最近我開始觀察身邊的人使用 AI 的方式。

家人、朋友、同事、合作夥伴，多少都有接觸過 ChatGPT、Claude、Gemini 等工具。

但我慢慢發現一個很有意思的現象：

「有使用 AI」和「會使用 AI」，其實是兩件完全不同的事情。

很多人已經開始使用 AI，卻仍然停留在非常淺層的使用方式。

例如：

「幫我寫一封 Email。」

「幫我翻譯這段英文。」

「幫我做一份簡報。」

「幫我想幾個標題。」

問完、複製、貼上，事情結束。

這當然有幫助。

但如果 AI 只做到這裡，我認為我們其實還沒有真正發揮它的價值。

AI 使用的第一個誤區：把 AI 當成搜尋引擎

很多人第一次接觸 AI 時，會自然地把它當成「更會聊天的 Google」。

有問題就問。

不知道就搜尋。

需要答案就請 AI 給答案。

這是很好的起點，但不是終點。

因為 AI 真正有價值的地方，不只是「知道答案」。

而是可以參與：

• 問題定義
• 資訊整理
• 方案比較
• 反向質疑
• 推演情境
• 決策分析
• 內容製作
• 工作流程設計

換句話說：

AI 的價值，不只是回答問題，而是參與思考過程。

第二個差距：你問 AI 什麼，決定它能幫你多少

假設你今天要規劃一個產品上市活動。

一般問法可能是：

「幫我規劃一個新品上市活動。」

AI 當然可以回答。

但它不知道：

• 你的產品是什麼
• 目標客群是誰
• 預算多少
• 上市時間
• 通路有哪些
• 競爭對手是誰
• 公司最在意什麼
• 有哪些不能做的事情

所以 AI 最後只能給你一個「平均答案」。

如果換一種方式：

我是一名零售品牌的行銷主管，負責一款新產品上市。目標客群是 25～40 歲女性，主要通路為實體門市與電商。 預算 100 萬元，上市期間為 6 週。請你先不要直接提出方案，而是先找出這個專案最重要的 5 個決策問題。 接著提出 3 種不同策略，分別說明預期效益、風險、成本與適用情境。 最後請站在反對方立場，挑戰你自己提出的最佳方案。

這時候，AI 已經不是單純「回答問題」。

它開始變成：

你的分析夥伴。

第三個差距：真正厲害的人，不是寫出一個超長 Prompt

這也是我自己在學習 AI 過程中很重要的一個體會。

很多人談 Prompt Engineering，容易讓人產生一個錯覺：

「是不是我要學會很複雜的指令，才能把 AI 用好？」

我現在反而認為：

Prompt 最重要的不是複雜，而是結構。

一個好的 AI 任務，至少應該逐漸學會交代：

① 背景

我現在處於什麼情境？

② 目標

我真正想解決什麼問題？

③ 條件

有哪些限制？

④ 評估標準

什麼才叫做好答案？

⑤ 輸出格式

我要表格、文章、分析、方案，還是決策建議？

⑥ 反向檢查

你可以要求 AI 找出自己的盲點、風險與反方觀點。

這些東西組合起來，才是真正的「結構化使用 AI」。

從「問問題」到「建立工作流」

我認為 AI 使用能力可以粗略分成幾個階段。

階段	使用方式
L1 工具體驗	問問題、翻譯、生成文字
L2 AI 助理	固定工作交給 AI
L3 AI 工作流	把 AI 放進日常工作流程
L4 AI 系統	多工具、多角色協作
L5 AI 槓桿	用 AI 放大個人或企業能力

真正值得追求的，不是每天寫更多 Prompt。

而是慢慢從：

「我今天要問 AI 什麼？」

變成：

「這件事情，有哪些部分可以交給 AI？」

這是完全不同的思考方式。

這也是我開始思考「AI 能力差距」的原因

我不是工程背景。

我也不是 AI 研究員。

但我在實際使用 AI 的過程中，開始發現一件很有趣的事情：

AI 的進步速度可能遠遠超過一般人的學習速度。

模型變得越來越強。

可以處理的事情越來越多。

可以理解的上下文越來越長。

可以使用的工具越來越多。

但是，如果一個人仍然只會：

「幫我寫一篇文章。」

那麼 AI 再強，這個人的生產力提升可能仍然有限。

這就像一台功能非常強大的電腦，最後只拿來開計算機。

不是電腦沒有能力。

而是使用者沒有建立新的使用方式。

我開始擔心的，其實不是「AI 會不會取代人」

現在談 AI，很容易陷入一個問題：

「AI 會不會搶走我的工作？」

但我認為可能更值得關注的是另一個問題：

「會使用 AI 的人，會不會逐漸拉開與不會使用 AI 的人的生產力差距？」

如果兩個人的專業能力原本差不多。

一個人每天都使用 AI 協助：

• 蒐集資訊
• 整理資料
• 分析問題
• 產生初稿
• 找出盲點
• 模擬不同方案
• 優化工作流程

另一個人仍然全部依靠人工完成。

一年、三年、五年之後，兩個人的能力差距可能不只是「效率差一點」。

而可能是：

工作方式本身已經不同。

但我並不認為「所有事情都交給 AI」是正確答案

這點同樣重要。

AI 越強，人類越需要保留幾種能力：

判斷力、問題定義能力、批判思考與責任承擔。

AI 可以提出 10 個方案。

但最後：

• 哪一個值得做？
• 哪一個符合現實？
• 哪一個可能造成風險？
• 哪些資訊根本不可信？
• 哪個決策需要由人負責？

這些問題仍然不能完全外包。

所以我認為未來真正重要的能力不是：

人類 vs. AI

而是：

Human × AI

人類負責方向、判斷與決策。

AI 負責大量資訊處理、推演與執行。

兩者形成新的工作分工。

還有一件事：AI 很方便，但不要忘記資料安全

當我們越來越習慣把工作交給 AI，也代表我們可能會把越來越多資訊放進 AI。

這裡需要非常小心。

尤其是：

• 身分證件
• 個人資料
• 客戶資料
• 公司機密
• 合約
• 未公開財務資訊
• 帳號密碼
• 內部商業策略

不要因為 AI 很方便，就把所有資料都丟進去。

AI 使用能力越高，資訊安全意識也應該同步提升。

那麼，一般人現在應該從哪裡開始？

我反而不建議一開始就去學一堆艱深的 Prompt Engineering。

可以從一件你每天都會做的事情開始。

例如：

寫 Email。

不要只叫 AI：

「幫我寫 Email。」

試著告訴它：

• 對象是誰
• 事情背景
• 你的目的
• 希望語氣
• 不希望出現什麼
• 最後要達到什麼結果

然後再請 AI：

「先告訴我這封信目前最大的問題，再幫我改。」

慢慢地，你會發現：

你不是在學怎麼問 AI。

你其實是在學：

怎麼更清楚地思考自己的問題。

這可能才是 AI 帶給我們最大的改變

以前我們可能認為：

「AI 是幫我把事情做完的工具。」

現在我開始認為：

「AI 是幫助我把思考變得更完整的協作者。」

而這也是我建立 Augmented Thinking 的原因。

我想研究的，不只是：

「今天又出現了什麼 AI 工具？」

而是：

當 AI 越來越強，人類應該如何重新設計自己的工作方式、學習方式與思考方式？

這可能才是 AI 時代真正值得學習的事情。

如果你現在只會單次提問，也完全沒關係

因為所有人都是從那裡開始的。

真正重要的不是：

「你現在會不會用 AI？」

而是：

「你願不願意開始學習怎麼與 AI 一起工作？」

AI 的時代才剛開始。

我們真正需要學習的，可能也才剛開始。