此文記錄7月27日參與在緯育TibaMe 商務AI應用人才養成班 楊老師〈AI概論與商務應用〉的課程筆記與心得。楊老師一開場就勉勵同學不只是在課堂上學到觀念，更重要是要立即行動！沒有產出都沒有用。老師會丟方法和工具，同學有想法就趕快去做去發表。
這讓我想到日本精神科醫生樺澤紫苑在《最高學以致用法》書中闡釋最有效學習比例應該是「輸入3成：輸出7成」。並且試著在每次輸入後要求自己一定輸出，讓自己以輸出為前提輸入。
辨別式 AI 一開始衝擊了藍領工作者，生成式 AI 衝擊了白領階層。 Elon Musk 在 2022年10月以440億美元收購 Twitter 改名為 X 之後，從七千五裁員至剩下會用 AI 的不到兩千名員工。大部分中階主管職位裁掉，公司組織越加扁平化。雖然導致 X 營收大減46%，但利潤卻暴增8成創下新高，利潤率也上升 33%。減少了管理層不必要程序，團隊執行更快速。當大公司都裁員，我們的機會又在哪裡呢？楊老師提到了AI時代，人人應該要成為個人貢獻者（Individual Contributor, IC）。在原有職務外也要開展多方斜槓。
參考文獻：馬斯克是對的！祖克柏大讚「推特式裁員」：整個業界都應該學習，數位時代，2023年6月15日。 （最後瀏覽日：2025年7月27日）
馬遜減少管理階層 強化高效率決策與企業文化，西城時報，2024年11月21日。 （最後瀏覽日：2025年7月27日）
成為個人貢獻者
個人貢獻者（Individual Contributor, IC）不以主管職為主，擅長以專業實力、能獨立完成任務，並結合團隊有效合作，主動為專案創造價值，發揮個人影響力。
楊老師看過很多人的履歷上，都寫著大家都知道職位上的事項。列出做過的苦工怎會有高薪？應該多敘述曾經為公司帶來多少收益？拿到多少價值的案子？做了什麼大事情？去思考如何從過去經驗中來證明自己是個人貢獻者？而改變如同蝴蝶效應一樣，先嘗試跨出的一小步，可能會是你人生中重要突破的關鍵點。
個人貢獻者的核心職能：
- 成果導向：以終為始，專注解決問題並堅持達成目標。善於從失敗中反思，並運用第一原理思維，拆解本質、找出最佳解方。
- 團隊協作：主動支援內外部團隊，整合資源、共創成果。
- 溝通協調：擅長同步團隊認知、分享知識、促進協調合作。
- 規劃與執行力：具備時間掌控力，能精準追蹤進度、預測風險並落實執行。
自己就是值得信賴的品牌
楊老師勉勵同學作為個人貢獻者，應經營值得信賴的個人品牌。每個人都可以是 Youtuber 製作有目的性和展現個人專業性的內容。去試著經營 X、Facebook、instagram、部落格可採雙軸進行，如 π 型人才擁有跨領域兩項以上專業，專業間能夠相關聯、互補發揮綜效。
多分享自己的學習成果和心得，並且應用 AI 工具將資訊做視覺化處理。讓受眾理解的快、記得更久、有效學習，也提升了自己的説服力。做好的資訊圖像放在部落格，也進一步放在 Pinterest 上，圖附上摘要資訊，記錄中文和英文提示詞，不僅方便未來找出關鍵的生成提示詞，也能讓感興趣的受眾還可以藉此連至部落格。
雖然 AI 能夠生成完美文章，衝擊了人們主動寫作意願。但楊老師說最可貴其實是不完美的人，AI 生成的圖文，反而更容易會被濾掉，這是一種模型崩壞，AI 若推薦 AI 自己生成的圖文，就會造成以訛傳訛，越來越失去市場信任。反而，人寫的才有溫度即便沒有很通順，但內容才會是符合人們真正要的東西。
老師舉例李珠珢與其團隊是如何找到自己的定位，而獲得1000萬的簽約金關鍵因素：經紀團隊專注推銷形塑個人品牌、行銷思維、不只在本地更在全球市場找機會、多技能發展因應未來挑戰、懂得利用數位工具提升競爭力。
參考文獻：AI models collapse when trained on recursively generated data Published: 24 July 2024
BASIC 五力，打造未來人才競爭優勢：
- Branding：塑造個人品牌，展現獨特專業定位
- Automation：運用 AI 工具，提升效率與產出品質
- Storytelling：用故事溝通，讓內容更有吸引力與說服力
- Implementation：將想法化為行動，解決真實問題
- Communication：表達明確，促進團隊理解與共識
試著了解 Grok、Claude、Perplexity、Gemini、ChatGPT ，不同主流工具與不同模型在實際運用的差異。像是在生成圖片或是生成程式碼哪種類型模型，針對哪些主題或情況表現更佳。
楊老師進一步提到 Meta Prompting，基於 AI 反饋給于改進提示，並引導對話讓 AI「思考如何提問」提升其生成的品質。在轉換不同 AI 工具，也能準確讓 AI 說給另個 AI 聽，也減少我們對某些領域的理解有限，或是侷限於自身詞彙、邏輯、語境，而讓 AI 產生錯誤假設或缺乏全面視角。
GPQA （Graduate-Level Google-Proof Question Answering）是一個高階問答評測資料集。詢問開放性問題來評估大型語言模型（LLMs）在高深領域知識與推理能力上的表現。
參考文獻：AI模型重大突破：o3系列展現超越人類的推理能力，Communeify，2024年12月21日（最後瀏覽日：2025年7月27日）
小結
本文僅記錄課程上午內容，課程不僅只有心法。更鼓勵同學去註冊 Linkedin 和 Blog 平台來展開經營個人品牌。下午後續帶到很多 AI 工具的實際應用。a1.art AI 濾鏡可轉換圖片風格、實際練習 Meta Prompting 藉由在 ChatGPT反覆對話，生成明確提示詞、比較相同提示詞在不同生成工具差異 ChatGPT、Grok、Freepik、Veo。並且試著最後介紹 Napkin AI 能夠將文字資訊轉換成圖表視覺化 (這部分有空我再寫一篇教學文)。
最後，感謝 楊老師 的認真教導。作為個人貢獻者，未來我會持續用部落格和社群平台，整理課堂筆記與學習成果，結合 AI 工具進行資訊圖像化，練習把知識轉換成個人價值。
