2025 年底，因不明原因我在 AI 協作上遇到長達一個月的「撞牆期」。當時出現一個有點詭異的現象：我投入大量時間使用 AI 輔助提案與文案，工作量卻不減反增，產出被退回修改的頻率更是顯著提升。
這讓我開始反思：工具帶來的「執行速度」，是否真的等同於「品質提升」？
直到某次面談，主管客氣地詢問：「最近業務量大，你要不要試著用 AI 生成文案來減輕負擔？」這句話令我相當震驚。
事實上，我自到職起便維持「All-in AI」的模式，刻意讓 AI 參與各項任務。但在主管的體感中，我的產出卻給人一種「未使用工具」或「效率未提升」的負面印象。我才驚覺，這不單純是生產力問題，而是出現了嚴重的落差
AI 加速了效率，但也提高了期待
行銷職務在面對新環境時，最嚴峻的挑戰在於必須在短時間內吸收產品知識、受眾特性以及組織的運作邏輯。
我當時建立了一套嚴謹的流程，利用 AI 快速研究市場，並將許多口傳、零散的內部流程文件化。這確實發揮了實質作用，大幅減少了搜尋與回想的時間成本。
然而，這種「超速成長」卻是一把雙面刃。
到職初期善用 AI 雖然縮短了磨合期，但也讓主管在我方才上線之初就更願意交付多項具備挑戰性的專案。在組織的視角中，他們不僅期待我維持同樣的產出動能，更希望我能開始處理多個複雜度高、且涉及跨部門需求的任務。
為什麼 AI 反而成為效率的阻礙？
當專案量增加，又遇上團隊面臨年度目標的集體焦慮時，我發現原有的產出邏輯與團隊期待開始出現落差。而這種落差，在 AI 輔助下反而被進一步放大。拆解其核心原因，主要有兩點：
- 組織標準的動態轉向： 隨著年度達成壓力增加，組織對提案、內容策略的方向與品質標準已產生質變，追求更精準的轉換，期望短時間內衝刺目標達成率。
- 指令中的隱性需求缺失： 我在撰寫提示詞時仍沿用初期的邏輯，未能將主管對特定策略的「隱性需求」與當下的環境變數納入上下文，以至放大了期待上的落差。
問題的核心並非 AI 的操作技術，而是溝通層面的脫鉤。
當 AI 的應用未能與組織當下的目標框架同步時，它所展現的快速執行力，反而製造了大量方向偏差的產出，造成後續高昂的溝通與修正成本。
建立具備「目標對齊意識」的 AI 協作紀律
在意識到問題徵結點後，我調整了自己的工作流程，並確保 AI 是在正確的軌道上執行分析和輸出：
1. 深入追問交付成果被退回的核心原因
當產出不符預期時，不再僅是針對字面上的修改意見做調整，而是主動追問主管背後的目標變化。掌握這些變化，才能校正後續的 AI 指令。
2. 針對任務特性，建立多工具協作流程
為了確保品質，我不再單一依賴特定模型，而是根據工具的邏輯特性進行「交叉驗證」：
- ChatGPT： 用於初步的框架發想與邏輯拆解。
- Claude： 負責文案細節的修飾，利用其較具「人味」的語感調整專業術語，減少翻譯腔。
- Gemini： 結合 Google 資訊生態，用於查核資料的即時性與準確性。 從不同維度上Review工作成果，可以確保產出的內容能更貼近組織的期待。
3. 在忙碌中維持「思考先於執行」的紀律
越是在任務繁重時，越容易為了追求速度而草率下指令。我現在要求自己在開啟對話視窗前，必須先明確回答：
這次任務的核心目的為何？
主管期待的具體成果是什麼？
我是否提供了足夠的限制條件與背景資料？
Garbage in, Garbage out.
執行效率的提升若缺乏目標對齊與反思，往往就會白忙一番。
