情緒智力在職場上真的重要嗎？

幾個月前，我開始追查一個數字。

你大概看過這個數字的某個版本。每兩則談軟實力的 LinkedIn 貼文，就有一則會端出它。說法是，傑出的領導者和一般的領導者之間，差別有一大部分可以用情緒智力解釋。90%，85%，數字會隨著誰在賣工作坊而變來變去。

公平地說，大家對這個主題的興趣是真的。世界經濟論壇在 2025 年詢問雇主，他們認定哪些技能是核心技能¹，同理心和主動傾聽排進前十名，領導力和社會影響力排第三，僅次於分析性思考和韌性。這個話題不是誰憑空捏造出來的。

但我想知道這個數字是從哪裡來的。我是 Subtext 的共同創辦人，這款 App 會在你傳出訊息之前，先判讀訊息的情緒語氣，所以繼續轉述一個自己從沒查證過的統計數字，好像不是個好主意。這也代表，你要是認定這個主題很重要，我就能從中得利，所以請把我的利害關係列入考量，研究也請你自己查證。

這個數字我追了好一陣子，最後它冒出來的地方很奇怪。這我晚點再回頭談。接近文末，有一次 Subtext 的真實執行，用的是一句虛構的工作用語「謝謝你終於把這個寄過來了。」，附上它標出的地方和提供的版本。

四種不同的東西，共用同一個名字

第一件讓我意外的事，是研究者對情緒智力究竟是什麼，意見並不一致。不是吹毛求疵式的小歧見，而是「這些根本是不同的構念（construct）」那種歧見。

Peter Salovey 和 John Mayer 在 1990 年把情緒智力定義成一組心智能力：覺察情緒、理解情緒如何混合與變化、運用情緒來思考，以及調節情緒。研究者用一份作答有對錯之分的能力測驗來測量這個版本，就像是專門測感受的 IQ 測驗。

後來 Daniel Goleman 在 1995 年出版的書，讓這個詞變得家喻戶曉，而他的版本把許多看起來很像人格和動機的東西也一併包了進來。Reuven Bar-On 的 EQ-i 和 Konstantinos Petrides 的特質模型，則是自陳問卷。Petrides 說得相當明白：他測量的東西屬於人格的範圍，而不是和智力並列。

研究者最後把這一團亂歸成三個流派²：能力測驗、以自陳方式測量能力模型的量表，以及混合型的職能模型。麻煩的是，能力測驗和自陳測驗的結果幾乎對不上。每當有人對你說「研究顯示情緒智力可以預測 X」，我第一個會問的是：他說的是上面這四樣東西裡的哪一樣？

實際的效果量，比宣傳的小

我找到的近期規模最大的統合分析，彙整了 78,159 人的 253 個效果量³，橫跨三十年。經過統計校正後，它報告的數字如下。

工作績效，約 0.30。工作滿意度，0.29。組織公民行為，0.36。工作壓力，負 0.43。組織承諾，0.26。

相關係數 0.30 的意思是，情緒智力大約能對應到工作績效變異的 9%。這是真實存在的關係，但它離「占了領導者之所以優秀的 90%」還差得遠。這個領域更早的一項指標性統合分析⁴在三個測量流派上，得到的效果大致相當。

我還注意到，同一篇 2022 年的論文發現，情緒智力與工作績效的相關，在已發表的研究裡反而比在未發表的研究裡低。通常發表偏誤的方向正好相反。我不知道該怎麼解讀，而就我看得出來的，作者也不知道。

你做的是什麼工作，差別非常大

在你把 0.30 當成一個一體適用的事實收起來之前，有一個調節變項，我幾乎沒看過有人提。

Joseph 和 Newman 把 191 種職業，依工作需要多少情緒調節來分組⁵，再在每一組裡重新分析。在情緒勞動（emotional labour）高的工作，也就是需要持續和客戶或他人互動的那些，能力型情緒智力對工作績效有正向的預測力。在情緒勞動低的工作，它的預測力則是負向的。

後半段從來沒人引用。如果你的工作大多是獨自作業、偏技術性，那麼對房裡每個人的感受都異常敏銳，可能反而是在耗損你的注意力，而不是一種優勢。

他們模型的架構，我也喜歡。你得先覺察一種情緒，才能理解它；先理解它，才有辦法對它做點什麼。先覺察，再理解，最後調節。跳過其中一步，下一步就沒有可以站穩的地方。

這個數字從哪裡來，以及有人去查證之後發生的事

這就是我說的那個奇怪的地方。

終於讓我查到 90% 這個數字出處的那篇論文，同時也是把它拆解掉的那一篇。Harms 和 Credé 在統合分析的開頭⁶，先列出他們接下來要檢驗的幾項說法。其中兩項，一項來自 1999 年一篇業界刊物的文章，主張情緒智力解釋了傑出領導者和一般領導者之間將近 90% 的差異；另一項來自最大的情緒智力測驗經銷商所提供的一份說明資料，把情緒智力和好的領導畫上等號。

一則業界刊物的引述，加上一份銷售文件。你們公司上一場共識營背後的那個統計數字，來歷就是這樣。

接著，他們彙整了 62 個獨立樣本，主題是情緒智力和轉型領導。當同一個人同時評定領導者的情緒智力和領導者的效能時，相關是 0.59。很亮眼，也很好引用。

當這兩項評分來自不同的來源，數字掉到了 0.12。

同一個構念，同一批文獻，只改了一個方法上的條件。評分者之間的一致性，情緒智力是 0.16，領導是 0.14，也就是說，不管評的是哪一件事，大家的看法彼此都幾乎不一致。作者也指出，特質問卷得到的效度比能力測驗高，而且有些研究者仍然懷疑，這個構念到底有沒有效度可言。

多數流行的 EQ 測驗，其實是多繞了幾步的人格測驗

2015 年，有一個團隊回頭去探究，為什麼自陳的情緒智力能把工作績效預測得這麼好⁷。他們的答案是，那些問卷測量的，是一堆我們早就有名稱的東西。

具體來說，混合型情緒智力測量的內容，與能力型情緒智力、一般自我效能、自評績效、嚴謹性、情緒穩定性、外向性和認知能力重疊，複相關係數 R 達 0.79。混合型情緒智力與主管評定績效的相關，他們更新後的估計是 0.29，低於先前流傳的 0.47。

所以，給出最漂亮數字的那幾種測驗，也正是和我們本來就能評估的人格特質糾纏最深的。這不代表它們沒用。但這確實讓「我們有篩選 EQ」這句話，沒有聽起來那麼了不起。

對職涯的影響是真的，但來得慢，而且大多透過別人

職涯方面最好的一份統合分析，彙整了 150 個樣本、共 50,894 人⁸。情緒智力與職涯滿意度的相關是 0.39，與薪資是 0.21，與離職意願是負 0.21。至於人們自覺的就業力，相關是 0.03，這個數字和零沒辦法區分。

薪資那個數字，沒有人給它應有的註腳。它建立在五個樣本、1,446 人上。這很單薄。作者也指出，職涯滿意度和離職這兩項可能有發表偏誤；而且納入的每一項研究用的都是自陳測量，因為以能力測驗為基礎的研究不夠多，沒辦法拿來分析。

我找到最有意思的一項職涯研究，追蹤了 126 個人，從大學一路到出社會工作⁹，並在十到十二年後檢視他們的薪資，同時控制了人格和認知能力。情緒智力確實預測了薪資。但這個效果是經由「有沒有導師」傳遞的，而且在組織裡的層級愈高，效果愈強。同一位第一作者更早的一項研究，在兩年的時間點上什麼也沒發現。

所以，這個機制是經由別人運作的。情緒智力高的人會建立關係，關係帶來資深者的關注，這份關注在十年後換來回報。這整條鏈子裡，沒有一環是把實際的工作做得更好。樣本小，只有一項研究，別解讀得太用力。不過，它和職涯看起來的走法是吻合的。

讓我改變自己做法的那項發現

前面這些都很有意思，這一項則很有用。

2005 年，Kruger、Epley、Parker 和 Ng 做了五個實驗¹⁰，看人們用電子郵件傳達語氣，能傳達得多好。參與者寫下想表達諷刺、認真、生氣或難過的訊息，再預測收訊的人能正確解讀其中幾則。

在 154 組配對中，傳訊的人預測的準確率是 88.8%，實際準確率是 70.4%。收訊的人同樣過度自信，在電子郵件上尤其嚴重：他們以為自己正確讀懂了 89.3% 的訊息，實際上讀對的只有 62.8%。面對面時答對 73.9%，只靠聲音時答對 73.3%，而兩種情況下，他們都以為自己讀對了約 89%。在更早的一個實驗裡，電子郵件的準確率大約跟隨機猜測差不多。

信心從來沒有動過。人們的實際能力，會隨傳訊管道大幅改變；他們對這份能力的信心，卻始終一樣。

研究發現 傳訊的人預測的準確率是 88.8%，實際準確率是 70.4%。

信心沒有動，動的只有準確率。

有兩個細節，讓我對這項發現印象特別深。第一，朋友之間的信心和實際準確率之間的落差，並沒有比陌生人小。熟悉一個人，沒有任何幫助。第二個細節比較實用。在其中一個實驗裡，研究者請參與者把自己寫的訊息，用和原意相反的語氣大聲唸出來：諷刺的句子唸得一本正經，認真的句子唸得充滿諷刺。過度自信就這樣完全消失了。一旦句子聽起來不再是他們原本設想的樣子，他們終於聽得出這句話有多含糊。

還有一項相關的發現我也喜歡：當人們試著在文字裡傳達特定的情緒時¹¹，傳訊的人有多少信心，和他們到底成不成功，完全沒有關係。

提出反駁的那項研究

我寧可讓你看到這場分歧，也不想假裝這個領域已經有定論。

2025 年，Pollmann 和 Roos 換了一種做法¹²。他們沒有採用實驗室作業（參與者多半是陌生人，諷刺的句子也是刻意編造的），而是蒐集人們實際收到的訊息，再去問真正傳訊的人當初是什麼意思。研究一是非正式的訊息，共有 347 位收訊的人和 171 位傳訊的人。研究二是工作和教育場合的電子郵件，共有 361 位收訊的人和 61 位傳訊的人。

收訊的人把語氣讀對了，這一點對任何想弄清楚一則訊息到底是什麼意思的人都很重要。作者把論文取名為「I get u」，是有原因的；他們主張，這項結果挑戰了「文字是缺乏情感的媒介」這種假設。

我不認為這會推翻較早的研究。我的解讀是，兩邊都成立，只是各自談的是不同的訊息。我們傳的訊息大多平淡無奇，傳達上也沒什麼問題。讀錯的情況，集中在那一小堆訊息裡：語意含糊的、情緒很重的，或是想做點微妙的事的。Kruger 的團隊逼參與者去寫的，正是這幾類。Pollmann 的參與者則是手機裡有什麼，就轉過去什麼。

而那一堆，恰好就是人們會想找人幫忙的那一堆。

中性會被讀成負面，句號也不無辜

Kristin Byron 的理論架構提出了兩種值得認識的效應¹³：收訊的人會把正面的電子郵件讀成中性，把中性的電子郵件讀成負面。情緒在傳遞途中，會往下掉一階。

這也有實證支持。一項研究蒐集了真實的工作電子郵件（收信的人都覺得這些信帶有負面意味），發現了負面放大偏誤（negative intensification bias）¹⁴：收訊的人對這些信的評價，比中立的旁觀者更嚴厲，而且他們的評分和訊息的實際內容只有微弱的關聯，包括信裡負面用語的多寡。這種偏誤在溝通氛圍不佳的環境裡更強，在職位較低的人身上也更強。也就是說，同一封電子郵件，客觀上可能沒有問題，卻還是會被當成一種攻擊，端看是誰在讀，以及對方這一週過得如何。這也是為什麼，要分辨一封電子郵件是被動攻擊，還是只是寫得簡短，比看起來更難。

標點符號方面的研究規模較小，但確實存在。人們會覺得，只有一個字、結尾加了句號的回覆，比沒有句號的同一則回覆更不真誠¹⁵，這個效果出現在文字訊息裡，手寫便條上則沒有。後續的一項研究，用更長、更自然的對話重複驗證了這個結果¹⁶。至於句號會不會讓訊息聽起來像在生氣，我另外有更詳細的討論。

「Yeah」和「Yeah.」不是同一則訊息，而這個差別完全是收訊的人造出來的。

Subtext 針對的，正是這個落差。在訊息於送達途中往下掉一階之前，Subtext 會先讓你看到這則訊息可能傳達出什麼訊號，並點出是哪幾個字造成的。

這些能訓練嗎？

大致可以，但有幾個但書。

2024 年一項針對職場情緒能力訓練的統合分析¹⁷，納入 27 項對照試驗，發現前後測的效果量是 0.44，與對照組比較時是 0.46。追蹤超過三個月後，效果依然存在。教師、醫療專業人員和管理者受益的程度大致相同，而且課程自稱叫情緒智力、同理心還是情緒調節，差別不大。

作者對這些限制的態度坦率得讓人耳目一新：他們彙整的那些研究，異質性高，方法學品質偏低。更早的統合分析，得到的結果也差不多¹⁸[19]。所以我的整理是：這些課程確實能讓測量的分數動起來，而那些測量大多是自陳的；至於它們有沒有改變人們在工作上實際的做法，我們知道的就少得多。

當 AI 替你寫，會發生什麼事

Subtext 是一款 AI 工具，所以我在這裡有很明顯的利害關係。我先講令人不舒服的發現。

人們分辨不出來。在六個實驗中，4,600 位參與者評判了專業、旅宿和交友情境下的 7,600 篇文字²⁰，辨認出 AI 生成文字的準確率是 50% 到 52%。瞎猜就是 50%。更糟的是，研究顯示，只要刻意針對人們有缺陷的直覺去最佳化 AI 的文字，讀者把它評為出自人類之手的次數，反而會比真人寫的文字還多。

但懷疑是有代價的，至少在某一種情境裡是如此。同一個研究團隊更早的研究發現，當人們以為自己看到的是 AI 與真人所寫的個人簡介混在一起時²¹，對自己懷疑是 AI 寫的那些簡介，信任度比較低，研究者把這稱為複製人效應（Replicant Effect）。

把這兩點擺在一起，會得到一個尷尬的結果。既然幾乎分辨不出來，付出代價的就不是「被識破」，而是「被懷疑」。所以在這件事上，什麼算可以接受，是由社會規範決定的，而不是由證據決定。

至於我自己的立場，供你參考：工具應該幫你把原本想說的話說出來，而不是替你製造一種你根本沒有的感受。對我來說，這是個真實的區別，就算從外面看不出來。這也是為什麼，談到AI 能從你訊息的語氣判斷出什麼、判斷不出什麼，我會特別小心。

我現在實際怎麼做

讀完這些，有四件事留了下來，成了我寫東西的做法。

我假設自己的語氣，實際傳達的效果比我以為的低大約二十個百分點。這不是一時的心情，而是算術。預測 88.8，實際 70.4。

事情重要的時候，我會故意用相反的語氣把它讀一遍。如果訊息是真誠的，我就大聲地、用諷刺的口氣唸。有一點丟臉，但效果比任何關於驚嘆號的規則都好。這是那篇論文裡，唯一把這種偏誤完全消除的做法。

遇到真的負面的事，我會打電話。面對面和只靠聲音，準確率都比電子郵件高出大約十個百分點，更重要的是，萬一哪句話傳達得不對，你可以當場補救。事後，我會再寄一份書面的後續留作紀錄，措辭寫成語氣堅定但不冷冰冰的工作訊息。

我不再把「他們反應過度」當成定論。負面放大偏誤的研究顯示，收訊的人怎麼感受，和訊息裡寫了什麼，只有鬆散的關聯。這個道理兩邊都適用。有時候問題出在對方。有時候是那則訊息真的很含糊，而我正是最沒辦法察覺的那個人。

還有第五件事，是我自己做的 App 在做的，所以這一段請打點折扣來看。把草稿貼進 Subtext，或是把對話串截圖，讓它兩邊的訊息都讀得到，它會指出你的訊息可能向即將讀到的人傳達什麼訊號，並標出造成那種印象的字句。接著它會提供聽起來仍然像你的版本，因為重點是縮小那二十個百分點的落差，而不是把你的口吻磨平。

我拿一句編出來的工作用語來示範：「謝謝你終於把這個寄過來了。」Subtext 給了它兩個標籤，「諷刺」和「被動攻擊」，並把感受命名為「不耐煩」。「諷刺」的理由把問題指向單獨一個詞：「終於」這個詞「可能被讀成真心道謝，也可能被讀成在責怪對方拖太久」；「被動攻擊」的理由則是感謝裡「夾帶等待已久的不滿」。它給的第一個版本標著「貼近原意」，做法很簡單，就是拿掉那個詞：「謝謝你把這個寄過來了。」，標為「可放心傳送」。這是 App 真實的輸出，一字未改。但這並不能證明，這款 App 縮小了前面那項研究裡的落差。

讀完這一切，我最希望大家帶走的是：關於情緒智力與職涯成功的那些大主張，沒有聽起來那麼扎實，它們建立在自陳測量上，而且常常是同一個人在評定等式的兩邊。關於書面溝通的那些小主張，則扎實得多，也實用得多。不會有人賣你一張「傳出去之前，先用相反的語氣讀一遍」的認證。

這個做法免費，只要十一秒，背後的證據還比我花錢買過的大多數東西更充分。

---

你覺得我低估了情緒智力，或是高估了電子郵件那些研究嗎？歡迎到 LinkedIn 告訴我。

Samet Durgun 是 Subtext 的共同創辦人。Subtext 是一款 App，會抓出訊息裡的情緒語氣，並用你自己的口吻改寫。他住在柏林。

資料來源

上面的每個連結，只要有原始來源，都直接連到原始來源。

1. World Economic Forum (2025). The Future of Jobs Report 2025, Skills Outlook.
2. Ashkanasy, N. M., & Daus, C. S. (2005). Rumors of the death of emotional intelligence in organizational behavior are vastly exaggerated. Journal of Organizational Behavior, 26, 441-452.
3. Doğru, Ç. (2022). A meta-analysis of the relationships between emotional intelligence and employee outcomes. Frontiers in Psychology, 13, 611348.
4. O’Boyle, E. H., Humphrey, R. H., Pollack, J. M., Hawver, T. H., & Story, P. A. (2011). The relation between emotional intelligence and job performance: a meta-analysis. Journal of Organizational Behavior, 32, 788-818.
5. Joseph, D. L., & Newman, D. A. (2010). Emotional intelligence: an integrative meta-analysis and cascading model. Journal of Applied Psychology, 95(1), 54-78.
6. Harms, P. D., & Credé, M. (2010). Emotional intelligence and transformational and transactional leadership: a meta-analysis. Journal of Leadership & Organizational Studies, 17(1), 5-17.
7. Joseph, D. L., Jin, J., Newman, D. A., & O’Boyle, E. H. (2015). Why does self-reported emotional intelligence predict job performance? A meta-analytic investigation of mixed EI. Journal of Applied Psychology, 100(2), 298-342.
8. Pirsoul, T., Parmentier, M., Sovet, L., & Nils, F. (2023). Emotional intelligence and career-related outcomes: a meta-analysis. Human Resource Management Review.
9. Rode, J. C., Arthaud-Day, M., Ramaswami, A., & Howes, S. (2017). A time-lagged study of emotional intelligence and salary. Journal of Vocational Behavior, 101, 77-89.
10. Kruger, J., Epley, N., Parker, J., & Ng, Z. (2005). Egocentrism over e-mail: can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936.
11. Holtgraves, T. (2022). Implicit communication of emotions via written text messages. Computers in Human Behavior Reports, 7, 100219.
12. Pollmann, M. M. H., & Roos, C. A. (2025). “I get u”. People correctly interpret the tone of text messages and emails. Computers in Human Behavior Reports, 18, 100689.
13. Byron, K. (2008). Carrying too heavy a load? The communication and miscommunication of emotion by email. Academy of Management Review, 33(2), 309-327.
14. Sillars, A., & Zorn, T. E. (2021). Hypernegative interpretation of negatively perceived email at work. Management Communication Quarterly, 35(2), 171-200.
15. Gunraj, D. N., Drumm-Hewitt, A. M., Dashow, E. M., Upadhyay, S. S. N., & Klin, C. M. (2016). Texting insincerely: the role of the period in text messaging. Computers in Human Behavior, 55, 1067-1075.
16. Houghton, K. J., Upadhyay, S. S. N., & Klin, C. M. (2018). Punctuation in text messages may convey abruptness. Period. Computers in Human Behavior, 80, 112-121.
17. Mehler, M., Balint, E., Gralla, M., Pößnecker, T., Gast, M., Hölzer, M., Kösters, M., & Gündel, H. (2024). Training emotional competencies at the workplace: a systematic review and metaanalysis. BMC Psychology, 12, 718.
18. Hodzic, S., Scharfen, J., Ripoll, P., Holling, H., & Zenasni, F. (2018). How efficient are emotional intelligence trainings: a meta-analysis. Emotion Review, 10(2), 138-148.
19. Mattingly, V., & Kraiger, K. (2019). Can emotional intelligence be trained? A meta-analytical investigation. Human Resource Management Review, 29(2), 140-155.
20. Jakesch, M., Hancock, J. T., & Naaman, M. (2023). Human heuristics for AI-generated language are flawed. Proceedings of the National Academy of Sciences, 120(11), e2208839120.
21. Jakesch, M., French, M., Ma, X., Hancock, J. T., & Naaman, M. (2019). AI-mediated communication: how the perception that profile text was written by AI affects trustworthiness. CHI Conference on Human Factors in Computing Systems.