實話，第一眼看到時還有點驚艷。以前可能要花一兩個小時閱讀的內容，現在幾分鐘就能看到重點摘要，不可思議。
但看完之後，我卻停了下來。
因為我發現一件有趣的事。
那一刻我開始思考，如果 AI 只是幫我把三十頁濃縮成三頁，它真的有幫助我思考嗎？
我重新看了一次摘要。沒有錯，它整理得很好。但問題是，我真正想知道的事情，卻只能一知半解，AI 整理速度驚人，但人腦，卻慢的可以，還來不及跟上這樣進化的速度。
後來我才發現，問題從來不在 NotebookLM，而是我只是隨意點選了「重點摘要」，沒有主動詢問，只有被動等待答案的餵養。
當你只問 AI：「重點是什麼？」它回答你的，也只會是重點。但真正有價值的，往往是那些沒有直接寫在資料裡的問題。
NotebookLM 的底層邏輯
在說提問之前，先把 NotebookLM 的運作方式理解清楚。它跟一般生成式 AI 有一個很關鍵的差異：它不是憑空生成答案，而是先在你上傳的材料裡找到相關段落，再根據那些段落來回答你。每句回應都附有引用出處，答案有所本，不會憑空捏造。我在課程裡常說這句話：ChatGPT 不用給資料，就給答案。NotebookLM 則是，不給資料，不給答案。
正因為如此，它能給你什麼，完全取決於你怎麼問它。你給的方向越清楚，它的回應就越有價值。一句模糊的「幫我摘要」，對它來說等同於「你覺得什麼重要就說什麼」。
三種提問方向，從不同角度切入
於是我不再請它幫我摘要，除非是學習新知，反而是慢下來，開始問自己：關於這份資料，我真正想知道的是什麼？同一份資料，換個問題，答案完全不同。- 找共識：「這三份報告針對中階主管在 AI 時代的角色轉型，有沒有共同強調的方向？」這個問法讓 AI 做跨文件的比對工作，不只是摘要單篇，而是幫你找三份資料的交集。交集出現的地方，通常就是最值得關注的趨勢。
- 找分歧：「關於 AI 是否會取代中階管理職，三份報告的立場有什麼不同？」這是很多人不會問的角度，但我覺得它最有價值。分歧的地方才有思考的空間。不同報告對同一問題給出不同答案，背後可能是立場不同、研究方法不同，或產業背景不同。讓 AI 把各方立場整理出來，閱讀就從「接受資訊」升級為「評估觀點」。
- 找行動：「如果我是一家製造業的部門主管，這三份報告中最值得我優先採取行動的是哪一點？」這個問法把 AI 的角色從「分析師」變成「顧問」。你給它一個角色條件，它就從報告內容裡篩選最相關的建議，答案不只是摘要，而是針對你的情境做出的判斷。
真正拉開差距的，是你問完後的下一個問題
根據哈佛商業評論的一篇研究，分析了約 2,500 名員工、8 個月、超過 140 萬筆的 AI 提示與回應。真正把 AI 用出差距的人有一個共同特質：他們不會對 AI 的初步輸出照單全收，而是透過持續的對話，不斷聚焦、挑戰、修正，直到獲得符合需求的深度回應。文章中提到，進階使用者和一般使用者之間，真正的分水嶺不在第一次提問的品質，而在他們對「第一個答案」的態度。
一般人點選軟體預設的功能，看到 AI 回了一大段，就幾乎被征服了。但資料很多，不代表真的被吸收。拿到第一個答案，看完就心滿意足，對話到此即可結束，畢竟這是過去從未有的經驗。
進階使用者會繼續追：「你說的第三點，可以展開嗎？」「這個結論來自哪份報告的哪個段落？」「如果這個前提不成立，你的建議會改變嗎？」
當然，追問也有它的邊界。有時候你想知道的，恰好不在你上傳的資料裡。這個問題 Google 早就想到了，NotebookLM 可以結合搜尋功能，在你的上傳資料不夠完整時，直接擴張到外部資訊。更進一步，NotebookLM 結合 Gemini AI，讓檢索式 AI 與生成式 AI 協同運作，問題、思考、來源資訊、擴張資訊，四個層次一次整合，不再因為資料邊界而卡住。
AI 的每一輪回應都會根據你的追問調整方向。多問幾輪之後，你得到的答案，會比第一輪深好幾個層次。這就是為什麼，同樣新增同樣三份來源，有人三十分鐘抓到了重點，有人花了兩小時還是停在表面。差距不在工具，在你願不願意多問一句。
試試看：從你最關心的事開始
如果你想練習，不需要找專業報告。把三篇關於同一主題的文章丟進去，健康、理財、任何你正在關注的事都行，然後問：「這三篇的核心觀點有什麼不同？哪一個說法最適合我現在的狀況？」比起讓 AI 幫你摘要，這個問法讓你真正帶著問題去讀，而不是讓資料流過去。
AI 不會取代思考。但它會放大你的思考。
問 AI 要摘要，你永遠只得到摘要。問趨勢、問分歧、問行動，你得到的，才是洞察。
．．．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