給沒有 follow AI 的你，
最輕鬆的 AI 新聞

桌上一疊作業，每份翻到最後都有一段「AI 使用說明」，九成五幾乎一字不差：「使用 AI 協助資料收集與校稿，再由作者進行最後確認。」 老師說，不是要生氣。只是嘆了口氣，唉，老師被看扁了呢。 工具生出了完美的範本，大家都用了。這沒有什麼不對，但也沒有說什麼。 最近有人看了幾百份工程師的求職資料，每份都夠長、夠整齊，翻完卻想不起任何一個名字。問題不在能力，在那份東西裡找不到這個人。 改作業的人和看履歷的人在找同一件事：只有你才有的東西。 AI 把格式填好了，這個填不了。

「我感覺很慌，很不踏實。」 他從國中就開始寫程式，最近發現九成的作業都是 AI 出的，比自己手刻的還工整。另一個同學學了一學期影像演算法，然後 AI 幾秒就出了差不多的版本。花了這麼多精神，學了個寂寞。 懂得把事情量清楚的人，這幾年最先被裁：稽核報表、整合數字、分析績效。又準又不疲倦，AI 一接，沒有懸念。留下來的，是那些懂得判斷「要做什麼」的人。 老師沒有安慰學生，反問：你學演算法，是為了演算法，還是知道怎麼拆解一個影像問題？ 「你想解決的，到底是什麼？」 他停了一下，想了想。 「影像的問題。」 「那不就好了。」

1970年代，ATM進到美國銀行。所有人都說，櫃員完了。 但接下來40年，美國銀行櫃員的總人數從沒有持續下滑過。數鈔票的工作被機器接走了，留下來的人開始幫企業主整理財務、協助客戶規劃貸款、在面對面的互動裡建立信任。職稱沒變，工作內容完全不同。 真正讓分行人力大幅縮減的，不是ATM，是智慧型手機。所有人一直在盯著ATM，威脅從另一個方向悄悄進來。 今天也在發生同樣的事。AI 正在接走的，是那些看起來需要專業、但本質很標準化的工作——整理報告、追蹤進度、彙整數據、回制式信件。這些被清掉之後，留下來的是另一種工作：廚師嘗一口就知道哪裡差一截、剪輯師看幾秒就感覺到哪格不對、主管在數字還沒出來時已經有個方向了。 這一層，AI 讓出來了，但不會幫你填。 得你自己站進去。 站位。