把工作交給 AI——一份人人都能上手的白話指南

一句話先講

AI 不是一個會搶你工作的機器人，它比較像一位很能幹、但需要你交代清楚的新進助理。你會不會用它，關鍵不在工具有多複雜，而在你會不會「交代事情」。

先把 AI 想成一個人

想像公司來了一位實習生：

他讀過的東西比誰都多、打字飛快、不喊累、半夜也在。
但他不知道你心裡在想什麼，你講得含糊，他就猜，猜錯就做錯。
他很有自信，有時會把不確定的事講得煞有其事（這在 AI 叫「一本正經地亂講」）。

所以用 AI 的訣竅，跟帶一個聰明但需要被教的新人，幾乎一模一樣。

三個動作，就能把事情交給 AI

1. 交代清楚（給背景、給目標、給規格）

不要只說「幫我寫一封信」。要說：

「幫我寫一封信，對象是合作廠商，目的是禮貌地催一筆逾期一週的款項，語氣要客氣但堅定，長度三段以內，結尾留一句方便對方回覆的話。」

差別在於：你把「對象、目的、語氣、長度、限制」講清楚。交代得越具體，成果越接近你要的。

2. 分步驟，不要一次塞全部

複雜的事，拆開來交代。例如要辦一場活動：

先請它「列出活動需要準備的所有項目」。
再挑其中一項，請它「把報名表的欄位設計出來」。
再請它「寫一段給來賓的邀請訊息」。

一步一步來，你每一步都看得懂、改得動，最後拼起來就是完整成果。

3. 檢查成果（你才是最後把關的人）

AI 會給你一個「八成完成」的草稿，最後兩成的判斷，是你的價值：

數字、日期、名字——一定要自己核對，它可能會記錯。
語氣、立場——是不是你要的味道？
有沒有講了不該講的、漏了該講的？

把 AI 當「打草稿的人」，把自己當「拍板的人」。

這個做法有個正式名字：「human in the loop」（人在迴圈中）。
意思是：流程可以自動化、可以交給 AI 跑，但在關鍵的判斷點，一定要留一個人在裡面，由人來看、來確認、來負責。
自動化負責「快」，人負責「對」。越是重要、越是不能出錯的事（牽涉金錢、法律、安全、對外承諾），這個「人」就越不能省。

幾個真實例子

行政人員：把一份冗長的會議錄音重點，整理成三條待辦＋負責人。
老師：把一個觀念，改寫成國小生看得懂的版本，再出五題練習。
小店老闆：根據這週食材，想三款新菜名和一句菜單上的介紹。
業務：把一份產品規格，翻成客戶聽得懂的三個好處。
任何人：把一封很兇的客訴信，先請 AI 幫你寫一個冷靜、專業的回覆草稿，避免情緒上頭。

這些事情共通的地方，是它需要的只是「會交代、會檢查」。

那我會被取代嗎？

會被取代的，不是「你」，而是「不會用 AI 的做法」。

就像計算機普及後，數學老師沒有消失，但「只會手算、不會出題與判斷」的價值變低了。AI 時代也一樣：重複、樣板、打草稿的部分交給 AI；判斷、取捨、負責任的部分留給你。你的競爭力，從「自己埋頭做完每一件事」，變成「會選工具、會交代、會把關」。

別讓「會的事」只卡在一個人身上（bus factor）

團隊裡有個殘酷的問題叫 bus factor（公車因子）：假設某個關鍵工作只有一個人會做，那麼「只要這個人被公車撞了、請長假、或離職」，事情就會卡住。這個數字越小（例如只有 1），風險越高。

AI 在這件事上可以幫上大忙——而且是兩面刃，看你怎麼用：

用得好，提高 bus factor：你可以請 AI 把「只存在某人腦袋裡的做法」寫成清楚的步驟、SOP、交接文件。本來只有一個人會，現在變成「看文件就能上手」，知識不再卡在一個人身上，團隊更不怕誰臨時不在。
用不好，製造新的風險：如果整件事都丟給 AI，產出沒人看得懂、也沒人真的弄懂背後邏輯，那就變成「只有 AI 知道怎麼跑、沒有人能負責」——這等於把 bus factor 又降回去，只是換成另一種單點故障。

所以原則很簡單：用 AI 把知識「攤開、寫下來、傳出去」，而不是把理解「藏進黑箱」。 這也呼應前面的 human in the loop——人要留在迴圈裡，不只是把關品質，也是為了讓「人」始終看得懂、扛得住這件事。

三句話帶走

AI 是很能幹的助理，但要你交代清楚才會做對。
把大事拆成小步，每一步你都看得懂、改得動。
草稿交給它，拍板留給你——最後的判斷，才是你的價值。