Mr. M

當產出的速度超過理解的速度，能力就會在不知不覺中流失

「會下 prompt 就等於有能力」，這句話你大概聽過。「用 AI 就是聰明工作」，這句話也很常見。兩句話都有幾分道理，所以很容易讓人放下戒心：既然工具這麼好用，把構想丟進去、拿到一份又完整又漂亮的規劃，直接交出去，有什麼問題？

不妨問自己一個比較不舒服的問題：如果 AI 做出來的東西，比你自己動手做得更好，那這份成果，還算是你做出來的嗎？更進一步，如果你連它為什麼這樣寫都說不清楚，三個月後被要求在沒有 AI 的狀況下做同樣的事，你做得到嗎？

這正是值得細談的落差。AI 時代的冒牌者，往往出現在產出的速度超過理解的速度的那一刻，而避免成為冒牌者的關鍵，在於讓 AI 加速思考的過程，同時保住自己的判斷。

---

一、冒牌者症候換了一種樣貌

心理學上的冒牌者症候，指的是明明有實力、有成果，卻總覺得自己配不上，擔心哪天被人揭穿。這種感覺通常和事實不符，別人的肯定是真實的，只是當事人不相信。

AI 時代出現了另一種版本，而且麻煩的地方在於，這一次的不安可能是準確的。你交出去的簡報，邏輯完整、數據漂亮，但其中的關鍵判斷不是你下的；你提出的專案規劃，章節齊全、風險也列好了，但你並沒有真的把風險一條一條想過。當主管追問「這個假設從哪裡來」，你的心跳加快，這份緊張與自信無關，來自你確實不知道。

這種情況不太會在第一次發生時造成傷害，因為第一次通常還有舊的功力墊底。**真正的風險在於累積：每一次跳過思考，下一次就更容易跳過，直到有一天，你發現自己已經很久沒有從零開始想過一件事。**能力像肌肉，不用就會退化，而且退化的過程毫無痛感，成果看起來反而一次比一次好。

有個簡單的方法可以檢查自己目前的狀況：挑出最近交付的三份工作成果，闔上電腦，不看原稿，試著用五分鐘向一位同事說明「這份東西為什麼這樣設計」。講得出來的部分，是你真的擁有的；卡住的部分，就是你借來的。借來的東西本身沒有問題，問題是你自己以為那是你的。

二、哪些思考步驟一旦跳過，能力就開始流失

要避免空洞化，得先知道空洞出現在哪裡。有三個步驟，是 AI 最容易幫你省略、卻也是專業能力真正的所在。

第一個是定義問題。拿到任務時，真正有價值的是問出「這件事到底要解決什麼」。AI 很擅長回答你給它的問題，卻不會主動質疑問題本身有沒有問錯。如果你直接把模糊的任務丟進去，它會很有效率地替你解答一個可能根本不對的問題，而你因為拿到的答案太完整，反而失去了回頭檢視的動力。

第二個是做出取捨。任何規劃都有資源限制，真正的專業判斷，是在「能做的十件事裡，選出該先做的三件」。AI 通常會給你一份面面俱到的清單，因為面面俱到最不容易出錯。但面面俱到稱不上策略，真正的策略需要有人願意說「這件事先不做」，並且願意為這個決定負責。如果取捨的過程由 AI 代勞，你就少了一次練習承擔判斷的機會。

第三個是驗證結果。AI 的文字流暢，流暢本身會讓人產生「這應該沒錯」的錯覺。數字有沒有來源、案例是否真實存在、推論有沒有隱藏的跳躍，這些都需要人去檢查。一旦養成「看起來合理就收下」的習慣，你的判斷力其實是在被閒置。

這三個步驟有個共同點：它們都需要你花時間、花力氣，而且短期內看不到回報。正因為如此，在趕時間的時候，它們最先被犧牲。可是如果把這三步都交出去，你剩下的工作大概只有複製貼上，而那正是最容易被取代的工作。

三、判斷架構：哪些工作可以放手，哪些必須親自想

並非每件事都要自己來。把 AI 當成禁區，既不實際，也浪費了它真正的價值。比較務實的做法，是替自己建立一個判斷架構，用兩個問題幫每一項工作分類。

第一個問題是：這件事的後果由誰承擔？如果出錯了，被問責的是你，那麼最後的判斷就必須由你下。AI 可以提供草稿、提供選項、提供反方意見，但「這樣做是對的」這句話，必須是你自己確認過才說得出口。

第二個問題是：這件事是否為自己的能力來源？有些工作是你專業的核心，例如工程師的架構設計、企劃的策略推演、主管的人員判斷。這類工作如果長期外包給 AI，你會慢慢失去賴以立足的東西。反過來說，格式整理、會議紀錄、資料彙整、初步翻譯這類工作，即使完全交給 AI，也不會動搖你的專業，放手就好。

把兩個問題交叉來看，大致會得到四種情形。後果小、又不是能力來源的工作，放心交給 AI，只做抽查。後果大、但不是能力來源的工作，交給 AI 起草，你負責逐項檢查。後果小、但屬於能力來源的工作，不妨自己先做一輪，因為這是在練功。後果大、又是能力來源的工作，必須由你主導，AI 只擔任對練的角色。越靠近最後一種情形，越需要放慢速度，這也是越需要「人機深度思考」的地方。

四、人機協作的五個具體步驟

判斷好哪些工作需要親自參與之後，接下來是怎麼做。以下是比較可行的五個步驟，不需要額外工具，只需要改變使用 AI 的順序。

第一步，先寫下自己的想法，再打開 AI。哪怕只有三行字，也要在問 AI 之前，先把你對這個問題的初步判斷寫出來：你覺得問題在哪、你傾向怎麼做、你最擔心什麼。這三行字的價值很大，因為它讓你有一個可以拿來對照的基準。沒有基準，你就只能被動接受 AI 給的答案；有了基準，你才能看出 AI 的答案和你的想法差在哪裡，那個差異，就是學習發生的地方。

第二步，讓 AI 擴充你的想法，不讓它取代你的想法。把你的三行字貼進去，請它補充你沒想到的面向、指出你的盲點、提供不同的做法。這時 AI 扮演的是資料豐富的同事，代筆人的角色並不適合它。你的角色也跟著改變，從「接收答案的人」變成「審視選項的人」。

第三步，主動質疑它。請 AI 站在反方，說出這個方案最可能失敗的三個原因；請它列出這份規劃依賴了哪些假設；請它標明哪些數字有出處、哪些只是推估。接著，把你自己也放進來挑戰：這個說法換成自己公司的情境還成立嗎？這個案例真的存在嗎？質疑的過程，會逼著你真正理解內容。

第四步，驗證，並且用自己的話重寫。凡是要對外交付的內容，關鍵數據與事實一定要回頭查證，不要只是「感覺應該對」。查證完之後，請把核心論點用自己的話重新寫過一遍。這一步看起來多餘，其實是整個流程裡最重要的，因為只有能用自己的話重述，才代表你真的消化了；如果寫不出來，就回到第三步再問。

第五步，留下決策紀錄。簡單記下這次你採納了什麼、否決了什麼、為什麼。一兩行就夠。這份紀錄有兩個用處：下次被追問時，你有依據可以回答；長期累積後，你也能看見自己的判斷模式，以及哪些地方 AI 常常比你想得更周全、哪些地方它其實不太可靠。

這五步聽起來比直接複製貼上多花時間，確實如此。但多出來的時間，正是你把別人的想法轉化成自己的能力所需要的成本。而且熟練之後，整個流程比想像中快，因為你會越來越清楚該問什麼、該查什麼。

五、一個簡單的自我檢核：能講清楚、能被追問、能負責

如果覺得五個步驟太多，以下三個問題，隨時可以拿來自問。

第一，離開 AI 之後，能不能用五分鐘把這件事講清楚？講清楚包含為什麼這樣做、為什麼不那樣做，光是複述結論並不算數。

第二，被人追問細節時，能不能回答？不需要每個細節都記得，但至少知道答案在哪裡、依據是什麼、哪一段是推估。

第三，如果結果出錯，是否知道可能錯在哪裡？能預判自己的成果在哪裡最脆弱，是判斷力還在的最好證明。

三個問題只要有一個答不出來，就代表這份成果還沒有真正屬於你。這並不表示不能用 AI，只是在交出去之前，還欠自己一次思考。

AI 讓想法變得便宜，一個構想、一份規劃，幾分鐘就能生成。但「真的理解」這件事沒有變便宜，它仍然需要時間、需要質疑、需要親手碰過。願意在 AI 給出答案之後，再多花一點時間把它變成自己的東西，你就不會成為冒牌者，反而會成為那個最懂得使用 AI 的人。

AI 可以替你跑得更快，但方向盤和判斷，始終要握在自己手裡。