判斷與後續責任。與其單純問 AI 是否取代醫師，更值得問的是：AI 會把醫師的價值往哪一層推動。
AI 看病準嗎？提供的醫療資訊可以直接相信嗎？
不建議把生成式 AI 的回答直接當成個人醫療診斷或治療決策。AI 可以協助理解資訊，但仍可能產生錯誤、遺漏或不適用於個人情境的答案。重要內容應核對原始來源，並與醫療專業人員確認。[1]
AI 會讓投資變得更容易嗎？
AI 可以降低研究、整理與比較資訊的成本，但投資仍涉及風險承受度、期限、現金流、資產配置與執行紀律。資訊增加不代表投資報酬必然提高，也不宜單靠 AI 的回答決定投資。[2]
什麼是 Information Gap、Judgment Gap 與 Execution Gap？
Information Gap 指資訊取得上的差距；Judgment Gap 指面對相同資訊時，判斷可信度與適用性的差距；Execution Gap 則是知道應該怎麼做與真正持續做到之間的差距。本文將三者並列為觀點整理，不宣稱是經驗證的學術模型。
為什麼健康與財富都可以視為資本？
兩者都值得長期累積與維護。財務資本影響一個人的經濟選擇與風險承受能力；健康資本則涉及健康餘命、功能與能否實際享受這些選擇。這是理解人生資源的比喻，不代表健康可以換算成金額，也不表示兩者都能保證複利成長。
本文為跨專業決策觀點與一般教育資訊，不提供個人診斷、個案法律意見或特定投資建議。〈診間裡的法律〉一節整理自鄧政雄醫師的個人觀點，是一般性的法律知識說明，不是針對個案的法律意見。投資合作內容，將依基金黑武士正式刊登的版本具名引用。
