我不是不會用 AI，是不敢問

八組學員的產出，全部都做完了，但套進職場的標準來看，這是白忙一場，得整批重來。

260908 那堂 AI 課，最後安排了一段大堂練習。開始動手之前，我花了五分鐘說明題目要求。學員分成八組，各自完成一份產出後，輪流上台報告。

第一組上台，第一句話不是他們做了什麼，是「我不太清楚老師要什麼，但我們還是做了」。台下安靜了兩秒，接著有人先笑了出來，我也跟著笑，順口問了一句「為什麼不問呢？」。報告的學員也笑了，回我一句「好問題」。為了維持課程的流暢度，我沒有繼續追問下去，示意他們往下報告。

第二組換了個說法，意思差不多。第三組也是。等到第四組，八組裡已經有一半，開場第一句都在講同一件事，我開始感到困惑，然後回想到，我過去在職場上也遇過類似的狀況。一個人聽不懂，可能是他自己沒跟上；一半的人都這樣講，那就不是個案，是我講題目的方式出了問題。

下課後我一直想這件事，這篇文章，就是從那個念頭開始的。我明明花了五分鐘說明題目，但講清楚跟對方聽懂，顯然是兩回事。沒有人在那段時間裡舉手問我哪裡不懂，說明結束，大家就低頭開始動手，好像任務一來，第一反應就是趕快做完，沒有人停下來想，要不要先確認一下方向對不對。

十幾頁的產出，全部要重來

後來有學員明確跟我說，他們把我模糊的題目描述丟給 AI，請 AI 幫忙解讀我可能想要什麼。狀況五花八門，有的學員很熟練，指令下得清楚，跟 AI 一來一往很快就有結果；有的學員搞不太懂，跟 AI 對話了很久，慢慢摸索。但不管熟不熟，最後做的事都一樣：把 AI 產出的內容，全部放上來，生出的文字不只十頁，做成簡報，張數多到嚇人。

不是 AI 做得不好，是從一開始，AI 理解的方向就跟我出題目時想要的方向不一樣。題目本身沒有被確認過，AI 再怎麼認真展開，展開的都是一個錯誤的起點，做得越多，要拆掉重來的部分就越多，那十幾頁做得越用心，浪費掉的力氣也越多。

那一刻我心裡冒出一句話：這些學員，是不會用 AI 嗎？當然不是。後來有位學員報告時說的話，讓我印象很深。他說，這個練習不管是熟 AI 還是不熟 AI 的人，都會遇到同一個問題，他工作上也有些同事，一直搞不懂為什麼主管老是把他們的東西退回來。原來從一開始，問題的定義就沒真正搞懂，難怪一直被退件，只是每次退件的理由，看起來都不太一樣而已。

問題不在他們，在我

我又想了一次那句「我不太清楚老師要什麼，但我們還是做了」，這次聽出了不一樣的東西。這句話聽起來像是在講學員自己的困惑，但真正該檢討的人是我。他們清楚自己不清楚，卻沒有一個人願意當場核對，只能硬著頭皮上台，還有一半的人先自首。

我當場其實有問過那個學員「為什麼不問呢」，得到的回答是「好問題」。現在回頭看，這句「好問題」本身就是答案，那個問題就這樣被放掉了，跟他們沒有追問我題目的邏輯，一模一樣。連我自己，在發現問題的當下，都選擇了先往下走，而不是停下來確認清楚。

我沒有真的問過他們為什麼不當場開口，他們也沒主動告訴我理由。我自己教的正是 AI 課程，這件事讓我重新想了一次自己在教什麼，光教工具怎麼用還不夠，得補上問題定義相關的態度跟練習，不然 AI 越幫越忙，結果只會越用越糟。

這個道理放到職場的 AI 導入也一樣。很多公司訓練員工用 AI，教的也是工具面，怎麼下指令、怎麼串接流程，卻很少花時間提醒大家，動手之前先把問題定義講清楚。工具教得越熟練，方向一旦錯了，產出的規模反而越大，事後要收拾的攤子也越大。

問題不在 AI，在沒人敢問

那位學員說的退件案例，其實把這件事講得比我更清楚。學員面對我，跟他那些同事面對主管，是同一種處境。邊界模糊的任務丟出去之後，沒有人在當下開口核對。退件的理由每次看起來都不一樣，但根源都是同一個：問題的定義，一開始就沒弄懂。

AI 的出現，讓這種迴避變得更順手了。不用先停下來確認，直接丟給 AI，很快就能拿到一個看起來完整的答案，看起來很有效率，實際上只是把「該當場核對」這個步驟，整個跳過去了。產出得再多、再快，起點錯了，終究要重來，效率其實是假的，只是把浪費的時間往後挪了一段。

把「先做做看」的藉口，禁絕掉

心理學家薩提爾提出的冰山理論裡，有一種應對姿態叫「超理智」，人在面對不確定、怕犯錯的時候，會選擇用一種聽起來客觀、專業、沒有情緒的方式應對，藉此避開真正的核對。我沒辦法確定學員當下心裡想的是什麼，但如果借這個角度來看，任務一來就埋頭趕工、把不確定丟給 AI 去補完，某種程度上也是一種避開核對的方式，只是換了一種更有效率、看起來更專業的形式。

要打破這個循環，我想到《改變，好容易》這本書裡，Chip Heath 跟 Dan Heath 提到的一個案例。BP 石油過去允許探勘團隊挖到沒有出油的「乾井」，還能用機率來自我開脫，說成功率本來就只有兩成，這種模糊的空間，讓草率變成了可以被原諒的事。後來公司訂下一條非黑即白的規則，禁絕乾井，逼得所有人動工前，必須先把地質數據跟邊界對齊清楚，不能再用機率當藉口，把所有隨時可以拿出來開脫的模糊空間，一次收緊。

我想借用同一個做法。往後不管是自己動手、交給團隊，還是丟給 AI 執行，動工前，先把邊界對齊，不允許用「先做做看」當作迴避確認的空間。這不是要大家變得更小心翼翼、更不敢犯錯，是要把「核對邊界」這件事，變成動手之前理所當然的第一步，而不是事後才發現走錯方向、要整批重來的代價。乾井挖了還能找理由，但重來的十幾頁簡報，浪費掉的時間是真的追不回來。

換成我是收到任務的那一方，不管是接客戶的委託，還是自己要求 AI 做事，任務邊界的定義，或許不該是卡關之後才想起來補的動作，而是動手前的固定步驟。寫提示詞的時候，先把邊界講清楚，可能本來就該是提示詞的一部分；再往前一步，這甚至可以變成我自己工作流程裡一個正式的環節，動手之前先確認邊界，跟出題目給學員一樣，是同一件事的兩面。

具體一點說，接到主管一句「這個你先弄一份出來」，與其立刻打開 AI 開始生成，不如先回一句「你比較想看哪個切角，還是我先抓幾個方向給你挑」，把邊界問清楚，比事後捧著一份方向不對的東西回去修，省下的時間更多。

那句「我不太清楚老師要什麼，但我們還是做了」，八組裡講了四次，我現在會一直記著。它提醒我的不是學員能力不夠，是我還沒有把「先確認清楚再動手」這件事，變成一個真正被允許的選項。這跟會不會用 AI，從頭到尾都沒有關係。

小樹108・No.018｜AI心態

．．．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