執行的成本一路下降，提問、判斷、承擔與陪伴，正在成為最稀有的能力
星期五下午三點，怡君盯著行事曆發呆。她是一家公司的專案經理，過去每週五都在趕三件事：整理一週的會議紀錄、更新專案進度報告、把各組回報的數字彙整成給主管看的簡報。這週，她把這些事情全部交給了 Agent。會議紀錄在會議結束後十分鐘就出現在信箱裡，進度報告自動從專案系統抓資料更新，簡報甚至連圖表配色都幫她挑好了。
她突然多出了整整一個下午。奇怪的是，她沒有感到輕鬆，反而有點不安。她打開信箱，想找點事情做；滑了一下手機，又覺得這樣好像在浪費時間。那半天就在這種說不清楚的焦慮裡過去了。
這樣的場景，正在越來越多人身上發生。上班族、老師、自己開店的老闆、照顧家庭的父母，都開始發現 AI 可以接手的事情比想像中多。於是有一個問題，遲早會落到每個人面前：如果 AI 能替你做完所有工作，你還剩下什麼是別人非找你不可的理由？
當執行變得越來越便宜，人的價值就會移到四件事情上：決定什麼值得做、判斷什麼是好的、為結果負責，以及真正陪在另一個人身邊。
執行變便宜之後，稀缺的東西換了位置
回想一下你過去被稱讚「很能幹」的時候，多半是因為什麼？可能是報告寫得又快又好、資料整理得清清楚楚、交辦的事情從來不會漏掉。這些能力在過去很值錢，因為它們需要時間、經驗和耐心，願意做也做得好的人並不多。
但當 AI 可以在幾分鐘內完成同樣的事，這些能力的價格就開始下滑。這跟能力本身好不好無關，單純是供需改變了。就像計算機普及之後，心算快依然很厲害，卻很少再成為一份工作的核心理由。
那麼，什麼東西變得更稀有？第一個是提出好問題的能力。AI 很會回答，可是回答的品質，很大程度取決於問題本身。同樣一份市場資料，有人問「幫我整理重點」，有人問「哪一個數字跟上一季的判斷不一樣，為什麼」，得到的東西完全是兩回事。知道該問什麼，代表你理解事情的脈絡，而脈絡往往不在資料裡，在你的經驗和觀察裡。
第二個是判斷好壞的能力。Agent 可以一次給你十個方案、二十種文案、三十張設計稿。產出變多了，選擇反而變難了。哪一個真的適合這個客戶、這個時機、這群人？這需要品味，也需要對人性的理解，而這些東西很難被一條指令說清楚。
第三個是承擔結果的意願。AI 可以建議你怎麼做，但當事情出錯時，站出來說「這是我決定的」的，還是人。不管是公司裡的決策、家裡的大事，還是朋友之間的承諾，願意為結果負責的人，永遠是別人信任的對象。
第四個是陪伴與連結。一個同事遇到瓶頸時，最需要的可能是有人坐下來聽他說完，一份分析報告反倒其次。一個孩子問你問題時，比起答案多完整，他更在意你有沒有看著他。這些時刻沒辦法外包，因為被重視的感覺，只能從另一個人身上得到。
省下來的時間，正在悄悄被什麼拿走
回到怡君的那個下午。她的不安其實很常見：當習慣用「做完多少事」來證明自己的價值，一旦事情被別人做完了，就會覺得自己好像沒那麼重要。
於是很多人會做一件很自然的事：把省下來的時間，再塞進更多工作。多開幾個會、多回幾封信、多接一個專案。行事曆又滿了，心裡又踏實了。可是仔細想想，這些新塞進來的事情，有多少其實也可以交給 AI？如果答案是「大部分都可以」，那你只是換了一批瑣事，讓自己繼續保持忙碌而已。
忙碌和有價值之間的距離，正在快速拉大。過去，忙通常代表你在創造價值，因為事情真的需要人一件一件做。現在，忙可能只代表你還沒想清楚，哪些事情真正需要你。
這裡有幾個問題，你可以花五分鐘問問自己。過去一週裡，哪一件事如果換成別人或 AI 來做，結果會明顯變差？有沒有哪個決定，是你特別慎重、反覆思考之後才做出來的？最近一次讓你覺得「這件事非我不可」，是什麼時候？如果你一時想不起來，這並不代表你不重要，只是提醒你，或許是時候重新看一下自己的時間都花在哪裡了。
同樣的情況，在辦公室以外也很常見。很多人用 AI 幫忙規劃旅行、安排家務、整理孩子的學習進度，省下了不少力氣。但如果省下的時間又被滑手機或處理更多雜事吃掉，家人之間真正相處的時間其實沒有變多。工具替你清出了空間，空間要怎麼用，還是得由你決定。
一個簡單的判斷：交出去，還是留在手上
既然 AI 能做的事越來越多，接下來每天都會面對同一個選擇：這件事，要交給它，還是自己來？這裡提供一個不複雜的判斷方式，只要問三個問題。
第一個問題：這件事的「好」，由誰來定義？如果標準很清楚，例如格式正確、數字無誤、在期限內完成，那就很適合交出去。如果「好」需要看情境、看對象、看感覺，例如一封要安撫客戶情緒的信、一份要說服團隊轉向的提案，那 AI 可以幫你起草，最後的判斷還是要留在你手上。
第二個問題：出錯的時候，誰要承擔？如果出錯的代價很小，改一改就好，那就放心交出去。如果出錯會影響別人的權益、信任或安全，那你至少要親自把關，看懂它做了什麼，確定自己願意為這個結果簽名。
第三個問題：過程本身，對你或對方有沒有意義？有些事情的價值在結果，有些事情的價值在過程。陪孩子寫功課、親手寫一張卡片給老朋友、跟新進同事一起把問題想清楚，這些事情交給 AI 或許能更有效率地完成，但你會失去過程中建立起來的理解和情感。
把這三個問題放在一起，大部分的事情會自然分成三類：放心交出去、交出去但要親自把關、留在自己手上。第一類讓你省下時間，第二類讓你維持判斷力，第三類則是你作為一個人最珍貴的部分。你會發現，第三類的事情通常不多，可是每一件都很重要。
把時間投資在只有你能做的事情上
知道什麼重要之後，接下來就是怎麼做。這裡有幾個可以從明天就開始的小調整。
第一，在交代 AI 之前，先寫下你真正想知道的問題。不要急著打開工具就開始輸入，先花兩分鐘想清楚：這件事的目的是什麼？最後希望得到什麼樣的判斷依據？這個小習慣會慢慢練出你提問的能力，也會讓 AI 給你的東西更有用。
第二，不要直接接受 AI 的第一個答案。看完它的產出之後，試著說出選擇它的理由，或是指出哪裡不對、為什麼不對。說得出原因，代表你的判斷力還在運作；說不出來，就是一個值得停下來想一想的訊號。判斷力就像肌肉，越少用，越容易退化。
第三，把省下來的時間，刻意留一部分給人。每週安排一段時間，跟同事面對面聊聊他最近卡在哪裡，或是陪家人吃一頓不看手機的晚餐。這些時間不會出現在任何績效報表上，卻是長期累積信任和關係最可靠的方式。
第四，保留一件「慢慢做」的事。它可以是手寫筆記、做一道菜、學一種樂器，或是讀完一本跟工作無關的書。在一切都越來越快的環境裡，慢慢做一件事會提醒你，有些價值本來就需要時間，也只能由你親身經歷。
這些調整都不困難，難的是在忙碌的慣性裡記得去做。你不需要一次全部做到，選一個最容易開始的，先試兩週，看看自己的感受有沒有不一樣。
幾個月後，怡君的星期五下午變了。Agent 依然幫她處理會議紀錄和報告，她則把那段時間拿來做兩件事：一件是跟專案裡最常卡關的那位工程師喝杯咖啡，聽他說說最近遇到的難題；另一件是把下一季的專案方向重新想一遍，寫下幾個她覺得團隊還沒想清楚的問題。她的主管後來說，那幾個問題，讓整個團隊少走了一大段冤枉路。
AI 和 Agent 會繼續變得更強，能接手的事情也會越來越多。這件事不需要恐懼，反而是一個很好的機會，讓人重新看清楚，哪些事情原本就應該由人來做。當機器替你把事情做完，真正需要你的，是你的提問、你的判斷、你的承擔，以及你願意陪在另一個人身邊的那份心意。
發佈留言