在生成式AI出現之前，PDCA模型已經被廣泛應用在各種專案管理和工作流程中。這個由計畫、執行、評價、改善組成的循環，讓人們能不斷優化自己的工作，達到80分的合格標準。然而，日本作者伊藤羊一和尾原和啟在《努力革命》一書中提出了新思維：如果想要突破80分的瓶頸，達到120分的創造性，就需要用DCPA來取代PDCA。
這篇文章將探討如何將這種心態運用在碩博士生的研究和知識工作中，讓生成式AI不只是輔助工具，更成為激發創意的核心。
▋PDCA與DCPA的轉變：從計畫到實作
PDCA是碩博士生常用的效率工具。其四個步驟如下：
1. Plan 計畫
2. Do 執行
3. Check 評價
4. Action 改善
PDCA的精神在於循環優化，每完成一次循環，就能讓工作變得更完善。然而，伊藤羊一和尾原和啟指出，光靠PDCA只夠達到80分的標準，無法讓人達到突破性的成果。他們主張透過DCPA結合生成式AI，能讓我們大幅提升創造性。
---
▋DCPA四步驟：如何活用生成式AI提升研究效率
1. Do 執行
在DCPA模式中，第一步不是計畫，而是直接執行。生成式AI的強項就在於能快速生成大量的雛形和草稿。我們不需要一開始就完美規劃，而是直接讓AI輸出多個選項。
例如，在研究中需要擬定論文標題或摘要時，可以請ChatGPT產生多種版本，讓自己從中挑選出潛力最好的版本。
2. Check 評價
這一步的重點是抱持找「SSR (Super Special Rare)」的心態，不斷嘗試和篩選。在面對AI生成的草稿時，我們要不斷檢視其中的亮點，並從大量的結果中找到最符合需求的答案。
3. Plan 計畫
當找到有潛力的雛形後，就可以開始計畫如何進一步執行。此時的計畫已經基於AI的初步輸出結果，不再需要從零開始，節省了大量時間與腦力。
4. Action 行動
最後一步是根據計畫付諸行動，將選定的方向落實。這個模式讓我們不僅能達到80分的標準，還能透過創新的思維和工具達到120分的表現。
---
▋生成式AI如何提升碩博士生的研究流程
對於碩博士生而言，DCPA模式能有效降低許多瑣碎工作帶來的負擔。例如：
- 在寫作時使用AI生成多個段落或標題，然後挑選出最合適的版本
- 在翻譯文獻時，先讓AI進行初步翻譯，再自己校對和潤色
- 在設計實驗或專案計畫時，請AI給出不同方案，以激發靈感
AI生成的答案雖然不一定完美，但能加速我們的工作。最關鍵的是，我們在從AI結果中挑選時，也在不斷磨練自己的審美能力和批判思維。
---
▋DCPA模式的延伸：觀察AI反映的多元人心
生成式AI除了提升工作效率外，也提供了一面鏡子，讓我們從中看見使用者的價值觀與認知模式。每個人在挑選AI結果時，都反映了背後的知識基礎與審美標準。就像社群網路讓我們觀察人們的生活方式，生成式AI讓我們看見他們的思考方式。
對碩博士生而言，這是一個新的觀察角度。我們不僅能通過AI輔助學術工作，還能從他人如何運用AI中，學習到多元的思維方式與文化視角。
---
▋結語：讓DCPA成為研究的創新工具
有了生成式AI的幫助，我們不再需要花費大量時間在繁瑣的細節上，而是能專注於篩選和完善創意。在碩博士的研究過程中，嘗試使用DCPA模式，將能讓我們更快找到創新突破口，達到更高的學術水準。
下一次面對厚重的研究工作或複雜的專案時，不妨放下「一步到位」的完美主義，讓AI幫你先做出多個草稿，然後進行篩選和計畫。這樣的流程或許就是達到120分創造力的關鍵。
