最近在和一位朋友討論開設 AI 課程的事情，於是這陣子常常在查找相關的資訊。也因為這樣，社群演算法這幾天不斷推送幾位開課的人，發表這一張圖 「2030 年最重要的技能」來自於世界經濟論壇(WEF)。圖上列出像是分析性思維、韌性、靈活性與敏捷性、好奇心與終身學習等關鍵能力。
我暫時不針對圖表本身討論，反而更在意的是我觀察到的另一個現象：「網路上的內容品質正在明顯下滑」。許多分享這張圖的貼文，標題設計得很吸睛，批判程式設計不再是未來的核心能力。內容卻幾乎是乾脆全由 AI 生成。更讓我意外的是，這類貼文往往能吸引上千個分享，甚至出現好幾篇相似版本。
如果照著圖中所說的右上角的「好奇心」技能，我於是實際去查了整份報告。發現這張圖下面還有另一張說明「技能重要性與熟練度落差」的圖，裡頭清楚顯示，像是程式設計、精確性這些原本在左下角被忽視的技能，反而跑到右上角，其實在未來在職位的成長更為關鍵。我不是反對用 AI 生文，我自己也經常用它來輔助翻譯與發想。但當我們在利用 AI 分享的時候，是不是更該講究內容的品質。現在不少內容製作者快速產文，甚至好多是開始收費開課，這些內容卻反而成了社群上的主流。
這就好像生成式 AI 剛出現時，帶來了極大的驚艷感；但用久之後，大家開始習慣於快速生成、快速輸出，卻忽略了品質這件事。這些內容一篇篇被上傳到網路，逐漸形成一種低深度的資訊。當這樣的內容變成主流，整體網路的知識內容品質也跟著被稀釋，就連閱讀能力也跟著下降。這點非常值得我們警覺與反思。
我在私下的社群曾提過自媒體のAI生圖這件事，儘管 AI 卡通風格的美學成功吸引了眾人目光，在社群平台上，這類風格的普及也導致粉絲專頁內容同質化，視覺上缺乏獨特性。除非真的能掌握用AI生圖得到和其他人的差異，若要開始經營專業內容並脫穎而出，關鍵就在於創造差異化，即使是微小的圖片，我也會在意能否提供給別人不同的價值感受。回歸到個人身上其實也是同樣的道理，AI僅是一項工具，要提問什麼問題或是產出怎樣的內容，最終還是回歸在使用的個人身上，無論輸出的品質或是內容有沒有原生性，在把它放上網路或是傳遞給他人，還是取決於自己想要扮演怎樣的角色。
剛好上週和一位醫學系的學生閒聊，他問我是不是也有在用AI在社群上，我也很大方的跟他承認，我常用AI幫我翻譯大部份的新聞貼文，有時候甚至直接輸出；不過需要深入思考的內容，也都是靠自己的洞察力，這些AI沒辦法代替我，而且我會很在意輸出到社群上或是給予他人時，我的洞察力能不能激發別人不一樣的想法和思維，這事情看起來很簡單，但其實很吃力。
好像當你得到一個很強的魔法技能時，而你只在意詠唱魔法，但卻不知道如何用拿它來升等
我常把AI當成我研究資料的廣泛蒐集和處理，這過程確實會讓我節省不少事，不過最終這件事情的產出跟我要這個東西的品質它還是由我去掌控的。換句話說，我必須明確知道我要的目的是什麼，並且為想要產出的品質作負責。如果把這些事實的主導權完全外包給AI，而不做相應的思考或著缺乏獨特性，那充其量AI只是幫忙你降低了創作的門檻，但最終導致產出的內容大同小異。內容沒有獨特性會很難與你和他人脫穎而出。
對自己的內容品質作好把關和判斷，無論拿來寫報告、撰寫信件、甚至生成圖片或企劃，AI無法取代你要如何把這事件情傳達給你的觀眾，你要分享什麼，你決定用什麼方式分享，這就是你的獨特性。把時間多花在需要大量思考的事情，而那些需要耗時的事情，查詢資料、翻譯、或是調整就交給AI。剩下的時間就能將精力投入到更具創造性、策略性或享受自己的生活。
不要問 AI，讓它問你
我經常顛覆我與AI的工作模式讓它來問我，而不是我問AI要做什麼。AI模型其實互動最基本的方式就是語言模型，普遍大家都習慣問AI一個問題，接著AI提供一個答案。這樣的模式不會讓你得到更複雜的答案，因為你的思維已經限縮在你給AI的框架裏了。我反而很鼓勵大家直接叫AI來問你。
想像你有一個很複雜的問題，與其直接要求 AI 回答，不如先提出你的最一開始的問題，然後反過來問 AI：「我想知道如何回答這個問題。我該如何最好地向 AI 框架這個問題？」。突然間，AI 不再只是答案引擎；它變成了一個蘇格拉底式的夥伴，幫助你釐清自己的思維，並理解如何最有效地引導出你需要的訊息。這樣的方式利用AI教你如何更有效地使用 AI，然後擴大你原先的思考框架。這種運用後設認知的方式，引導你來透過AI成為自己的夥伴，將 AI 從被動的命令接收者轉變為問題框架過程中的參與者。這種轉變對於從通用的輸出轉向真正具有洞察力的思維，且為自己量身定制的解決方案。
把AI 當成隊友，而不僅僅是工具
最近看到有篇自媒體發表parser prompting，洋洋灑灑快80幾個指令，教大家如何來運用這些指令。當然，如果你把AI當成工具，可以這樣做。但那些沒有顯著創造力或生產力提升的人，可能看到這些內容會覺得非常的驚豔，但最終你會和他人沒什麼不同。
就像Office Word一樣，你給它輸入，它就產生輸出。如果輸出平庸，你可能會稍微修改一下，或者你可能會斷定這個工具不適合這項任務而放棄。表現出色的人會採取一種不同的思維模式。他們不將 AI 視為工具，而是視為隊友。想想看你如何與一位人類隊友互動。如果他們產生了平庸的結果，你不會只是丟棄他們的工作或認為他們無能。你會與他們互動。你提供回饋。你指導他們。你向他們提出澄清問題，並邀請他們向你提問。這種迭代的、對話式的過程，才是提升成果品質的關鍵。
當你將思維模式從AI視為工具轉變為將 AI為隊友時，一切都改變了。你開始指導它，提供細緻入微的回饋，而且，你可以鼓勵它交叉詰問你的請求。比如說：「我希望得到你的幫助和諮詢，幫助我找出如何在我的生活中最好地利用 AI。作為一位 AI 專家，請你一個接一個地向我提問，直到你對我的工作流程、職責、KPI 和目標有足夠的背景脈絡，以便你為我提供兩個顯而易見和兩個非顯而易見的關於如何在我的工作中利用 AI 的建議？」這種諮詢式提示比簡單的命令更能帶來豐富得多的互動。
AI 時代的創造力
AI的挑戰在於它使得變得非常容易。如果你的目標只是夠用，AI將比以往任何時候都更快地讓你實現。但如果你的抱負是世界級的、卓越的或真正新穎的，那麼你就得善用 AI 提供大量選項，真正有價值的創造，並進行良好篩選與整合。
在AI時代，創造力的定義根本沒有改變，但我們與它的關係改變了。創造力的定義保持不變，但我們實現程度的水平變得更容易，意味著人類真正提供創造力的門檻正在提高。它不再僅僅只是輸出，而是你帶領你的AI隊友一起協作，找尋獨特且具有創造力的元素，這取決於你的經驗、你的視角、你的洞察力和如何與AI培養的靈感。
2030年的核心技能
最後回到開頭始引發我一連串思考的最初問題，我問了AI我該如何分析這個框架？
於是我找出報告來源、主動分析圖表、定義分析目標：從不同的技能列表、技能演變、影響因素、行業相關性、教育和培訓建議、潛在影響；接著定義出問題的框架，如何作歸納與推斷、比較分析、交叉詰問和總結。
上圖表示2030年核心技能，分成四象限：
- 第一象限核心技能 (Core skills): 目前已是核心技能，預計重要性會增加。
- 第二象限新興技能 (Emerging skills): 目前重要性較低，但預計使用度會增加。
- 第三象限非重點技能 (Out of focus skills): 目前重要性較低，預計使用度不會增加。
- 第四象限穩定技能 (Steady skills): 目前已是核心技能，但預計使用度不會增加。
如果被動接收那些標題聳動和賣弄恐慌感的文章，可能會馬上認定未來第一象限的技能很重要，然後第三象限的技能會漸漸不需要。
但如果要訓練自己的好奇心、創造力、分析性思維，會發現這份報告中，有提到熟練度和重要性(下圖)，其中程式設計、韌性、靈活性和敏捷性，這些列為非重點的技能，其實在熟練度差距愈高，反而是在職位增長中會跟他人有顯著的區別。如果透過他人的提示詞輸入，然後默默聽從這些輸出照著分享轉傳，自己好像得到了一些領悟，但充其量就只不過是高級一點的農場文章而已。
最後，我還順便問了AI：「如果我是麥肯錫管理顧問公司，要如何製作具有品質的圖表？」。然後我在短短幾個小時，訓練自己產出學到一個技能，然後得到屬於自己原生性的內容。
希望這些思維方式，能帶給你不同的啟發。
