我前陣子整理網頁書籤時，突然愣了一下。
裡面塞滿各種收藏的 AI 工具，每一個當下都覺得「一定用得到」。
但現在回頭看，平常真的會打開的，其實沒幾個。
社群上三天兩頭就有「必學 AI 工具」、「最強清單」，看了就想收藏，深怕自己跟不上。
但收藏之後，工作真的更順了嗎？生活真的更輕鬆了嗎？
說實話，我自己也答不上來。
直到這一集，我再次找來李佳達老師聊聊，才慢慢釐清方向。
佳達老師是台灣第一位密涅瓦大學決策科學碩士，也是《全球人才搶著學》的作者。
他說：如果你思考沒有升級，丟給 AI 的東西再多，也只會換個形式回來。
那一刻我才意識到，卡住的地方不在工具，是在我們怎麼用它。
這一集聊完，我整理了 7 個對我影響很深的啟發，和你分享。
一、AI 高手和普通人，差距到底在哪？
根據 McKinsey 的調查，只有約 6% 的人能從 AI 獲得十倍回報，33% 的人有三到四倍的提升，剩下的 61% 幾乎看不到成效。
而這樣的差距，關鍵在於「你能不能用 AI 為自己創造價值」。
佳達老師分享了兩個例子。
第一個是他在馬來西亞授課後，請助理整理一份 Google Sheet 問卷，卻發現幾十筆回饋擠在一起，完全看不出重點。
於是他教助理用「受眾」這個思考方式，請 AI 重新整理內容。
當問卷被清楚分成「給講師」、「給行政團隊」和「給助教」的建議後，每個人立刻知道該做什麼。
第二個例子是一位中醫師學生，把密涅瓦的批判思考結合中醫辨證，建立知識庫，並用 AI 檢視每次診斷與處方，找出可能的偏誤。
結果，自費回診的客人明顯增加。
有趣的是，這兩個人都不是 AI 技術高手，他們只是多了一個關鍵：讓 AI 創造有價值的思考方式。
但正是這個差異，讓他們得到完全不同的結果。
二、為什麼 AI 給你的東西，好看卻不能用？
很多人抱怨 AI 的產出品質不好，但問題通常出在兩個層次。
第一個層次，是你有沒有教 AI 怎麼思考。
AI 本來就是用通用資料訓練出來的。
它會給你一個「大多數情況都適用」的答案。
如果沒有引導，它只是猜一個看起來合理的回應。
有時甚至會迎合你的偏好，而不一定是最正確的。
研究也發現，只要稍微引導 AI 按步驟思考，準確率就能提升約 30%。
如果再往下走，讓它用更底層的思考方式，例如「後設認知」，效果還會再放大，一到兩倍都有可能。
第二個層次更實際，是你給它的資料，它真的看得懂嗎？
佳達老師舉了一個例子。
一位頂級口譯員，曾幫總統與諾貝爾獎得主口譯。
他會把演講稿整理後丟進 NotebookLM。
但回頭比對原始資料時，發現 AI 出現錯誤。連數據和人名都不對。
問題就出在格式。
PDF 對 AI 來說不好讀。
頁碼、排版容易變成雜訊。
圖表裡的數字，也不一定能正確辨識。
解法其實很簡單。
先把資料轉成 AI 好讀的格式。
把圖表改寫成文字。每段加上摘要。
這些前置動作看起來麻煩，但往往決定了最後的品質。
三、工具追不完，到底該學什麼才不會白費？
很多人在面對不斷冒出的新 AI 工具時，很容易焦慮，總覺得自己一不小心就會落後。
但其實，多數好用的功能，很快就會被各大平台補上。
你熟悉的工具，遲早都會跟上。
真正該投入的，是你的思考方式。
就像西洋棋的發展。
1997 年深藍擊敗人類棋王時，很多人以為人類會因此退場。
結果剛好相反。
AI 找出大量新棋路，反而讓棋藝大幅進步。
從約 500 位大師成長到 1800 位，整整三倍。
人類沒有變弱，反而是變得更強。
同樣的事，也發生在工作上。
AI 不只是幫你完成任務，更是在幫你優化思考。
佳達老師曾經有位學員是 IC 設計工程師。
因為他資歷較淺，本來在團隊裡幾乎沒有發言空間。
直到某次工廠大當機，資深工程師都找不到原因。
他用 AI 搭配「多層次分析」，把問題拆成軟體、硬體、通訊、環境，一層一層檢查，最後真的找出關鍵。
這套方法後來變成部門的除錯 SOP，他也因此站穩腳步。
更重要的是，他記住了這個思考方式。
因為他真的用過，而且解決了一個別人解不了的問題。
四、AI 會取代你嗎？答案可能跟你想的不一樣？
仔細觀察你會發現，如果把時間拉長來看，AI 對工作的影響，是一種緩慢的改變。
你的工作裡有一百件事，它會先接走最重複的十件，再變成二十件、三十件。
佳達老師指出：「當 AI 能做的越來越多，而你能做的越來越少，那個交叉點，就是被取代的時刻。」
但也可以換個角度看。
每當 AI 接走一件事，你就多出時間去做更有價值的事，持續往上累積，那個交叉點就會一直往後延。
過去我們的價值，常來自頭銜，例如名校、證照、專業資格。
但在 AI 時代，這些知識逐漸被標準化，甚至可以被打包成工具。
真正拉開差距的，是你的名字代表什麼。
你的風格、判斷力，以及你與人互動的方式。
AI 可以幫你加速，也可以幫你拓展能力邊界。
關鍵在於，你怎麼使用它，讓自己不斷往更高的層次前進。
五、這三本書，幫你打通 AI 盲點？
這集節目裡，我特別請佳達老師推薦三本書，分別對應 AI 時代最重要的三種能力。
第一本是《人比 AI 兇》，對應的是批判性思考。
這本書會幫助你建立判斷框架，不會被 AI 看似完美的答案牽著走。
你需要能質疑、能追問，才能真正對結果負責。
第二本是《10 到 25》，對應的是表達與溝通能力。
在 AI 可以生成各種文字的時代，關鍵不在文字本身，而在於你能否清楚傳達自己的觀點與感受。
第三本是《有限與無限的遊戲》，是幫助你在快速變動中保持定力。
書中區分「訓練」與「教育」：前者是避免意外，後者是準備面對意外。
在 AI 時代，更重要的是後者，也就是培養能應對變化的底層思維。
他也分享一個閱讀方法：請 AI 用不同思考方式重新詮釋書中觀點。
例如：用「目的」理解訓練與教育的差異，用「系統動力學」描繪書中的結構。
原本難讀的內容，會變得清晰許多。
六、學思考習慣最好的方法，為什麼不是上課？
節目中也提到，密涅瓦大學整理了近八十個底層思考習慣。
在學校時，學生平均每堂課會學一到兩個，透過討論與反覆應用來加深理解。
但佳達老師也有發現，他在離開學校後多數其實記不住，最後真正常用的只剩四五個。
而造成這問題的關鍵在於學習順序。
先學完再用，效果有限；先遇到問題，再讓 AI 建議合適的思考方式來解決，反而更容易內化。
在實際使用的過程中，自然就會記住。
這種方式被密涅瓦共同創辦人、哈佛認知科學家 Stephen Kosslyn 稱為「附帶學習」。
當你在思考中真的動用大腦，學習就會跟著發生。
就像前面提到的那位 IC 設計工程師，他記住「多層次分析」，不是因為上過課，而是因為用這個方法解決了一個連資深工程師都卡住的問題。
課程看再多，未必記得住；但只要親手用過一次，就很難再忘。
七、如何用 AI 放大思考習慣，讓學習真正發生？
最近佳達老師設計了一套線上課程《AI 超級大腦》，主打「互動式個案教學」和「21 天陪跑」。
對新手來說，每天花三十到四十五分鐘完成一個小任務就好。
例如用 AI 設計一則假新聞，從反向理解媒體素養，慢慢看懂假訊息是怎麼被製造出來的。
他也分享一個生活中的例子。
在社區裡，住戶常常直接把紙箱丟掉，沒有拆也沒有摺，清潔人員每天都要多花時間處理。
管委會宣導多次，但效果一直不好。
後來他請 AI 用「行為塑造」來分析，得到一個很簡單的做法：在紙箱區放幾把舊刀片，旁邊再擺一排已經摺好的紙箱。
結果很快就改變了。
住戶開始主動拆紙箱、整理好再丟。
工具就在眼前，旁邊也有示範，自然就跟著改變行為。
這就是思考習慣結合 AI 的力量。
不需要是專家，只要問對問題，就能找到原本想不到的解法。
再往上走，老手會開始挑戰真實情境，把不同思考方式組合成自己的技能；
高手則進入模擬決策場景，在與 AI 的互動中練習判斷。
學習方式也會跟著改變。
一邊做別的事一邊聽課，很難真正內化。
能在真實情境中和 AI 反覆討論、實際應用，才更容易把東西學進去。
後記：善用 AI 提升自己的思考
訪談結束後，我重新檢視了自己平常使用 AI 的方式，心裡有種微妙的落差。
一直以來，我都覺得自己算是跟上這波浪潮的人。
工具會用，效率也確實提升，看起來好像沒有落後。
但這次對話讓我發現，我只是把 AI 當成一個更快完成事情的工具，卻沒有讓自己的思考一起升級。
佳達老師問的問題，一直在我腦中盤旋：「你有沒有在每一次跟 AI 的互動中學到新東西？」
坦白說，我很少這樣問自己。
多數時候，我只是把問題丟出去，拿到答案就繼續往下做。
事情完成了，但能力沒有留下太多痕跡。
差別也許就在這裡。
有些人用 AI，是為了把事情做完；有些人用 AI，是在過程中不斷調整自己的思考，讓自己變得更強。
如果你把 AI 想成一面鏡子，它映照出的，其實是你的提問方式、判斷能力，以及思考深度。
在這個時代，工具只負責放大效能，而真正拉開差距的，始終是你的思考。
您可能也會有興趣的其他文章
- 《愈忙愈要會表達》讀後心得：清楚表達的七個步驟
- 《終局思維》讀後心得：想要改變人生，從學會清晰思考開始
- 《逆思維》讀後心得：顛覆常規、突破盲點的重新思考法
- 《思考的框架》最實用的九種思維模型和心得整理
- 《全球人才搶著學！密涅瓦的思考習慣訓練》讀後心得與行動
你喜歡這篇文章嗎？
我幫助忙碌的現代人提煉好書精華。透過 Email 收到每週兩封電子報：最新的讀書心得、好書金句、能激發思考的問題，直達你的信箱。
加入超過 10 萬位
愛閱讀的訂閱者
瓦基
INFJ、《情境智慧》作者、書評部落格《閱讀前哨站》和說書頻道《下一本讀什麼？》創辦人、《卡片盒筆記實戰課》和《化輸入為輸出》課程講師，時常分享讀書心得，喜歡將書中所學加以活用，實踐在職場與生活中。
