有人說你別用 AI Agent？有沒有想過其實他不用也沒事

剛入行或想轉職，工作卡關想用 AI，看大家用 AI 很有效率所以想學 AI，有人就勸你先別碰、先把基本功練好；然而上網一看，網路上有人卻叫你盡量規劃工作任務給 AI。

我的建議是，先看說這些話的人本身具備甚麼樣條件。

前輩不用 AI 也沒事，靠的是經驗與踩坑的累積

新手加 AI 能不能取代工程師這個話題，就有不少網友說不用 AI 完全沒問題，他當工程師 20 多年根本沒有甚麼 AI，一樣可以把項目做出來，只是多花一點時間而已。

然而事實上，現在很多開發工作已經很難離開 AI，有些原本得花一週的任務，透過 AI 可能半天就能完成。開發的重心也逐漸轉移到如何管理好流程與規格，確保最終行為正確，而不是只把力氣花在傳統開發的 coding style 等細節上。

回頭看看這些在網路上瘋狂勸你避免用 AI 的人，要麼跟你的專業毫無關聯，也就是他根本不清楚你的專業可以如何搭配 AI；要麼就是早有累積，靠不靠 AI 都有能力把事情做好的人。

換個角度想，大家都在用 AI，有人早就靠這樣拿到自己要的利益，只有你聽他的話堅持不用，結果到最後甚麼好處都沒拿到。

我在那篇貼文也提過，剛入行的新手經驗太少、踩坑太少、懂的太少，站的位置跟資深前輩不同。在這個成果導向的時代，能不被淘汰的方法，可能就是適當運用 AI 作為能力的槓桿，先讓自己有成果，接著在過程中持續精進自我，而不是一味把所有事情外包給 AI。

但如果你反過來，等基本功都練好了才開始使用 AI，很可能競爭壓力會更大，也越來越追趕不上變化。因為你相較於早就動手的人，不只得補專業能力，還得重新學習怎麼把 AI 融入工作流程。

他們的說法並非毫無根據。真正值得擔心的風險，是你能不能一邊用 AI、一邊培養優秀的專業素養，而不是做出一堆成果，自己卻甚麼都沒學到。

所謂的專業素養，我舉個很簡單的例子，請 AI 寫一份給客戶的提案，在交出去前，你會不會先追問 AI：為甚麼建議 A、不建議 B？這份提案背後用了甚麼技巧，是我必須要學習的？甚至自己去驗證，確認它講的理由是不是真的站得住腳。

2023 年一份找了 758 位 BCG 顧問參與的研究就發現，任務在 AI 能力範圍內時，使用 AI 的顧問成果品質提升約四成；但在一項超出 AI 能力範圍的任務裡，用 AI 的人答對機率反而比沒用的人低 19 個百分點。研究也發現，有些人即使收到可能有問題的 AI 建議，仍然沒有充分質疑。

時隔 3 年，AI 能力進步不少，但很顯然 AI 仍不可能完全理解人類千奇百怪的情境，事到如今若無腦照 AI 建議走，還是存在很高的風險。

所以問題一直都是你有沒有能力判斷它做得對不對。

你現在的情況	「別用 AI」這句話對你	接下來先做甚麼
做這行很多年，看得出 AI 哪裡錯	可能是真的，你有本錢自己選	拿自己的工作實測，盡可能讓 AI 幫自己完成工作，讓自己去做別的事情
剛入行或想轉職，還看不太出對錯	這是目前最能快速看出對錯與獲取資訊的管道	別想了，就是用 AI 做，在過程中向 AI 詢問與學習，培養判斷能力
已經全交給 AI，但自己卻說不出它怎麼做的	你很危險，因為連哪裡出錯都可能不知道	挑一件事自己從頭想一次，再跟 AI 討論差異，把不懂的地方補起來

短短數年，AI 已經給生產力帶來很大的變化，我認為這是一個不可逆的趨勢，這世界也不可能再回到沒有 AI 之前的工作方式。

以前很多基本功，是靠自己反覆做、反覆踩坑累積出來的；現在 AI 可以幫你跳過一部分重複工作，但不代表那些經驗與判斷就不重要了。

相反地，當 AI 能幫你把事情做得越來越快，你反而更需要知道自己到底在做甚麼，否則成果出了問題，你甚至不知道該從哪裡查起。

所以對剛入行或想轉職的人，我反而建議盡早用 AI 。遇到不懂的就問，看到不同做法就比較，對結果有疑慮就自己查證、動手測試，從一次次完成任務的過程中，把原本欠缺的經驗補起來。

別把「先練好基本功」理解成「在那之前都不能用 AI」，也別把「善用 AI」理解成「從此甚麼都不用學」。

你不必先變成高手才有資格用 AI，但也別用到最後，連 AI 做出來的東西對不對，都只能再問 AI。想讓 AI 在動手前先幫你攤開假設與專業方法，可以接著看〈AI 說懂了卻做歪？讓它動手前先交一張需求卡，你點頭才開始〉。