自從 ChatGPT 橫空出世以來，AI 幾乎以肉眼可見的速度，滲透進生活中的每一個角落。從幫忙寫信件內容、改程式，到畫畫、生出企劃案⋯⋯每一天，似乎都有新的工具、新的新聞，讓人又驚又怕。
但問題是—這些改變，真的讓我們變得更好嗎？
還是，我們只是被推著走，不斷下載新 App，學著用新功能，卻很少停下來想一想：
「AI 這麼厲害，那我還需要努力嗎？」
前陣子，我參加了台北敏捷社群舉辦的一場分享會。由 Daniel 為大家分享他使用 AI的一些心得：AI Surfing Tips，這不是一場冷冰冰的技術報告，也不是灑狗血的末日預言，而是很真誠聊聊——在 AI 時代，我們可以怎麼看自己，怎麼重新調整腳步。
有趣的是，這場分享特別選在 4 月 14 日，剛好諧音「試一試」。在這個充滿不確定感的時代，或許，「試一試」就是最好的態度了。
這篇文章整理了那天分享會上的一些啟發，也加上一點我自己的思考，另外移除當天提到有關技術的內容（因為我不懂寫程式那塊）。希望能給在 AI 時代中感到迷惘、焦慮、又想要好好走下去的你，一點陪伴和方向。
是敵人，還是共舞的夥伴？
經過這段時間，相信大家或多或少都和 AI 有過一些互動經驗了。只是，每個人和 AI 的關係，可能正停留在不同的階段。那麼，你現在是在哪個階段呢？
階段零：還不敢用 — 遠遠觀察，心情複雜
在正式開始之前，有一群人其實還停留在「觀望期」。聽到 AI 很厲害，但又擔心用不來、怕犯錯、怕資料外洩，或者單純覺得「沒必要」。
🥰 如果用談戀愛比喻，這就像暗戀期：默默關注，心裡有點小嚮往，卻遲遲不敢靠近。總覺得對方好像很厲害，但又害怕自己不夠好、害怕投入後會受傷。
經驗小筆記
一開始我其實對 AI 有點抗拒。看社群上或各種分享會都在那邊聊什麼 ChatGPT、Midjourney 等工具，我滿腦子只想說：「蛤？這到底是什麼啊？」，但我又不敢用，怕用了 AI 會讓人覺得我技術不好、沒創意，或者會出錯丟臉。結果我就這樣錯過了一波潮流，只敢躲在旁邊偷看別人怎麼用。
階段一：把 AI 當工具 — 還在摸索的曖昧期
這個階段的我們，把 AI 當成單純解決問題的小幫手。遇到不會的問題，丟給 AI；需要範例、要翻譯、要列清單，請 AI 處理一下，方便但距離感十足。
🥰 這時就到了曖昧期： 還不確定彼此合不合適，試探著交流，偶爾覺得好像很有用，偶爾又感覺「啊，也就這樣嘛」。
經驗小筆記
有一次要快速產出活動海報，但我腦袋中一點想法也沒有。靈機一動，我打開 Midjourney，輸入幾個關鍵字，雖然產出的圖很酷炫，但也超不像我要的風格，文案也怪怪的，根本不能直接拿來用。 只好一直嘗試換其他關鍵字，就像在玩轉蛋機，想碰碰運氣看能不能生出個「感覺對的」構圖。雖然沒直接請他做出成品，但卻是很好的參考來源。
階段二：讓 AI 成為輔助 — 有點熟悉，但還得多花心思
到了這個階段，開始讓 AI 介入更多流程，像是幫忙寫初版內容、產出草案、修改小功能，但要讓它做得好，還是得靠我們給明確指示。
🥰 這就像交往初期： 開始一起生活、一起做決定，但還是需要很多溝通，常常要明確說出自己的需求，不然就容易出錯或誤解。
經驗小筆記
後來我開始比較熟悉怎麼下 Prompt，知道要怎麼講它才聽得懂。
像是設計系統用詞時，我會簡單說明當下的情境，以及希望使用者採取或避免的行為，然後請 AI 提供建議。透過這樣來回修正，它就像一個開始懂我語言的隊友，越來越能說出我想要的東西。
階段三：把 AI 當成夥伴 — 開啟真正的對話
最後，我們開始把 AI 當成真正的夥伴，不只是幫忙做事，更像是一起討論、一起激盪想法的隊友。
🥰 這就像是穩定交往、攜手成長的時期：彼此熟悉，懂得如何互補、支撐，讓對方幫助自己變得更好。
經驗小筆記
現在我把 AI 當成我的點子王夥伴。
當我要寫一份報告大綱時，以前需要找同事一起腦力激盪，好處是可以碰撞出不同觀點，但缺點是大家身處同樣環境，思維差異有限，且討論時間也常常拉得很長。
現在我會先整理好想傳遞的核心資訊，再跟 AI 討論有沒有遺漏的觀點。我們會來回討論幾個版本、調整用詞、一起發想情境，最後再請它協助潤飾內容、補上範例，讓報告更完整。
擁抱 AI，還是被它帶著跑？— 認識五大挑戰
AI 帶來了很多可能，但也藏著不少坑。如果我們用得不夠小心，很可能會從「省力」變成「累死自己」。
下面有五個常見挑戰：
1. 過度依賴：自己還懂不懂？
AI 可以寫程式、改文案、幫忙查資料，但如果我們一味依賴它的輸出，自己不思考、不驗證，慢慢地就會喪失基本判斷力。
就像 GPS 太方便，有些人出門連自己住哪條路都忘了。
💡 AI 是工具，不是大腦的替代品。
2. 維護難題：生成完，然後呢？
用 AI 自動生成的內容，短期看起來的確省時又方便，但事情不會在產出那一刻就結束。我們仍然需要投入心力微調、檢查，確保品質。 以程式開發來說，隨著系統越建越大，後續的維護、除錯、升級，難度也會跟著直線上升。 如果一開始就讓 AI 幫你自動生成大量「可能自己都不太理解」的程式碼，等哪天系統出問題，就會連從哪裡下手都不知道。
💡 省了時間，卻種下未來的麻煩，划得來嗎？每次用 AI 的時候，不妨先問問自己。
3. 幻覺問題：AI 說得好像很對，但不一定是真的
AI 有時候會自信滿滿地亂說（即「幻覺」），特別是當你問它一些冷門知識、特定技術細節時，它可能一本正經地給出錯誤答案，而且措辭還非常有說服力，讓人不小心就信了。
如果沒發現問題，可能會導致錯誤資訊被當成真理，不只影響自己的判斷，也可能害團隊或專案踩到大雷。
💡 別被話術迷惑，記得查證每一個重要資訊。
4. 溝通落差：給錯指令，結果南轅北轍
別忘了，AI 雖然聰明，但卻無法像真人一樣腦補劇情、你背後的心思。所以當你給的提示（prompt）模糊不清時，AI 就很容易理解成別的方向，並給出令人哭笑不得的回應。 另外一個問題就是，覺得自己講得超清楚，但其實語言結構混亂、不具體，AI 根本無法理解。結果不是做出錯誤答案，就是浪費大量時間反覆修正。
💡 練習用結構化、具體的語言和 AI 對話，真的超重要。
5. 名詞混戰：新名詞太多，搞懂了嗎？
AI 世界每天都有新招式，AGI、RAG、LoRA、fine-tune、prompt engineering……名詞一個接一個。
但如果只是盲目追新名詞，很容易在資訊大海裡越游越遠，反而忘了自己一開始要去哪裡。
💡別急著什麼都懂，先抓住大方向，想清楚自己真正想解決的問題，才不會被熱潮推著走。
面對挑戰，該怎麼練功？— 成為能跟 AI 共舞的人
隨著 AI 帶來的新挑戰，現在已經不是「要不要使用 AI」的問題了，而是「你要怎麼和它一起前進」。如果不跟上，很容易就被時代洪流推著走，甚至被淘汰。
真正聰明的做法，不是抗拒、也不是盲從，而是強化自己的能力，把 AI 當成加速器，為自己加分。
在這場分享中，Daniel 提出了幾個在 AI 時代下，每個人都該練起來的新思維與技能方向。想跟 AI 共舞？這些，就是你的基本功。
1. 語言能力：先搞定英文
一聽到這個建議，我忍不住笑了 XD 以為只有學生時代才會被叮嚀要學英文。但仔細想想，真的有道理。
不管是 AI 的最新資訊、範例、論壇討論，大多都是英文世界在領跑。就連實作時，如果要用 AI 自動產圖，用英文提示詞往往能生成更精準、更符合期待的結果。更別說在描述概念時，英文本身的結構，比中文還更適合講清楚細節。
所以，不要以為離開考試人生就能跟英文說再見。
👉 讓英文融入生活，反而是提升自己競爭力最快的捷徑。
好啦～其實這是一篇ㄧㄆㄨ，這邊有我的優惠碼 12345，大家快去下載 Speak（誤）！
2. 溝通能力：用清楚的語言指揮 AI
同前段所說，給 AI 明確指令超級重要。但其實，這不只是跟 AI 的互動規則，跟人溝通也是一樣的道理。
練習簡單、結構化、具體的表達，已經不是加分項，而是基本技能。這不只是練說話的技巧，更是訓練自己的思考邏輯。
除此之外，也建議大家要持續與 AI 進行對話練習，實際操作過後，才能看見自己在哪裡容易模糊、哪裡需要更具體。
👉 想要讓 AI 成為你的神隊友，而不是拖油瓶，溝通能力絕對要練起來。
3. 思考能力：拆解問題的邏輯腦
在給明確指令之前，更重要的是問對問題。
如果問題本身方向就錯了，AI 再厲害也只會帶你走向歪路。只有釐清真正想解決的核心，才能讓 AI 成為你的助力，而不是浪費資源。這需要訓練自己用條理分明的方式拆解問題，把一個模糊的大目標，逐步拆成可以具體解答的小問題。
👉 在 AI 時代，思考能力就是你的超能力。越能清楚定義問題的人，越能真正掌握 AI 帶來的加成效果。
4. 技術素養：AI 能幫你做，但你要看得懂
雖然現在 AI 可以幫設計師快速產出介面，或幫工程師撰寫程式碼，但這並不代表所有技術細節都能直接丟給它處理。
真正聰明的做法，是利用 AI 省下的時間來深化自己的核心職能，建立起基本的技術理解力與系統邏輯觀念。
以開發為例，你不需要每一行程式都自己打，但起碼得知道程式在做什麼、資料結構怎麼運作、流程設計是否合理。否則，當系統出狀況時，你只會對著 AI 的建議發呆，不知如何下手。
👉 AI 可以幫你做，但實力得靠自己練 !
5. 驗證與除錯能力：別只相信第一個答案
AI 很厲害，但也很會一本正經地胡說八道，尤其在回答冷門或複雜問題時，答案看起來很專業，事實上卻不一定準確。
所以，未來的你不能只靠 AI 第一個答案就直接拿去用，而是要養成驗證和除錯的好習慣。 每次拿到 AI 給的資訊，都要練習自己檢查、查證、抓出問題，再做必要的修正，這樣才能真正駕馭 AI，而不是被它誤導。
👉 AI 會給你答案，但正確與否，得靠你自己把關！
6. 全局視野與產品感：看見整體，而不只是零件
不只是單點技能的強化，而是訓練自己理解整個產品流程：從需求到設計、開發、測試、上線、營運。
這樣不管在職場上、還是自己創業，都能夠真正駕馭 AI，推動事情前進。
👉 單點強不夠，要能看全局，才能真正推動改。
迎接 AI 時代的策略與思維轉型
光是會用工具已經不夠了，更重要的是能不能調整自己的思維。分享會當天，Daniel 就提出了幾個很值得深思的觀點：
深耕特定領域：AI 幫你加速，為自己開一條獨有的生路
有了 AI 助攻，大家的工作效率都提升了，但問題來了——當大家都變快時，我們要怎麼脫穎而出？
答案就是：找到別人還沒注意到的冷門領域，深入耕耘。
舉例來說，像是「海底光纖佈線的圖資管理」、「智慧停車場的動線導引設計」、「寵物食品的味覺優化」、「水下探測無人機的控制介面」、「復健器材使用者體驗設計」……別小看冷門領域，它們可能規模小，但市場專精、需求剛性，而且競爭者少。與其在熱門領域人擠人，不如在冷門領域當第一批玩家，讓 AI 成為你的加速器，而不是擠掉你的對手。
利用獨特資源：把別人沒有的，變成你的護身符
不是所有東西 Google 都找得到，也不是所有東西 ChatGPT 能生成出來。 真正有價值的，往往是那些有門檻、有稀缺性的資源，比如版權資料、獨家技術、特有的內部數據。
如果能跟這些資源搭上線，無論是使用、合作、或者自己累積，就能大大降低被取代的風險。因此當別人都在用公版答案時，你手上握著獨門武器，自然就不一樣了。
向高手學真本事：真正厲害的招式，聊出來才學得到
現在網路上到處都是學習資源，打開 YouTube、ChatGPT、各種線上課程，想學什麼都有。但真正值錢的知識，往往藏在高手腦袋裡，而且不是故意藏私，是他們根本不知道自己有這些「內功」。
很多時候，那些真正重要的細節，高手自己早就做成了習慣，甚至忘記這件事情對新手來說其實很難。所以，單靠網路挖資料是不夠的，要親自走進圈子，實際對話、請教，才有機會從高手的日常行動中，捕捉到那些關鍵思考。
如果只是自己悶著頭看文章，很容易覺得「好像都懂」，但一遇到真正實戰就會瞬間卡住。
（偽工商時間）定期參加台北敏捷社群活動，真的可以活絡自己的思維！
不過老實說，我自己也還在努力突破，現在參加社群都還是偏害羞派😳，常常想說「要不要主動搭個話呢？還是算了⋯⋯」然後回家後才懊惱沒多講話。但事實證明，多聊聊真的沒關係，別人其實也很樂於分享，反而能在不經意中，收穫超多想不到的收穫。
培養品味與專業堅持：AI 可以快，但細膩是養出來的
有了 AI 的幫助，我們可以很快得到「標準答案」，但這就夠了嗎？
在與高手合作時才會發現，他們在細節上展現出來的專業堅持與品味，才是真正拉開差距的關鍵。也許只是為了一個文案用詞反覆推敲，又或是對一個流程不停檢視合理性，這種細膩的標準，並不是看幾個教學影片就能學會的，而是需要透過實戰、在和真正專家的合作中慢慢琢磨養成的。
這種思考深度和品質標準，正是現在的 AI 難以複製的。如果說，AI 幫我們加速了基本功，那麼品味與堅持，就是讓你在「人人都能產出」的時代裡，依然保持稀有價值的關鍵。
擁抱全局思維：AI 加速後，自己一個也能打完整場
在還沒有 AI 輔助之前，越能理解完整流程的人，越能在自己的角色上發揮得更到位。而到了 AI 時代，這種完整思維就更重要了。
因為有了工具加速，不只是深化自己的專業領域，你很可能可以一個人就把一整個流程做完。從企劃、設計到簡單開發，只要思考到位、懂得組合工具，你就能比過去團隊作業時還要快，還要精準。
未來，不只是把份內事做完，而是能獨立完成一個完整結果的人，才是真正吃香的人。
設計師們～其實也可以多去摸摸開發工具。現在你手上有了「不會抱怨的工程師」（AI），想什麼做什麼，再也不用怕被打槍。 有這種夢幻隊友，還不趕快把腦海裡那些多采多姿的點子實現出來，不然就太可惜了！
團隊進化：當小船隊，而不是大油輪
以前我們推崇敏捷開發，是因為一個專案通常需要很多人一起分工合作。一堆人圍在一起胡搞瞎搞，事情才需要「敏捷」來協調節奏。
但現在有了 AI 這個超強助手，很多事情不再需要大隊人馬才能推進。Daniel 認為未來的團隊形態，可能會更像是靈活的小型海盜船，一船三人，速度快、變向靈活。
- 船長（PO）：掌舵方向的人，負責確認產品願景、掌握市場脈動、決定航向。
- 領航員（Tech Lead）：確保技術路線正確，負責拆解需求、制定技術架構、讓船跑得又快又穩。
- 水手長（Tester）：負責測試和品質控管。
隨著 AI 工具普及，團隊對水手長的需求，也可能轉向兩種角色。
- 自動化高手：懂得利用各種自動化工具，把測試、監控、流程優化一條龍搞定，大大減少人力重工。
- 產品打磨職人：像造船工匠一樣，專注在產品的細節與品味上、為產品加分，讓它不只是能用，而是用起來舒服、看起來有質感。
設計師們也不用太擔心失業啦～
只要持續加深自己的領域知識、培養品味與專業堅持，
在未來的團隊裡，依然能找到屬於自己的一席之地！
AHA Cycle
最後，Daniel 分享了一個非常實用的 AI 協作流程，叫做 AHA Cycle。
簡單來說，就是在面對混亂、複雜的系統時，別急著一次大改完美，而是用「小步驟＋持續驗證」的方式，慢慢讓事情往好的方向推進。就像做設計調整一樣，不求一步到位，而是每次微調、每次校正，最後自然能走到更好的結果。
Assess 評估
在開始改東西之前，最重要的是，先看清楚目前的狀況。不是憑感覺，而是要有數據、有現場觀察，才能知道真正的問題在哪裡。
就像設計師在做網站改版時，第一步通常是：蒐集使用者反饋、觀察點擊率、分析跳出率，或自己走一次使用流程，把卡卡的地方標記出來。
Highlight 找亮點
有了現況資料後，不是立刻大刀闊斧，而是挑出一個小地方，先試著改改看。目標是找到最容易改善、也最有機會放大的小突破。
就像設計師發現某個按鈕點擊率特別低，第一反應不是砍掉整個版面，而是可能先調整按鈕文案或顏色，看看會不會有改善。
這個步驟的精神是「小範圍實驗」，透過微調找到可以放大的改善點。
Approve 驗證成果
改動之後，重點來了— 不是拍拍手就結束，而是要驗證效果。看修改後的數據變化，跟原本的現況比對，有沒有真的變好。
比如你改了按鈕顏色，就要看新版本的點擊率是不是有提升。如果有效，就把這次的改動記錄下來、補上測試案例；如果沒改善，就回到 Highlight，再試別的做法。
AHA Cycle 的重點不是求快求大，而是小步快跑、持續迭代。
每一次評估、微調、驗證，都是在慢慢積累，讓系統變得更穩定、更有韌性。
結語
AI 正在加速改變每一個工作領域。它帶來的不只是工具和效率的提升，更是對我們思考方式、工作習慣、甚至角色定位的全面挑戰。
這場變革裡，沒有哪個職業是絕對安全的，也沒有哪個技能可以一勞永逸。能跟得上時代的，不是技術多厲害的人，而是思維夠靈活、能持續進化的人。
感謝 Daniel 在台北敏捷社群的分享，讓我從不同角度思考 AI 的存在，我逐漸明白，與其一昧追求技術，更重要的是找到在 AI 時代下屬於自己的節奏。未來合作方式會走向更小型、更靈活，也就代表個人要背起更多責任；但只要我們持續深化自己的專業，保持好奇心與學習力，就能穩穩地走下去。
就像今天分享的 AHA Cycle，設計、開發、改進，本來就是一個不斷迭代、試錯、成長的過程。AI 並不是最終答案，而是我們成長路上的好夥伴。
AI 不會取代我們，而會成為我們真正的超能力。
-------------------------------------------------
類型：社群活動 - 4月聚會：試一試神奇羅盤
講師：Daniel
時間：2025 / 04 /14
機構：台北敏捷社群
小編：Cyndy
