系列文章｜AI 不是來取代你的第 4 篇，共 6 篇
▶本步核心要點：
- 程式代勞：善用 AI 撰寫自動化腳本（如 Google Apps Script），將 SOP 固化為一鍵執行的工具，兼顧執行效能與數據安全。
- SKILL 機制：透過 SKILL.md 定義專業 SOP 與行為邊界，驅動 AI 進入非同步代理模式，讓SOP流程被精準複製。
- 協作層次：理解「問、用、管、造」四個階段，從單純的內容創作者，躍進為定義流程、設計系統的全局掌控者。
第四步，關係換了。問題是：換成什麼？
你不再是在和 AI 說話，而是在指揮它去跑一件事，然後你去忙別的，等它回來交差。這個角色，叫「指揮官」。
那麼，一個稱職的指揮官，最核心的條件是什麼？只有一個：指令夠不夠精準。指令模糊，AI 的執行力反而會成為問題；指令精準，AI 的能力才算真正為你所用。
❙ 角色心態的轉變：從「創作者」升級為「製作人」
心態要怎麼轉？先把自己從「親力親為的創作者」，升級為具備「製作人（Producer）」思維的人。未來的關鍵不在於你會不會被 AI 取代，而是你懂不懂得將 AI 視為「團隊成員」來進行分工與發包。遇到任務時，先問自己三個問題：
- 這件事真的需要我親手來嗎？
- 可以發包出去嗎？
- 誰是最合適的執行者？
這樣，思考就能從「我要怎麼做」轉為「這件事發包給哪個 AI 最好」。
身為製作人，你可以靈活指揮不同的 AI 各司其職，例如調度 Google Antigravity 負責環境適應與邏輯重組、Gemini 負責深度研究、ChatGPT 擔任創意助手。
2025 年底開始，AI 應用出現了真正的轉折點。AI 的角色從「顧問」，正式進化為「執行者」，不只是給你建議，而是真的幫你把事情做完。
這個轉變，就叫做「代勞」。
❙ 什麼是「代勞元年」？
先拆解一個問題：AI 幫你「給建議」和幫你「做完」，有什麼本質的差別？2025 年底開始，AI 應用出現了真正的轉折點。AI 的角色從「顧問」，正式進化為「執行者」，不只是給你建議，而是真的幫你把事情做完。
這個轉變，就叫做「代勞」。
背後的技術叫 Agent（代理人），白話一點說，就是讓 AI 幫你「代勞」那些沉重、黏手又磨人的瑣事。
➤ 代勞 vs. 輔助：「非同步」的真實應用場景
先想一個問題：如果 AI 可以幫你「做完」一件事，你會讓它從哪件事開始？最常見的例子是：當你電腦桌面很亂，以往你問 AI「我的桌面應該怎麼整理」，它會告訴你方法；現在，你直接跟它說：「幫我整理一下」，它自己去判斷、建立資料夾、完成歸檔，回來看到的是整齊的桌面。
但這個例子並非所有人都適合入手。 桌面亂與否往往是一種個人的工作習慣，甚至是一種思考系統的外顯形態，而非單純需要被「代勞」的負擔。不同的工作習慣與價值觀，決定了你在哪個環節讓 AI「代理」才有真實收益。若強行套用，這種代勞反而可能干擾你原有的創意流程與節奏。
關於我對「代勞」的切入點，是從 Google Antigravity 與 SKILL.md 的標準化機制，而非從「養龍蝦」模式入手，因為我知悉，自己的工作流還不夠SOP流程化，若過於自動化，將會為我帶來不可預期的災難。
回到本文的主軸，以往你問 AI「這些繁瑣的流程該如何處理」，它會告訴你方法，然後你還是手動執行。
但在 Antigravity 的 Agentic 模式下，你可以透過預先定義好的 SKILL.md（內含專業原則、SOP 與邏輯建議），直接下令：「照這個 Skill 的規劃，幫我處理這件任務。」
舉個具體場景：面對一份格式雜亂、難以卒讀的舊文稿或網路資訊，過去你可能得耐著性子親手排版；現在，你只需要將這項繁瑣工作「發包」給 AI，讓它在背景依照講義 Skill 的規範，自動產出結構清晰、具備 Markdown 格式的專業講義。這種從「親自參與過程」到「直接驗收結果」的轉變，就是「代勞」最具體的展現。
AI 會自動適應你的工作空間脈絡，讀取 Skill 內的建議並調動工具進行串聯執行。你不需要全程在場盯著，而是可以去忙別的高價值決策，等它依照你的專業標準跑完，回來驗收成果。
這就是一種「非同步的 AI 助理」運作模式：你指揮它去跑一件事，讓它在背景完成，你則是去忙別的。一個典型的場景是：深入研究（Deep Research）。
AI 會自動適應你的工作空間脈絡，讀取 Skill 內的建議並調動工具進行串聯執行。你不需要全程在場盯著，而是可以去忙別的高價值決策，等它依照你的專業標準跑完，回來驗收成果。
這就是一種「非同步的 AI 助理」運作模式：你指揮它去跑一件事，讓它在背景完成，你則是去忙別的。一個典型的場景是：深入研究（Deep Research）。
以 NotebookLM 或 Gemini 的 Deep Research 為例，當你下達指令後，AI 會自動在網路上爬文、閱讀大量資料並撰寫具備參考索引的報告。過程需要數分鐘，你「不用糾結在這邊就可以離開，去忙別的事」，等它完成後回來驗收即可。
➤ 程式代勞：讓 SOP 固化成你的專屬工具
工程師社群早已在用這樣的方式開發軟體：你把需求說清楚，AI 在背景跑二十分鐘，回來直接交出可執行的功能模組。這不只是省力，而是將「人類」專注在定義問題，把「AI」專注在解決問題，這種分工，才是代勞的真正精神。這也不是工程師的專利。 但在談怎麼做之前，先拆一個關鍵問題：「讓 AI 直接幫我做」和「讓 AI 幫你寫程式來做」，差在哪裡？
讓 AI 直接替你完成任務（Agent 代勞）有時候會碰到企業資安政策的限制，例如：哪些資料可以交給 AI？有沒有授權疑慮？
但「程式代勞」幾乎繞開了這個問題：你只要把 SOP 流程說清楚，讓 AI 幫你寫一段 Google Apps Script 或 Google 試算表的自動化腳本，這段程式就成了你的專屬工具，在你自己的環境裡跑、處理你自己的資料，資安顧慮幾乎歸零。
我就拿自己的「講義製作器」來說明：當我完成一份簡報之後，接下來要做講義，這個環節對我來說是典型的「雞肋」。我的價值在「簡報」，不在「講義」。
於是我請 AI 幫我寫了一段小程式，可以依據簡報自動轉換成「講義」版本。過去這件事大多要花一個小時，甚至更久；現在，只要按一個按鈕，再喝三口水，就完成了，而且與資安一點關係都沒有。
想想看，你的工作裡有沒有類似的「雞肋」環節，其實可以用同樣的方式解決？
想想看，你的工作裡有沒有類似的「雞肋」環節，其實可以用同樣的方式解決？
》規避「代勞風險」的核心技能：精準指令與拆解工序
說到這裡，先停一下：代勞最大的風險，你覺得是什麼？不是 AI 做不了事，而是 AI 按照模糊指令，做了你沒想到的事。
曾有案例，有人叫 AI 代理人「幫我清理一下舊檔案」，它很盡職地刪了一批它認為是舊的東西，但裡面有幾個你還需要的版本。這就是執行力超強、卻缺乏邊界的結果。那怎麼避免？拆成兩個核心技能來看：
曾有案例，有人叫 AI 代理人「幫我清理一下舊檔案」，它很盡職地刪了一批它認為是舊的東西，但裡面有幾個你還需要的版本。這就是執行力超強、卻缺乏邊界的結果。那怎麼避免？拆成兩個核心技能來看：
- 把思考說清楚，而不是逃避思考：一個廣泛的提示詞與精準的提示詞，成效天差地遠。AI 最先放大的通常不是你的能力，而是你的問題；如果連人事時地物、背景、限制條件都沒講清楚，AI 只會給你一堆看起來像答案的廢話。
- 學會「拆解工序」：不要幻想「一句話就讓 AI 幫你全部做完」。真正會用 AI 的人，知道哪一步交給 AI、哪一步自己判斷、哪一步反覆修正。「拆工序」的能力，就是設好權限邊界、掌控 AI 執行方向的關鍵。
❙ 人機協作的四個進階層次：問、用、管、造
從「問 AI」走向「派 AI 去做」，這是一段可以拆解的旅程，對應了人機協作的四個進階層次。問問自己：我現在站在哪一層？- 問（Engage）：扮演「球員」，學會提出好問題。
- 用（Create）：運用 AI 完成實際任務，如寫報告。
- 管（Manage / 教練）：具備批判思考能力。當 AI（執行者）給出產出後，你能判斷品質，清楚知道哪裡該改、哪裡能用。
- 造（Design / 總經理）：具備設計流程與行為規範的能力。
你能打造專屬於自己的 AI 協作系統，例如透過編寫 SKILL.md 定義 AI 的「執行建議」與「作業 SOP」，或直接讓 AI 幫你撰寫 Google Apps Script 或試算表自動化腳本，將反覆執行的 SOP 固化成一鍵完成的工具。
這一層的核心不是「會不會寫程式」，而是有沒有能力把工作流程說清楚。過去，這個能力只掌握在懂程式的人手上；現在，掌握在任何能精準描述 SOP 的人手上。
說到這裡，所有的脈絡都指向同一個結論：在 AI 能夠高度代勞的時代，人類的終極價值不在技術操作，而在能否成為「看懂大局、整合全局的專案經理 (PM)」。
說到這裡，所有的脈絡都指向同一個結論：在 AI 能夠高度代勞的時代，人類的終極價值不在技術操作，而在能否成為「看懂大局、整合全局的專案經理 (PM)」。
就像曼哈頓計畫的負責人格羅夫斯將軍，懂得調度天才科學家來達成戰略目標；AI 不是用來讓你逃避思考，而是逼迫你學會定義問題、發號施令並精準掌控全局。
📌 本篇小溫習
📌 本篇小溫習
- 心態：從「親力親為的創作者」升級為「製作人（Producer）」，將 AI 視為可分工的團隊成員。
- 技能：把思考說清楚（精準指令）＋學會拆解工序（與編撰 SKILL.md），才能讓 AI 在適應環境的同時，依照你的專業標準精準執行。
- 層次：人機協作分為「問、用、管、造」四層，你站在哪一層，決定了 AI 能幫你到什麼程度。 終極目標：成為「看懂大局、整合全局的專案經理 (PM)」，讓 AI 的執行力為你的判斷力服務。
別只是默默點頭，用三分鐘認真回答這兩個問題：
- 對照「問、用、管、造」四個層次，你目前最常停留在哪一層？
- 有沒有一件你仍在「親手做」的工作，其實可以拆解出一部分交給 AI 去跑，讓自己升一層？
← 上一篇：第三步 ｜ 下一篇：第五步 →
．．．關於分享者．．．
※連繫：FB 蔡興正
※電郵：jason@cpfs.com.tw
※證照：孫易新心智圖講師班﹙2014﹚ | GCDF全球職涯發展師 | Google全球教育家
※專長：心智圖法 | 數位工作 | 職涯紫微
留言
張貼留言