AI 是你的第一個免費員工：老闆的 AI 認知課

阿明在曼谷經營一間做外銷家具訂單的中小企業，員工十二人。上個月他第一次認真用 ChatGPT，丟給它一句話：「幫我寫一封給越南客戶的催款信，要有禮貌但堅定。」三十秒內，一封條理清楚、語氣拿捏得宜的信就出現在螢幕上——阿明過去要花半小時琢磨措辭，現在幾乎是即時完成。他很興奮，開始把所有事情都丟給它：問它「今年家具外銷市場會不會成長」，問它「這個新供應商報價合不合理，值不值得合作」，甚至請它幫忙判斷一個猶豫要不要留用的員工「這個人適不適合升遷」。結果有的回答很準，有的回答聽起來很有自信、細節卻是編出來的，還有一次差點因為 AI 給的市場數字做了錯誤的採購決策。阿明的問題不是他不會用 AI，而是他還沒搞懂：AI 到底是什麼樣的「員工」，什麼事該交給它，什麼事不該交給它。

為什麼

多數老闆對 AI 的認知，卡在兩個極端之間：要嘛把它當成「更快的 Google」，要嘛把它當成「無所不知的顧問」。這兩種認知都是誤解，而誤解的代價不是技術問題，是管理問題——你會把不該交辦的任務交辦給它，然後為它的錯誤答案付出真實代價（錯誤決策、浪費時間、甚至法律或財務風險）。搞懂 AI 的能力邊界，是你能不能把它變成生產力工具、而不是變成災難來源的分水嶺。這也是為什麼「AI 動手做」課程要從認知課開始：工具用得好不好，往往不是工具的問題，是使用者對工具理解夠不夠深的問題。

1. 建立「AI 同事」心智模型，不是「搜尋引擎」也不是「神諭」

把 AI 想成一位剛到職、閱讀量驚人但完全不了解你公司內部情況的新同事。這位同事讀過全世界公開發表過的文字（到它的知識截止日為止），所以你問它「一般的催款信怎麼寫」「常見的員工績效面談框架有哪些」，它的回答會很扎實，因為這些是被廣泛寫過、討論過的公開知識。但如果你問它「我們公司這個客戶欠款有沒有信用風險」「這個員工適不適合升遷」，它不知道你的客戶歷史、不知道這個員工過去的實際表現——它會用最像回答的語言模式「猜」一個聽起來合理的答案給你，而不是承認「我不知道」。這就是為什麼 AI 有時候「很準」有時候「很扯」：準的時候是因為問題落在它讀過的公開知識範圍，扯的時候是因為你問了它需要你公司內部資訊才能回答的問題，它卻沒有拒答，而是編了一個。

2. 三個能力邊界的判斷準則

問自己三個問題，就能大致判斷該不該把任務交給 AI：

① 這個答案需要「你公司獨有的資訊」嗎？需要（客戶信用、員工表現、內部數字）——AI 沒有這些資料，它的回答是猜的，你要自己提供資料或交給了解狀況的人判斷。不需要（寫信、整理框架、翻譯、做草稿）——AI 適合幫你節省時間。

② 這個答案錯了，後果你能承受嗎？後果小（草稿被你修改、內部便條）——放心讓 AI 先做一版。後果大（財務決策、法律文件、人事決定）——AI 可以幫你「整理選項」，但最後判斷必須是人，而且要交叉查證。

③ 這是「已經存在答案」的事，還是「需要預測未來」的事？AI 對整理、歸納、改寫「已經存在的知識」很強；對「預測未來會怎樣」（市場會不會成長、這支股票會不會漲）本質上是猜測包裝成流暢文字，準確度不比擲硬幣高多少，聽起來自信不代表它是對的。

3. 認識三種最常見、也最容易讓你受傷的誤用

誤用一：把 AI 當成搜尋引擎。搜尋引擎給你「來源連結」讓你自己判斷真假；AI 給你的是「一段聽起來很有把握的文字」，但它可能把不同來源、不同時間、甚至不存在的資訊混在一起講得煞有其事（這叫「幻覺」）。查證具體數字、法規條文、人名地名這類「必須精確」的資訊時，AI 給的答案永遠只能當「草稿」，要回到官方來源核對。

誤用二：把 AI 當算命的。問 AI「這個投資會不會賺」「這個員工會不會離職」「市場明年會不會成長」，本質上是在問它預測未來。AI 沒有預知能力，它只是把過去類似情境的文字模式重新組合，講得很有自信，但自信程度和正確機率沒有必然關係。這類問題最好的用法是請 AI 幫你「列出你該考慮的變數」，而不是要它「給你一個答案」。

誤用三：全信不查，直接拿去用。這是代價最高的一種。把 AI 寫的合約條款直接發給客戶、把 AI 算的數字直接放進報價單、把 AI 寫的員工考核意見直接列印簽名——一旦其中藏著一個編造的細節或算錯的數字，出事的是你，不是 AI。AI 產出永遠是「草稿」，不是「成品」，最後一定要有一雙人的眼睛看過。

🔧 AI 動手做

與其空談邊界，不如馬上用一個提示詞，讓 AI 自己幫你標示出「這題我有把握」還是「這題我在猜」。把下面的提示詞複製貼到你正在用的 AI 對話框（ChatGPT／Claude／Gemini 皆可），把方括號內容換成你真正想問的問題：

你現在是我的助理，但我要你誠實標示自己的答案可信度，不要為了顯得有幫助而假裝確定。

我的問題是：[貼上你真正想問的問題，例如：這個客戶的付款方式我該不該接受、這份合約條款有沒有問題、明年這個產業會不會成長]

請用以下格式回答：

【這是公開知識，我有把握】：（列出你確定知道、屬於公開常識或普遍做法的部分）

【這需要你公司的內部資料，我無法確定，只能提供參考框架】：（列出哪些資訊只有我自己知道，AI不可能知道，並給我一個思考框架幫我自己判斷）

【這是對未來的預測，本質上是猜測】：（如果問題牽涉預測未來，明確提醒我這部分準確度有限，並列出我該注意的關鍵變數，而不是給我一個確定的答案）

最後用一句話告訴我：這個問題裡，哪一部分你最沒把握、我一定要自己再查證或找懂的人確認。

用過幾次這個提示詞之後，你會開始對「AI 什麼時候在講真的、什麼時候在猜」建立直覺——這個直覺，就是你能不能安全把 AI 變成生產力工具的關鍵能力。

本週就能做的一步

挑一個你上週已經問過 AI、而且直接採用了它答案的問題，重新丟一次上面的提示詞模板，看看 AI 自己會不會把當時的答案標示成「我在猜」。如果是，回頭核對一下你當時的決定有沒有需要修正的地方——這比空談理論更能讓你記住這一講的重點。

📎 理論依據：大型語言模型的「幻覺」（hallucination）現象，指模型在缺乏對應事實依據時仍會生成流暢但不準確內容，為 NLP 領域公認的核心限制，相關綜述可見 Ji et al., 2023, "Survey of Hallucination in Natural Language Generation", ACM Computing Surveys；OpenAI、Anthropic 等機構之模型系統卡（System Card）亦明確揭露此限制並建議人工查證。