AI 使用三階梯，看懂自己在哪階又該往哪階
AI 取代的不是會創作的人，是只能交出平均值的人
Hi 我是祺浩，這陣子我在寫一本跟銷售有關的書《不推銷也成交》，過程是先訪談我的業務朋友的經驗心得，再透過AI協助轉化成文稿，並用我的判斷整理出一套方法論。
也因為寫書，就好奇測測能不能也用 AI 來寫一部不錯的小說。
一開始我以為AI應該不會寫得太差，用了 ChatGPT、Claude、Meta AI 同樣描寫一個 CEO 的開場。
結果這三家給出來的文章，像套好招一樣，荒謬到我想笑，三家的內容，我原封不動貼在下面，大家可以品味一下
三家不同公司、不同技術路線的 AI，寫出來的 CEO 像是同一個人。一樣的深夜、一樣的會議室、一樣有一群面目模糊的高管在旁邊等指示。連他們講的話都一樣不像真人會講的，那種台詞現實裡根本不會有人說出口。
為什麼會這樣？
因為 AI 的運作方式，就是在猜「下一個字最可能是什麼」，所以它天生會往最通俗、最安全的方向走。我叫它寫 CEO，它不是在創造一個 CEO，而是把「大家筆下的 CEO 通常長什麼樣」這個平均值還給我。偏偏它讀過的文本裡最不缺的就是那種爽文套路，於是凌晨的會議室、等批示的高管、一句定生死的台詞，就成了它心裡 CEO 的標準長相。
說到底，AI 最擅長寫「大家都會寫的那一種」。
平均值有時候是天花板，有時候是地板
平均值不一定不好。如果今天這件事有標準答案，那 AI 給的平均值，往往就是最好的答案。你問它一個公式怎麼算、一段程式哪裡錯、一份合約少了哪個條款，它給的就是被無數人驗證過的正解，你不可能去反對它，也不需要反對它。在這種有標準的事情上，平均值就是天花板，AI 又快又穩。
但問題是，這個世界有太多事情，根本沒有標準答案。
一篇小說該怎麼開頭、一個品牌該長什麼樣、一個產品該先做哪個功能，這些事沒有正解，只有好壞、只有適不適合、只有那一點點說不清楚的品味跟眼光。在這種沒有標準的地方，AI 給你的平均值，就從天花板掉成了地板，它給你的就會是最平庸的那一個。
而真正有價值的東西，幾乎都長在沒有標準答案的那一邊。
不過凡事總有個例外，最近被討論得很兇的黃山料，靠的就是一套反覆改寫的平均值，照樣寫出一本又一本暢銷書，好奇該作者的書寫得如何的，可以去看近期多米多羅的評價影片。
AI 可以複製山料體，但能出現第二個熱賣的黃山料嗎？
我覺得不一定。因為黃山料會熱賣，靠的其實不是山料體本身，而是他剛好站進了一個還開著的缺口。市場上有一群讀者，他們不見得習慣讀長文，也不想處理太艱澀的東西，他們只是需要有人接住自己的情緒。這個需求一直都在，只是當時還沒有人好好接住，而黃山料接住了。
問題是，缺口會變，而且這個缺口現在已經有人滿足了。其實在黃山料之前，還有一個 Peter Su，本質上做的是同一件事。一個缺口，前面早就有人填過一輪又一輪。所以就算 AI 能寫出一百本一模一樣的山料體，也不一定能變出第二個熱賣的黃山料，因為市場的缺口不一定還存在著。
而這正是 AI 給不了的東西。它可以完美複製一個已經被驗證過、已經紅過的文體，但它沒辦法告訴你下一個還沒被填的缺口在哪，更不會在缺口還沒被人發現的時候，就賭一把跳進去。看見缺口、賭一個還沒被驗證的位置，這是判斷，不是文體。AI 複製得了文體，複製不了判斷。
而判斷能力卻是在我們使用 AI 的那一刻最重要的關鍵。同樣用 AI，有人用它做出和大家一樣的平均值，有人用它做出只有自己做得出來的東西。差別不在 AI，在用的人。
我自己把使用 AI 的方式，大致分成三個階段。你可以看看自己現在站在哪裡。
第一階：AI 說什麼，我就信什麼
第一階的人，把 AI 當成一台答案機。AI 給的答案，照單全收。
因為他看不出 AI 給的東西到底好不好。AI 寫了一段文案，他覺得「看起來蠻通順的」就拿去用了；AI 給了一個建議，他也分辨不出這是真的好，還是只是聽起來很有道理。
問題是，AI 給的本來就是平均值。停在第一階，等於把自己產出的天花板，交給了一個只會給你平均值的工具。你做出來的東西不會出錯，但也永遠不會比別人好。
第二階：我知道我要什麼，然後叫 AI 做到
第二階的人，心裡有一把尺。
他看得出 AI 給的東西哪裡不對、哪裡不夠，因為他清楚自己要的是什麼。AI 寫了一段文案，他會說「太官腔了，重寫得口語一點」「這個開頭太弱，換一個更有畫面的」。他不是被動接收，而是拿著自己的標準，一步步把 AI 逼到他要的樣子。
這一階的人，已經會寫很完整的指令了。他會指定 AI 扮演什麼角色、用什麼語氣、要有哪些段落、要避開哪些地雷，把一個 prompt 寫得清清楚楚。AI 在他手裡是一個聽話的執行者，他說往哪走，AI 就往哪走。
到這裡，AI 才真正開始幫他省時間。本來要花三小時的初稿，AI 半小時就給他一個底，他再用自己的判斷修到位。第二階的人，是真的把 AI 變成了生產力。
第三階：我讓 AI 反過來問我
第三階的人發現很多時候，連他自己一開始也沒想清楚要什麼。這時候與其硬擠出一個指令，不如反過來，讓 AI 先來問他。
第一階的人會說：「幫我寫一篇關於遠距工作的文章。」
第二階的人會說：「幫我寫一篇關於遠距工作的文章，語氣口語、要有三個段落、避免講大道理。」
第三階的人則會說：「我想寫一篇關於遠距工作的文章。在我開始之前，請你先問我幾個問題，幫我釐清我真正想講的觀點、我跟別人的角度有什麼不同、讀者讀完最該帶走什麼。等我回答完，你再幫我整理成大綱。」
第三階的人沒有把 AI 當成答案機，也沒有把它當成執行者，而是把它當成一個幫自己思考的教練。AI 拋出的問題，會逼他把腦中模糊的東西講清楚，而那些被講清楚的東西，AI 本來是寫不出來的，因為那是只屬於他的判斷跟觀點。
換句話說，AI 在這裡的作用，不是替他想，而是幫他啟動。它幫他推開那塊最難推的、從零到一的石頭。真正的東西，還是從他自己長出來的。
最高階的 AI 使用者，往往不是最會對 AI 下命令的人，而是懂得讓 AI 反過來問自己的人。
這個做法其實有正式的名字，叫 Flipped Interaction（翻轉式互動）。我是自己這樣摸索出來的，後來才發現國外早有人在研究。如果你想看更深入的討論，可以參考這篇文章，它把「為什麼 AI 預設只會給你平均值、又為什麼該逼它先問問題」講得很透徹。
你的第三階提問模板
為了方便大家應用第三階的提問方式，這邊就直接提供通用的骨架模版：
「我想做【某件事】。在我開始之前，請先問我幾個問題，幫我釐清【我在意的面向】。」
它真正在做的事情很簡單，就是把你還沒想清楚的東西，在動手之前先逼出來。所以它跟你做什麼工作沒關係，只要將標註的欄位換成你自己的情況。
如果你是內容創作者：「我想做一支理財影片。先問我幾個問題，幫我想清楚這支跟別人有什麼不一樣、最想讓觀眾記住哪件事。」
如果你是一般上班族，要做簡報、寫報告：「我要做一份向主管提案的簡報。先問我幾個問題，幫我釐清主管最在意什麼、關鍵說服點在哪、哪些細節反而會模糊焦點。」
如果你是在打造產品：「我正在考慮產品先做哪個功能。先問我幾個問題，幫我看清楚真正要解決的是誰的問題、這功能是不是非做不可、我可能忽略了什麼。」
你會發現，這三句的骨架其實一模一樣，變的只有兩個地方。把它換成你自己的，它就是你的句型了。
回到最開始那個問題。很多人以為，AI 厲害的地方是讓我們做得更快、更多。
但在我測完那些小說之後，我反而想通了相反的事：當 AI 讓「做得多」變得人人都辦得到，做得多，就不再是本事了。
真正還留在你手上的，是那些 AI 給不了的東西：看得出好壞的那把尺、知道下一個缺口在哪的眼光、願意在還沒有人看好的時候賭一把的判斷。
所以 AI 取代的，從來不是會創作的人，而是那些只能交出平均值、做不出差異的人。而要不被取代，靠的也不是跟 AI 比誰做得多，是把自己騰出來，去做那件只有你能做的事。
生產力從來都不是你做了多少，而是你做了多少，因為你而不一樣的東西。