AI 時代的反直覺真相：手動經驗比你想的更重要

本文整理自《Open Residency》2024 年 12 月播出的單集。

「現在學什麼技能還有用？AI 不是什麼都會了嗎？」

這個問題過去一年被問了無數遍。很多人的結論是：既然 AI 都能做了，那我就不用學了，直接用 AI 就好。這聽起來很有道理，但 Dan Koe 在 Open Residency Podcast 中提出了一個完全相反的觀點：AI 越強大，你親手做事情的經驗就越有價值。

Dan Koe 是美國的作家和創業家，在 X 擁有超過 130 萬追蹤者，經營的電子報有 50 萬訂閱者。他不是那種「反 AI」的人——事實上他大量使用 AI 來輔助工作。但他認為，很多人對 AI 的理解有一個根本性的錯誤。

為什麼「直接問 AI」行不通？

Dan Koe 舉了一個很直接的例子。假設你想做 YouTube，你可以打開 ChatGPT，問它：「幫我寫一個會爆紅的 YouTube 腳本。」AI 會給你一個結果，可能還不錯，但絕對不會是頂尖的。

為什麼？因為 AI 給你的是「平均值」。它從網路上學了大量的資訊，然後吐出一個「一般來說不錯」的答案。但「一般來說不錯」在這個時代是沒有競爭力的。每個人都能問 AI 同樣的問題、得到同樣品質的答案。如果你只是用 AI 的預設輸出，你的內容就會跟其他人的一樣平庸。

Dan Koe 進一步指出，如果你去看那些真正成功的 YouTube 創作者——Alex Hormozi、Ali Abdaal、或是任何一個你喜歡的頻道——他們每個人的「做法」都不一樣。表面上看起來都是「拍影片、剪輯、發布」，但實際的流程、選題的邏輯、剪輯的節奏、縮圖的設計，每個人都有自己的一套系統。這些系統是他們經過大量試錯、累積了數百支影片的經驗之後，慢慢形成的。

這個獨特的系統，AI 不會給你。AI 只能給你一個「通用」的方法，而通用的方法，就是沒有特色的方法。

手動經驗的價值：你做過，才能教 AI

這裡有一個關鍵的觀點：你必須先會手動做，才能有效地使用 AI。

Dan Koe 用他自己的例子來說明。他寫推文已經很多年了，在開始用 AI 之前，他已經累積了大量的經驗——知道什麼樣的開頭會吸引人、什麼樣的結構讓人想讀完、什麼樣的觀點會引發共鳴。當 AI 工具變得好用之後，他把這些經驗整理成一份超過 2000 字的「寫作指南」，然後餵給 AI，讓 AI 根據這份指南來輔助他寫作。

這樣產出的內容，品質跟他自己寫的幾乎一樣。因為 AI 學的是「他的」方法，不是網路上的平均方法。

但如果你沒有這些經驗呢？如果你從來沒有手動寫過推文，你就不知道什麼 work、什麼不 work。你餵給 AI 的指令會很模糊：「幫我寫一篇有吸引力的推文。」這種模糊的指令，只會得到模糊的結果。

Dan Koe 說，這就是為什麼「手動經驗」在 AI 時代反而更有價值了。不是因為 AI 做不到，而是因為 AI 需要你告訴它「怎麼做才對」。你的經驗，就是你能給 AI 的最有價值的輸入。

Prompt 是新的員工，但你得先當過老闆

Dan Koe 用了一個很精準的比喻：Prompt 就是新時代的員工。

想像你是一個公司的老闆，你要雇用一個員工來做某件事。如果你自己從來沒做過這件事，你根本不知道怎麼訓練這個員工。你不知道該給他什麼指令、不知道什麼樣的結果算好、不知道哪些細節是重要的。結果就是這個員工做出來的東西，你也不滿意，但你說不出哪裡不對。

反過來，如果你自己做過這件事、做得很熟練，你就知道每一個步驟該怎麼做、每一個細節該注意什麼。你給員工的指令會非常清楚，員工做出來的東西也會符合你的期待。

AI 就是這個員工。你的 prompt 就是你給它的指令。如果你沒有手動經驗，你的 prompt 就會是空泛的、模糊的，AI 的輸出也會是空泛的、模糊的。如果你有深厚的手動經驗，你的 prompt 就會是具體的、精確的，AI 的輸出也會是高品質的。

怎麼建立有效的 AI 工作流程？

根據 Dan Koe 的建議，建立有效的 AI 工作流程有兩條路。

第一條路是「先手動，再自動」。 這是他自己走的路。你先不用 AI，自己做。做到你已經很熟練、已經知道什麼有效什麼沒效，然後把你的經驗整理成一份詳細的 SOP（標準作業流程）。這份 SOP 越詳細越好：什麼該做、什麼不該做、什麼樣的結果算好、常見的錯誤是什麼。然後把這份 SOP 變成 prompt，讓 AI 照著做。

這條路比較慢，但你會有非常紮實的基礎。你知道 AI 做得好不好，因為你自己做過。你知道哪裡要調整，因為你理解整個流程的邏輯。

第二條路是「借用專家的經驗」。 如果你沒有時間自己從頭做起，你可以找一個在這個領域做得很好的人，研究他的方法。不是去買他的課程（雖然那也是一種方式），而是直接分析他的產出。

Dan Koe 舉了一個例子：假設你想學怎麼寫銷售頁面，你可以去找 Alex Hormozi 的銷售頁面。Hormozi 是美國知名創業家，靠著健身產業起家，後來成立 Acquisition.com 專門投資並輔導中小企業，他的行銷和銷售方法論在創業圈非常有影響力。你把他銷售頁面的文字複製下來，貼進 AI，然後問 AI：「分析這個銷售頁面。它用了什麼心理學技巧？結構是怎麼安排的？為什麼每一段要這樣寫？幫我整理成一份詳細的指南。」

AI 會吐出一份非常詳細的分析。這份分析，就變成你的「借來的經驗」。你可以再進一步，把這份分析變成一個互動式的 prompt：「根據這份指南，問我一系列問題，蒐集我的產品資訊，然後幫我寫一份類似的銷售頁面。」

這條路比較快，但你要記得：這畢竟是「借來的」經驗。你還是要透過實際操作，慢慢把它變成自己的。

不要對 AI 的預設答案感到滿意

Dan Koe 在這集 Podcast 中反覆強調一個觀點：永遠不要對 AI 給你的第一個答案感到滿意。

當你問 AI 一個問題，它給你的預設答案，是一個「安全」的答案、一個「通用」的答案。這個答案不會錯，但也不會出色。如果你就這樣接受了，你的產出就會跟其他同樣使用 AI 的人一模一樣。

怎麼辦？你要追問、要挑戰、要給 AI 更具體的指令。「這個答案太通用了，我需要更具體的建議。」「你剛剛說的第三點，可以再展開嗎？」「以我的情況來說，這個建議適用嗎？」

這個「追問」的能力，來自於你自己的判斷力。而判斷力，來自於經驗。這又回到了最開始的觀點：你必須有足夠的手動經驗，才能判斷 AI 給你的東西好不好、需不需要調整。

適應力才是終極技能

這集訪談的最後，主持人問 Dan Koe：在 AI 時代，什麼是最重要的能力？

他的答案是：適應力。

不是任何一個具體的技能，而是「能夠快速學會新技能」的能力。因為沒有人知道五年後、十年後，什麼技能會有用。我們能確定的是，一定會有新的技術、新的工具、新的工作方式出現。如果你只會一種技能、只會一種工作方式，你就會被淘汰。

但如果你有適應力——你能快速學會新東西、你能把舊經驗轉化到新情境——你就能持續保持競爭力。

而適應力從哪裡來？從大量的手動經驗。你做過越多不同的事情，你就越知道「學習」這件事的模式。你會知道一個新領域該從哪裡切入、該注意什麼、該怎麼快速上手。這些 meta-skill（關於學習的技能），是 AI 教不了你的，只能透過實際做事來累積。

所以，下次當你想「反正 AI 都能做，我何必自己學」的時候，記得 Dan Koe 的這個觀點：AI 是強大的工具，但工具的威力，取決於使用它的人。而你能使用得多好，取決於你自己的經驗有多深。