AI 時代最該練的不是提示詞，是「問對問題」「敢做判斷並且負責」「把事情做完」這三件事。 理由很簡單：提示詞技巧半年就換一輪，模型變強之後，過去要靠技巧硬拗的東西，現在直接講白話就好。上面那三種能力剛好相反——AI 越普及，它們越稀缺，也越值錢。
先把話說在前面：這篇最後有一個不好聽的但書。這三種能力都要先有領域經驗才練得起來，而 AI 正在吃掉的，恰好是過去累積領域經驗的那些入門工作。我不打算跳過這個矛盾。
🎯 為什麼「學提示詞」不是答案
提示詞當然要會，但它是入場券，不是護城河。判斷一項技能值不值得長期投資，問兩題就好：它會不會因為模型變強而貶值？會不會因為大家都會而貶值？提示詞兩題都中——模型越強，越不需要複雜咒語；教學越多，會的人越多。
真正該找的是相反的東西：AI 做不好，而且會因為 AI 普及、需求反而變多的能力。 這種能力有個共同特徵，它們都不在「產出內容」那一段，而在產出的前面和後面——前面是「到底要做什麼」，後面是「這東西能不能用、誰負責」。AI 把中間那段的成本壓到接近零，價值自然往兩頭跑。
想先補基本功的人，本站有 AI 自學路線圖。這篇不談路線，只談方向。
❓ 能力一：問對問題
為什麼 AI 做不好。 AI 很會回答，但它不知道該問什麼。你丟一個問題，它就答一個問題，不會告訴你「你問錯了」。而現實工作的難處多半不在答案，在於把一團模糊的困擾收斂成問得出來的問題。老闆說「這季業績不好，想想辦法」，這不是問題，是情緒；要變成「哪一段客群的回購率在掉、掉多久了」，才是問題。
這一段 AI 幫不上忙，因為它沒有現場、沒有你沒說出口的上下文，也沒有那種「哪裡怪怪的」的直覺。更麻煩的是，AI 對爛問題一樣給流暢的答案：你問得糊，它答得漂亮但沒用，你還會誤以為有進展。
怎麼練。 每次要用 AI 之前，先自己寫下一句話：我到底想解決什麼。寫不出來就代表你還沒想清楚，這時候開對話框只會拿到一堆好看的廢話。再進階一點：寫完後問自己「這題答出來，我會做什麼決定？」答案若是「不會有什麼不同」，就不值得問。
⚖️ 能力二：判斷與當責
為什麼 AI 做不好。 AI 可以給你三個方案和一份比較表，但它不會替你承擔選錯的後果。所有牽涉到「出事誰負責」的環節，本質上都需要一個有名字的人。這不是技術問題，是責任歸屬問題。
而且 AI 的輸出有個特性：它很少說「我不確定」，語氣一律穩定自信，錯的時候也一樣（這就是 AI 幻覺 難防的原因）。所以「能不能用」那一關只能靠人。願意站出來說「這個我看過，我決定用，出事算我的」，這種人在任何組織裡都不夠用。
怎麼練。 刻意練習「說明我為什麼選這個」。每做完一次選擇，用三句話寫下：我選了什麼、放棄了什麼、如果錯了會怎樣。不用給別人看，半年後回頭翻，你會發現判斷開始有結構，而不是憑感覺。再進一步，是在會議上主動說出判斷和理由，而不是只報告「AI 給了哪些選項」。這沒有捷徑，只能靠一次次把自己放到會被檢驗的位置上。
🧱 能力三：把事情做完
為什麼 AI 做不好。 AI 產草稿很快，這點沒有討論空間。但草稿不是交付。從草稿到真的送出去，中間隔著一堆很煩的東西：法務要改一句話、業務說客戶不吃這套、系統少一個欄位、關鍵的人請假。
這些事的共同點是例外。AI 擅長處理有規律的東西，收尾這段幾乎全是不規律的：跨部門的人情、沒寫進文件的潛規則、臨時冒出來的狀況。它可以幫你擬信、追進度，但沒辦法替你去敲隔壁部門的門。
於是出現一個很現實的落差：AI 讓「做到八成」變便宜，剩下那兩成的相對價值反而變高。
怎麼練。 接下那些「AI 做到八成、剩下兩成很煩」的工作——別人閃的收尾，你接。那兩成裡面藏著這組織真正的運作邏輯：誰有決定權、哪個環節會卡、什麼事碰不得。這些不會寫在任何文件裡，只能做過才知道。
🩶 一個殘酷的但書
上面三種能力有一個共同前提：你得先有領域經驗。
問對問題，前提是你知道這領域什麼才算問題；做判斷，前提是你看過錯誤決策的後果；把事情做完，前提是你知道流程會卡在哪。沒有一種能靠讀文章長出來，全都要靠在現場待過。
問題就在這裡。過去我們怎麼累積領域經驗？靠那些入門工作——整理資料、跑基礎報表、寫初稿、做會議紀錄、打雜。這些工作本身價值不高，卻是有薪水的訓練場，你在做的過程中順便看懂了這行怎麼運轉。
而 AI 正在吃掉的，恰好是這一類工作。
所以對新鮮人來說，真正的難題不是「要不要學 AI」，那反而是最簡單的部分。難的是：當入門階梯被抽掉，第一段判斷力要去哪裡累積？ 這個矛盾我沒有漂亮的解法，市場也還沒有。任何跟你說「學會 AI 就沒問題了」的說法，都跳過了這一段。
我能誠實講的只有兩件事。第一，這個落差是真的，別假裝它不存在，但也別因此覺得是自己不夠努力——它是結構性的。第二，階梯變窄之後，選擇比努力更關鍵：能不能擠進「還看得到完整流程」的位置，會比第一份工作的薪水或職稱重要得多。
🧭 三種處境，三個方向
已經有經驗的人
你的優勢從來不是產出速度，是判斷力。把 AI 當放大器：它負責蒐集和產出，你負責決定方向和把關。要小心的反而是另一件事——用久了會懶得自己想。 判斷力會退化，偶爾刻意不用 AI 做一次決定，當作維持手感。順便把 職場使用 AI 的界線 弄清楚，別讓一次外洩抵銷所有效率。
新鮮人
優先選「能接觸完整流程、能看到後果」的工作，勝過職稱好看的。在小公司當雜工，常常比在大公司當螺絲釘學得多，因為你看得到一件事從頭到尾怎麼發生、做錯之後怎麼收。第一份工作買的不是頭銜，是判斷力的原料。面試時不妨反問對方「這個職位會接觸到流程的哪一段」，AI 面試攻略 裡有更多準備方式。
轉職者
別從零開始學 AI 技術，那是拿你最弱的一面去跟人拚。從「用 AI 解決你原本領域的問題」切入——領域知識是新人沒有的，AI 工具是你補得起來的，兩個加起來才是別人抄不走的組合。市場上有哪些位置，可參考 AI 時代就業市場。
💬 一句話收尾
我的判斷很簡單：AI 讓「執行」變便宜，於是「決定要做什麼」和「保證做出來的東西能用」變貴了。三種能力都指向同一件事——做一個能被信任的人。
想先確認職位受影響多深，看 AI 會取代你的工作嗎。
❓ FAQ
AI 時代最該學的技能是什麼？
不是工具，是三種能力：把模糊困擾收斂成明確問題、敢下判斷並承擔後果、把草稿真的推到交付。共同點是它們都落在 AI 的產出之外——前面決定方向，後面決定能不能用。
學提示詞還有用嗎？
有用，但它是入場券不是護城河。模型越強，越不需要複雜句型；教學越多，會的人越多。基本用法花幾天摸熟就夠，剩下的時間拿去練判斷力更划算。
沒有工作經驗的新鮮人，要怎麼練這些能力？
老實說這是最難的一題，因為過去累積經驗的入門工作正在被 AI 吃掉。可行的方向是：選看得到完整流程和決策後果的位置，勝過職稱好聽的；小公司的雜工常比大公司的單一環節學得多。
轉職一定要先學會寫程式或 AI 技術嗎？
不一定，多數情況下也不建議從那裡開始。從零學技術是拿你最弱的一面去競爭；從「用 AI 解決原本領域的問題」切入，領域知識才用得上。技術可以之後再補。