早安呀！
今天想跟你分享一篇Every工程師寫的文章，因為他遇到的狀況，跟我最近使用AI的感受很像。
他建立了一套請AI寫程式的流程，自己負責規劃和驗收。AI能完成大部分開發工作，功能越做越快，但他卻發現，自己親手寫程式的能力，竟然生疏了。
把高手工作法，做成你的 AI 工作分身
年度會員｜NT$4,349難道用AI的我們，真的會退化？
他借用馬克思的「勞動異化」理論，整理出用AI工作時，我們可能慢慢失去的4件事。這也提醒我們：AI能做更多，不代表我們就得一直找事給它做。有些事值得自己動手，有些事做夠了，就可以停下來。
我把他的想法，整理成圖卡給你！
用AI做分析，最怕報告交出去了，卻說不清楚數字怎麼來。一天一AI PRO的「數據洞察分析師」會把分析結論整理得可以回查、可以質疑，幫你在被追問時，也能交代判斷依據 👉 點此看看
AI讓產出變多，為什麼自己不一定跟著成長？
工作帶給我們的，不只有成果，還有過程中累積的經驗和能力。如果把過程交給AI，成果可能更快完成，自己卻不一定跟著成長。
Every工程師Loren Stewart就有這樣的感受。以前親手完成一件事，雖然比較花時間，卻也在累積經驗。他借用馬克思的「勞動異化」理論，思考用AI工作時，我們可能在哪4個地方，慢慢失去跟工作的連結。
失去對成果的理解：AI做出報告，你卻說不清楚判斷依據
AI可以幫你完成報告，但如果沒有參與分析過程，你可能說不清楚結論怎麼來。
以前自己做市場分析，從找資料到寫結論，都親手整理過，通常比較清楚每個判斷的依據。現在讓AI寫完整份報告，看起來很專業，但有人追問「為什麼這樣解讀數據」，你可能答不出來。成果明明掛著你的名字，讀起來卻像別人的作品。
失去親手摸索的過程：AI省下的繞路，也可能是學習機會
親手做事時的反覆嘗試，看似沒效率，卻也可能幫你理解問題。當AI代勞這些過程，你省下了時間，也可能少了一些摸索的機會。
以前Loren寫程式，常常找錯檔案、繞進不相關的地方。但也因為這些繞路，他慢慢搞懂整個系統怎麼運作。
做簡報也是，反覆調整順序、思考怎麼說才有說服力，雖然花時間，卻也是釐清想法、理解讀者需求的過程。現在AI幫你把這些麻煩事做完了，你只需要檢查結果，卻可能少了自己一步步搞懂的經驗。
失去跟人的交流：凡事都問AI，可能少了建立信任的機會
跟同事討論，不只是在找答案，也是在交換經驗、建立信任。如果遇到問題都只問AI，這些交流的機會可能越來越少。
假設你想改一段提案內容，先去跟同事聊聊，才發現這段內容之所以存在，是跟去年一次客訴有關。兩人一起討論，又有了新的提案想法。
當然，AI也可能查得到當年的紀錄，直接給出建議。但跟同事聊一聊，除了能解決眼前的問題，也多了一次理解彼此經驗、建立信任的機會。
失去練習的機會：哪些交給AI，哪些留給自己做？
工作本身也是練習。當AI幾乎包辦寫程式的工作，Loren發現，自己重新動手時，竟然有些生疏了。
他建議依照自己對工作的熟悉程度，以及想學習的內容，把工作分成3種：
- **做過上千次的例行事務：**交給AI自動完成。
- **想搞懂的事：**跟著AI的處理過程一起看，請它「做重要決定前先停下來，說明理由和其他做法，等我確認再繼續」。
- **想學的新東西：**留給自己動手，親自經歷嘗試和摸索的過程。
不是每件事都得親手做，但想繼續熟練、想真正學會的事，值得替自己留一些練習機會。
AI閒著也沒關係：多開一個任務前，先問自己3個問題
AI能繼續工作，不代表你就得不斷增加任務。你的精力有限，檢查成果也需要時間，讓AI閒著，其實沒關係。
多開一個任務前，先問自己：
- 這份產出有人需要嗎？
- 我有時間檢查它對不對嗎？
- 這件事有沒有值得我自己練習的地方？
AI可以在人類睡覺時繼續工作，但何時收工，還是得由人來決定。AI能做更多，不代表你就得做更多。做夠了，也可以安心停下來。
