你學了那麼多 prompt 技巧，為什麼還是覺得 AI 沒幫上忙？
你不是不會用 AI，你只是一直不讓它碰真正重要的工作。
你可能學了不少。什麼「萬用 prompt 框架」、「5 個讓 AI 回答更精準的技巧」、「用 AI 寫出高品質報告的秘訣」。
你訂了電子報，追了幾個帳號，甚至買了某個教學課程。你知道要「給 AI 設定角色」，知道要「分步驟拆解任務」。
然後呢？
工作還是一樣忙。給 AI 的問題它還是偶爾答錯，偶爾廢話連篇。你看了，覺得「算了我自己來比較快」，然後繼續用你之前的方式做事。
你以為你在學 AI 工具。但如果你有這種感覺，你其實沒有在學任何東西。你只是在學習如何確認 AI 沒有你想像中好用。
其實這篇真正要講的是
說難聽一點，AI 用不好這件事，大多數時候跟工具本身沒什麼關係。
在你能真的把它用好之前，有個問題得先想清楚：你為什麼一直把它擋在「正式輸出」的門外？那個擋住你的東西，才是今天真正要談的。
大多數人卡住的地方
不知道你有沒有發現，台灣職場的人其實都知道 ChatGPT 怎麼打開。都有帳號。很多人甚至付了訂閱費。但大多數人還是沒有把 AI 整合進真正的工作輸出裡。
為什麼？
我姑且歸納出三種卡法。
第一種：「我要先全部都學會」的焦慮症。
看到 AI 工具更新速度，看到別人在 LinkedIn 分享用 AI 一天做了以前一週的工作量，就開始慌。慌的方式是拼命收集工具、收藏文章，卻沒有真的去用。換言之，表面上在「學習 AI」，實際上是在用「學習的動作」來緩解焦慮，而不是真的在改變工作方式。
第二種：「AI 太容易出錯，我不能冒這個險」的防衛症。
這個我完全理解。如果你在一個給出去的東西要準確、要可以被 defend 的環境工作，你對不確定性的容忍度會低很多。AI 給你一個可疑的答案，你截圖傳給同事說「你看又錯了」，然後關掉，覺得自己的判斷是對的。但你沒有想到，那個「可疑的答案」其實只是一個起點，而不是終點。
第三種：「等公司訂好規範我再說」的等待症。
這個最沉默，也最危險。因為它不是拒絕，只是推遲。但 AI 工具的迭代速度不會等你公司的 policy 寫好，那些現在已經在摸索的人，跟你之間的差距每個月都在拉大。
第一個核心理解：你的情緒決定你的勝率
面對 AI，你的心態大概會落在三種狀態之一。
怕跟不上，所以什麼都想試，結果什麼都沒做好。怕出錯，所以什麼都不敢試，結果原地踏步。或者，你知道自己的優勢在哪，你用 AI 來放大那個優勢。（最後這種人，在我身邊目前屈指可數。哈哈）
這三種狀態，你可以想成海上來了一波大浪，你的選擇是跳下去亂游、跑回岸上、還是拿起衝浪板。聽起來都知道要選哪個，但捫心自問：你現在真的在練衝浪嗎？還是在海邊猛看教學影片？
於我而言，這個問題的核心是你願不願意承認：你現在對 AI 的某種抗拒，有時候不是因為「AI 不夠好」，而是因為你在工作上已經太習慣等確定了再動，根本還沒學會怎麼跟「不確定」一起工作。這個承認，比學任何 prompt 技巧都難。
第二個核心理解：錯誤不是阻礙，是你唯一的燃料
有一種做法，我後來覺得很聰明，叫做「容錯沙坑」。
概念很簡單：你不用在所有事情上都同時開始用 AI。你只需要找出那些「就算出錯也沒什麼大不了」的工作環節，在那裡開始實驗。比如說，你需要整理一份會議記錄，平常要花你一個半小時。那就試著把逐字稿丟給 AI，讓它整理出重點和行動項目，然後你再修改。就算它整理得一塌糊塗，你也只是多花了二十分鐘改，不是什麼生死攸關的事。但你從這二十分鐘裡學到的，遠比看十篇 AI 教學文有用。因為你開始知道它在哪裡容易犯什麼類型的錯、你怎麼給它資訊它才比較準確、你的判斷力在哪個步驟是最不可被取代的。
這就是遊戲裡「教學關卡」的概念。你在教學關卡裡怎麼死都沒關係，目的是讓你熟悉操作，而不是要求你第一次就破關。
很多人在等一個「可以正式使用 AI」的時機。那個時機不會從天而降，它是你在一次次小失敗裡慢慢建立起來的。
第三個核心理解：AI 是助理，但你要先學會當老闆
很多人把 AI 當搜尋引擎，丟一個問題進去，期待它給你一個答案，然後你決定用還是不用。這個互動模式，讓你永遠是被動的那一方。
但如果你把 AI 想成是一個剛加入的新人隊友，這件事就不一樣了。你不會期待新人第一天就完全理解你的工作邏輯，對不對？你會花時間跟他說你的背景、你的考量、你的偏好，讓他試著做一個版本，你再給 feedback，再來一輪。
這個「教 AI」的過程，本身就是在整理你自己的思路。
你在跟它說「這份提案要強調財務可行性，因為對方的決策者在意的是風險敞口，不是 ESG 評分」的時候，你其實也在問自己：我真正想說服的是什麼？我的核心論點站不站得住腳？我以前在 Deloitte 做氣候風險評估的時候發現，最難的從來不是分析本身，而是把分析翻譯成對方聽得懂、也在乎的語言。這件事，AI 可以幫你練，但判斷「翻譯得好不好」的，永遠是你。
基此，那些最快掌握 AI 優勢的人，不一定是最懂技術的人，而是最清楚自己判斷標準的人。AI 幫你產出初稿，但只有你知道什麼叫「對的方向」。那個判斷力，才是你的護城河。
一個你現在就能做的練習
十分鐘以內可以完成，不需要任何準備。
- 列出你這週最不想做的兩件事。通常是重複性的、需要時間但含金量不高的工作。
- 打開任何一個 AI 工具，對它說這句話：「你是我的高級行政助理。我現在需要你幫我〔描述你的任務〕。以下是相關背景：〔貼入你的素材〕。請給我一個初稿。」
- 讀它的輸出，先不要用。問自己：「如果這就是最終版本，會有什麼問題？」
- 修改其中一處你覺得最不對的地方，然後加上一句只有你才說得出的判斷或意見。
- 存下來。不管好不好，這是你的第一個容錯沙坑紀錄。
你要在這個練習裡找到的，不是 AI 有多強，而是你的判斷力在哪個步驟是不可被取代的。那個地方，就是你下一步要放大的東西。
我的反思與你下一步可以怎麼學
坦言之，我花了滿長一段時間才接受一件事：我對 AI 的抗拒，有很大一部分來自於在諮詢業被訓練出來的習慣。先確認，再交付。這個習慣讓我擅長做精準的分析，但也讓我在面對一個「需要先給出爛草稿」的工具時，渾身不自在。（苦笑）
我不確定我現在完全解決了這個問題。但我開始願意讓 AI 看到我還沒想清楚的思路，然後看看它能往哪個方向跑。有時候它跑歪了，我花時間修正，也理解到自己原本的盲點。有時候它給了一個我沒想到的角度，我覺得「哦，有道理」，然後把它改得更符合我的邏輯。
這個過程很少是乾淨的，也很少是高效的。但它是真實的。
如果你現在不知道從哪裡開始，就從上面那個十分鐘練習開始。不要等你「學夠了」再動，因為那個時間點不存在。
浪來了，你不用立刻站上浪頂。但你至少要先把腳踩進水裡。
共勉之～