Hi 我是老布

I hope all is going well on your end.

前陣子，有一個機會跟朋友分享目前內容經營方式，跟他說明經營自己內容的目的和如何現實平衡。

最這些事情的最大目標是「增加自己的價值」，下班後做自己喜歡的事，推動自己認同的價值和內容，一點一滴增加累積自己獨有優勢和成就感。

成就感想要從職場直接獲得，是很難100％獲得，只要是幫別人工作都很辛苦，也勢必一定要符合組織商業模式，不管是不是認同，還是得依據組織模式進行，直接換工作也不切實際，只要是當打工仔，就是一定必須做到某些程度上妥協。

但是在工作過程中親身經歷的事情，抽離企業目標及商業機密後，這些經驗累積成價值提供出來，這才是真正自己可以帶得走，這些內容就可以成為下班後經營的內容。

但也要注意的是不要一開始把目標訂得太大，自己也是常常會把目標訂的太大，比如説想用vibe coding 直接做app，還是要回到自己可用的資源和時間，可以真實的執行累積起來。

重點是在過程中要不斷地產出屬於自己的內容和觀點，這樣累積增加的信任感，才會真正專屬於自己的，不求一夜爆紅，追求長遠信任感。

重點還是累積、嘗試、再成長!

用經濟角度來看AI機器人怎麼影響？

前陣子看到一篇文章，標題是《當AI人形機器人取代人力：國家經濟邏輯全面改寫》

本來以為又是那種「未來人類會被AI滅絕」的風格，但其實不是；作者蠻冷靜地在拆解，如果AI真的大規模投入社會工作裡，會發生什麼事。

他先從一個根本的問題開始講——

我們現在整個社會的經濟模式，是建構在土地、人力、資本與企業家精神，這四個要素上。

人力和資本是可以制度化及累積的因子；人力部分，我們花時間訓練人、培養專業、進入勞動市場，企業組織投入資金、生產出商品或服務，然後人們用勞力或知識換取報酬，這樣經濟才運作得起來。

但如果有一天，大量工作可以用AI來完成，像客服、設計、翻譯、甚至部分決策和規劃工作

那這套模式會怎麼辦？經濟模式還能照以前的邏輯走嗎？

文中舉了一個假設情境，比如：

一台 Tesla Optimus 的量產目標價，Musk最新對外喊出的數字是2-3萬美元，而且預設「下線即具通用搬運、簡易裝配能力，日後 Over-the-Air疊加智慧」。對比之下，在美國培養一位普通大學生——四年學費約10-15萬美元，再加生活成本6萬左右，總計15萬美元起跳，還不含20年前置教育；會開始問自己一個極其危險的問題：「與其花二十年教一個孩子，不如買一個 AI 助理比較划算？」

那我們還需要「這麼多的人」去做同樣的工作嗎？還會需要教育相同的技能去執行工作嗎？

AI的應用，不只是勞動市場會改變，整個稅收制度、教育體制、社會福利資源的分配邏輯都可能被重新翻轉，因為這不是單一產業的調整，而是整體結構的移動。

這篇文章推薦閱讀一下。

Take away

AI發生前，做好了準備嗎？應該也要準備一個因應AI侵略救難包。

AI可以用來做研究嗎？

之前有討論到，就是AI到底能不能拿來用在工作上，有些同事其實滿反對的，他們覺得AI不準、沒什麼幫助，當下我沒說什麼，只是回家後心裡還是掛著這個問題；就想說，不然自己再試試看好了。

我後來用 ChatGPT 的 Deep Search 功能，拿一個之前就有在探討了解的題目，但是一直還沒有時間認真進行，來試試看，主題是「軟體跟硬體，哪一個利潤比較好？」，這樣很大又抽象的問題，平常如果真的要查資料，大概要 Google 一兩週的時間，東看西看整理一堆資料，才有辦法慢慢拼出一個結論的題目。

這次試著把以前做研究的習慣和方法帶進來問ChatGPT，只要給我任何資訊，就開始反向去檢查 GPT 給的連結有沒有「幻覺」，目前感覺還是有，但是跟過去相比體感上大概 10% 左右的幻覺。但其實想想說實話，以前查 Google 的資料也不是百分百正確，只要是用次級資料（secondary source）為研究文獻探討，本來就都有這個風險，逆向反查也會是必要的事。

只是現在差別是，AI 幫你整理的速度真的快很多，資料的範圍也廣很多；如果是在中小企業、或是傳產，那種不太有預算請顧問公司來做研究的單位，這種工具老實說真的很夠用了。

如果興趣可以點擊連結，閱讀整個與ChatGPT討論過程及研究內容。

Take away

提問的深度，決定了結果的深度

AI到底能不能協助我們「實際去做一件事」？

這陣子嘗試用做 Vibe Coding 的做些小工具，有種感覺，這個過程本身就是一種「語言轉譯」，其實某種程度上，就跟你怎麼跟人溝通，是一樣的

因為AI不是讀心術，你說得越模糊，它就只能給你最表層的答案；但如果你能把問題講得越具體、越清楚；它就越有可能幫你處理得好、給你延伸出真正有價值的回應

這就是如果只是丟一句模糊的話進去，它回給你的東西當然也很模糊；但如果能清楚講出要什麼、想研究哪個方向、希望最後能得到什麼樣的資料或內容，那整個互動結果會變得完全不一樣

所以回過頭來說——AI 工具到底好不好用？我覺得問題不是「工具行不行」

比較像是「你會不會溝通？」。

會不會用AI，跟你懂不懂工具沒關係，比較像是：你有沒有把自己的想法講清楚的能力

AI的出現，讓我們從「執行想法」慢慢走向「想法架構」的角色

很多人會覺得 prompt 寫好了就萬事全解，但覺得那只是入門，要做深一點的討論或研究，你還是得知道怎麼把自己的需求、想法、邏輯整理清楚；講穿了一點，就是平常有沒有練習「把自己的想法講清楚」，但這清楚是要讓你之外的人，都可以理解的清楚。你說得不清楚，不管是AI還是人，其實都幫不了你太多。

跟AI合作其實就跟跟一個人合作一樣，你講不清楚的話，對方不管再聰明也抓不到你要什麼，所以很多時候，問題不是AI能不能回答你，而是你的問題，能不能被回答？

你的問題，是不是一個問題，本身就是個問題

而要成為「想法架構」的角色，也是要從工作上的行為進行改變，以前的工作習慣可能簡述後會是這樣：主管交辦任務⭢執行⭢交件

但現在因為AI，開始會變得比較像是：

先想好任務該怎麼分工⭢哪些地方可以讓AI做⭢那些自己做⭢檢視AI結果

設計整個流程：

輸入內容是什麼？過程中會發生什麼事？那個階段需要真人介入？

AI錯了，有沒有相對應的處理機制？

慢慢的要理解，AI不只是工具，而是自己工作上的助理（可以有樣很多助理）

只是它不會自己想事情，需要你下指令、定方向、訂規則。AI時代關鍵的能力，是「問題描述能力」、「定義問題」和「清楚表達需求」。能不能詳細地說出：想知道什麼、為什麼這件事重要、希望怎麼處理它，這樣才會讓AI變成真正對你有幫助的夥伴。

變動越來越快的時代，我們需要的不只是新工具應用，還要更深的自我認識、表達、和設計規劃能力，才真的能在AI時代「跟得上」。

以上，為本期電子報內容，有任何想法都可以跟我說。