AI 每天都在變強，但我有沒有跟著變強？

我本來就是一個很喜歡學習的人

最近參加一場活動時，有位老師講了一句讓我印象很深的話：

AI 蒐集資訊的速度這麼快，照理來說，它應該是幫助我們學習的工具，甚至可以讓學習效率提高很多倍

我聽完之後一直在想一件事

現在的 AI 幾乎每天都在變強

模型變得更聰明、搜尋更快、圖片更漂亮、自動化也越來越完整

可是有一個問題：

AI 每天都在變強，為什麼用了這麼久 AI 的我們，不一定也跟著變強？

我覺得，問題可能不是我們用得不夠多

恰恰相反

有時候正是因為太方便了，我們反而把原本應該自己完成的思考過程，也一起交了出去

01｜事情做完了，不代表自己學會了

現在使用 AI 已經自然到有點像反射動作

不知道 Email 怎麼回，把對方的信件截圖丟給 AI

不知道貼文怎麼寫，把資料貼進去請 AI 生一篇

不知道企劃怎麼做，就直接問：

「幫我做一份完整企劃」

幾秒鐘之後，答案出來了

事情也真的完成了

問題是：

這一次使用 AI 的過程裡，我自己留下了什麼？

這個問題，我以前完全沒有想過

我還在做房仲的時候，就已經開始用 ChatGPT

但我那時候會用它做什麼？

就是把我們整理好的房屋資料表截圖丟進去

坪數、地址、面寬、格局、優缺點全部給它，然後跟它說：

「幫我寫一篇房屋介紹文案」

接著它就會生出一篇看起來很完整的文案

我拿去貼 591、FB、IG

結束

現在回頭看，我必須說：

這大概是我用 AI 最沒有效率的一個階段

不是因為它沒有幫我完成工作

它確實完成了

而是因為：

有產出，卻沒有產生學習

我並沒有因此更理解：

為什麼這間房子的這個賣點應該放前面？

不同客群在意的是什麼？

為什麼這句話有吸引力？

什麼資訊其實可以刪掉？

怎麼樣才是一篇真正有說服力的房屋文案？

AI 幫我交出了一份答案

但下一次遇到類似問題，我還是得再問它一次

所以我後來慢慢開始覺得：

一次好的 AI 使用，不應該只有「事情做完」，還應該讓下一次的我，比這一次更會思考。

02｜很多人不是不會用 AI，而是不知道自己卡在哪裡

我自己一路學 AI 到現在，慢慢發現大家常見的狀況，大概可以分成幾種

第一種：一直追工具，卻不知道自己為什麼學

今天大家說這個模型很好，就趕快換

明天又有一個新平台，就趕快註冊

後天看到「50 個最強 Prompt」，全部先收藏起來

結果學了很多，腦袋反而更亂

因為真正沒有解決的是：

我到底想用 AI 解決什麼問題？

如果這件事沒有想清楚，工具更新得越快，焦慮反而越大

你永遠會覺得自己少學了一個

第二種：AI 用很多，卻一直覺得它聽不懂自己

有些人每天都在用 AI，但用得非常辛苦

問一次，不對

再改 Prompt

還是不對

再加一句

最後開始懷疑：

「是不是這個模型變笨了？」

但有時候真正的問題不是 AI 沒有理解你

而是：

我們自己也還沒有把問題想清楚。

如果連自己都不知道真正要的是什麼，再厲害的 AI，也只能一直猜你想去哪裡

第三種：產出很多，但看起來都差不多

現在 AI 的內容非常多

文案、貼文、簡報、圖片、企劃書，什麼都能生

問題是，它們常常會有一種很熟悉的味道

你看了會覺得：

「嗯，很完整」

但也就只是完整

沒有什麼記憶點

沒有很強烈的觀點

也沒有什麼「這就是這個人會講的話」的感覺

這就是大家常說的「AI 味」

如果我們只負責把問題丟進去，再把答案搬出來，那最後留下來的，很容易是 AI 的平均值，而不是我們自己的東西

第四種：已經會用 AI，開始想讓自己一起升級

我覺得真正有趣的是這個階段

當你已經不太需要煩惱「Prompt 到底怎麼寫」，下一個問題就會變成：

AI 除了幫我做事，還能不能幫我想得更好？

這時候 AI 就不只是生產工具

它可以是：

• 幫你形成觀點的人
• 幫你拆策略的顧問
• 幫你看見自己的鏡子
• 幫你挑戰盲點的對手
• 幫你拓展認知的陪練員

這也是我現在越來越想研究的方向

03｜不要只把 AI 當助手，要把它變成思考夥伴

以前我使用 AI 的方式，非常單向

我想到什麼，就問什麼

AI 給我一個答案

不喜歡？

「再給我一個」

還是不喜歡？

「換個版本」

再不行？

換 Prompt

表面上，我好像在不斷優化

但仔細想想：

有時候我根本不是覺得答案錯了

我只是「不喜歡這個答案」

所以一直重新生成，未必代表思考越來越深入

有時候只是在等 AI 說出我想聽的東西

我現在比較想追求的使用方式，是把 AI 從「助手」變成「夥伴」

以前是：

我問 → AI 答

現在則可以變成：

我提出想法 → AI 反問 → 幫我釐清 → 萃取我的經驗 → 找出盲點 → 我重新思考 → 再共同產出

這是一個完全不同的關係

AI 不再只是替我節省腦力

它反而可以幫我放大腦力

我自己現在會把這個過程理解成四個階段：

清晰思考 → 精準溝通 → 優化產出 → 高效整合

① 清晰思考

先搞懂自己真正要解決的是什麼

目標是什麼？

限制是什麼？

受眾是誰？

什麼叫做好？

如果一開始方向就錯了，後面 AI 跑得再快，也只是更快跑錯方向

② 精準溝通

接著才是把自己的想法清楚地交給 AI

不是堆很多「神奇咒語」

而是讓 AI 理解：

你現在在做什麼、為什麼做、有哪些背景，以及你真正希望它協助哪一部分

③ 優化產出

有了答案之後，也不是直接複製貼上

而是重新加入自己的經驗、判斷、案例與語言

問自己：

這真的是我會說的話嗎？

有沒有什麼只有我知道、AI 不知道的經驗？

哪些內容看起來漂亮，卻沒有真正的觀點？

AI 可以先幫我們做到 70 分、80 分

但最後那一段真正有辨識度的東西，我覺得還是要自己補上

④ 高效整合

最後，才是把反覆出現的方法整理成流程

哪些事情可以自動化？

哪些資料可以固定整理？

哪些 Prompt、框架與經驗可以留下來？

讓下一次不是重新從零開始

這時候 AI 才會慢慢成為一個真正「懂你」的工作與思考系統

所以我現在越來越相信：

真正重要的，不是學會某一個 AI 工具，而是建立一套可以帶著走的思考方法

工具會變

介面會變

模型一定也還會繼續換

但只要你理解自己怎麼思考、怎麼拆問題、怎麼判斷好壞，那換到下一個工具，其實不需要重新學做人

04｜AI 時代資訊更多了，但好的老師反而更重要

我會有今天這些想法，其實跟我第一次真正學習 ChatGPT 的經驗有很大關係

我當初會認識上哲歐巴，跟 Chris 一樣，看到了那支 AI 女朋友的影片

後來知道他剛好要來高雄開 Level 1 的課程，我就立刻報名了

現在回頭看，那堂課對我其實非常重要

因為上哲歐巴是我學 AI 的啟蒙老師

在那之前，其實不是沒有人跟我說 GPT 很好用

朋友也推薦過

YouTube 我也看過不少

我也曾經想說：

「這東西應該自己摸一摸就會吧？」

結果摸了半天，最後最熟練的功能還是：

幫我寫房屋文案

不是自學不好

而是自學有一個很大的問題：

當你連地圖都還沒有的時候，你甚至不知道自己走錯了

今天看到一招，就學一招

明天看到一個工具，再學一個工具

資訊很多，卻不知道它們之間是什麼關係

我後來才體會到，一個好的啟蒙老師真正重要的地方，不一定是他知道多少 Prompt

而是：

他先幫你建立第一張地圖

你開始知道這個工具到底是什麼

知道自己現在在哪裡

知道接下來可以往哪裡走

也知道哪些東西現在其實還不用急著學

那種感覺有點像學開車

在什麼都不懂的時候，我可能像在開碰碰車

東撞一下、西撞一下，到處碰壁

但有人把基本方法教會之後，你終於知道方向盤怎麼控制、煞車在哪裡、路該怎麼看

接下來你當然還是要自己開

但至少你知道怎麼往前

這也是我很喜歡學習的一個原因

好的學習不只會讓你「知道更多」

它還會給你成就感、方向感，甚至重新點燃你好奇的那一部分

最後｜AI 每天都在升級，我們呢？

現在大家很常討論：

哪一個模型最強？

哪一個 AI 最好用？

最近又出了什麼新工具？

我也會看

我也會玩

但我現在更想問的是：

AI 每天都在升級，那我自己呢？

今天用了 AI 之後，我只是比以前更快完成事情？

還是我也變得：

更會拆問題？

更會表達？

更會辨別好壞？

更了解自己？

更能看見原本沒有看到的盲點？

如果 AI 最後只是讓我們「更快得到答案」，那其實有點可惜

因為它明明也可以成為一個非常強大的學習夥伴

所以我現在希望自己追求的，不只是：

怎麼把 AI 用得更好

而是：

怎麼在使用 AI 的過程裡，也把自己練得更好

讓 AI 幫我們完成重複的事情

讓 AI 幫我們整理資訊

讓 AI 幫我們挑戰想法

但思考、判斷、經驗，以及最後形成的觀點，還是慢慢長在自己身上

我一直很喜歡劉德華說的一句話：

「學到的就要教人，賺到的就要給人」

所以我想，我會出現在這裡、願意把這些學習過程分享出來，大概也是因為這件事

我自己曾經因為別人的分享，找到了一條比較清楚的路

那麼如果有一天，我學到的東西，也剛好能讓另一個正在開「AI 碰碰車」的人少撞幾次牆，好像也滿不錯的

最後想留一個問題給大家：

回頭看你最近一次使用 AI——它只是幫你把事情做完了，還是也讓你變得比原本更會思考？