這篇文章的原始英文版本已經發佈在我的 Substack：Wally in the Loop。這裡是中文版本，我會盡量保留原本的想法。
圖片由 AI 生成，是我為 Wally in the Loop 寫作過程的一部分。
書名：Co-Intelligence: Living and Working with AI
作者：Ethan Mollick
AI 會不會取代我的角色？
最近我讀了 Ethan Mollick 的 Co-Intelligence: Living and Working with AI。
我會讀這本書，是因為我一直在想：當 AI 變成日常工作裡不可避免的工具時，我自己的定位應該是什麼？
我平常會做不同的客戶項目。雖然每個項目的客戶和背景都不同，但有時候流程和最後需要實施的產品，其實是頗相似的。這讓我開始想：如果一份工作有很多重複的部分，是不是很容易被 AI 取代？
在讀這本書之前，我比較直接地想：AI 可能會取代我們。
讀完之後，我開始改變想法。也許 AI 會先取代的是任務，而不是整個職位。
這個分別對我來說很重要。如果我只問「AI 會不會取代我？」，答案聽起來很可怕。但如果我問「我工作裡哪些部分可以由 AI 幫忙？」，我就可以開始理解自己應該怎樣和 AI 一起工作。
Co-Intelligence，而不是把自己的智慧交給 AI
Mollick 在書中提出四個 Co-Intelligence 的法則。我不打算在這裡完整總結整本書，但這四個法則幫助我重新思考自己應該怎樣使用 AI。
Rule 1: Always invite AI to the table
第一個法則是主動邀請 AI 參與日常工作。
書中提到的 Jagged Frontier，是我覺得最能形容 AI 的概念。AI 有時候可以在幾分鐘內完成一些很複雜的工作，讓我們覺得很驚訝。但同時，它又可能在一些很簡單的數學運算上出錯。
這種能力邊界不是一條整齊的線，而是很不規則的。你不親自用它，很難真正知道它在哪些地方強，哪些地方弱。
Mollick 提到，把 AI 放進日常工作裡使用，可以幫助我們更了解它的優點和缺點。這一點我很認同。因為只是看 AI 新聞或別人的示範，其實很難知道它對自己的工作有什麼實際影響。
Rule 2: Be the human in the loop
第二個法則是保留人類的參與。
AI 會產生幻覺，也就是 hallucinate。它有時候就算錯了，也可以講得很有信心。它也可能給出一些比較迎合我們的答案，而不是基於事實作出判斷。
所以我們不能只是把事情丟給 AI，然後照單全收。尤其是涉及判斷、責任和道德批判的事情，我們仍然需要保持獨立思考。
對我來說，human in the loop 不是一句口號，而是一個很實際的工作方式：AI 可以幫我加速，但我仍然要負責判斷方向。
Rule 3: Treat AI like a person, but tell it what kind of person it is
第三個法則是賦予 AI 一個角色。
Mollick 說，AI 本身不是任何領域的真正專家，但它可以模仿不同專家的語言和風格。
這提醒我，使用 AI 時不要只問一個很空泛的問題。如果我能夠先設定它的角色，例如叫它用技術審查者、產品經理或編輯的角度去看一件事，它給出的回應通常會更集中，也更可用。
同時，和 AI 工作也不是單向問答。比較有效的方法，是持續地給予背景、修正方向、要求它重新整理，甚至叫它回到前一個版本再來一次。
Rule 4: Assume this is the worst AI you will ever use
第四個法則是提醒自己：現在使用的 AI，很可能是你以後用過最差的一代 AI。
這句話很有趣，也很真實。現在我們使用的 AI，很可能已經是未來看來最差的一代。只要比較舊模型和新模型，就會感覺到它們進步得很快。
所以問題不只是「現在的 AI 能做什麼」，而是「當 AI 持續變強時，我的工作方式是否也需要改變？」
AI 的 Jagged Frontier
Jagged Frontier 是我從這本書學到的新詞。我覺得它真的很適合形容 AI 的性格。
如果我們理解生成式 AI 的基本原理，它是根據前面的詞元去預測下一個詞元。從這個角度看，它其實不是真的完全理解我們正在做的事情。
但同時，它又非常擅長一些原本屬於人類的工作，例如寫作、總結、腦震盪、寫程式和角色扮演。
只是它在一致性、事實可靠性、計算能力和處理紀律上仍然有明顯限制。
所以對我最有用的視角，是把自己的工作分成兩類：
- 只能由我自己處理的任務，也就是 Just Me tasks
- 可以交給 AI 或由 AI 協助的任務，也就是 Delegated Tasks
有些事情仍然需要我的判斷、背景理解、責任感和品味。也有些事情可以交給 AI，或者至少由 AI 幫忙。
但要知道兩者的分別，我不能只是站在外面閱讀 AI。我需要真的把 AI 放進自己的日常工作，觀察它擅長什麼、不擅長什麼，以及哪些地方我仍然需要控制。
Human in the loop
這也是為什麼 human in the loop 這個概念一直留在我腦裡。
當我開始用 Codex 去建立自己的銀行月結單閱讀工具時，我很快發現 AI 可以走得很快，但如果我自己對範圍不夠清楚，它也可以把我帶到一個我其實不想去的方向。
我需要審視它的輸出，說 no，回到前一個版本，再問一次，或者把項目拆成更小的任務。
這本書也讓我想到另一個更大的問題：如果資深員工開始用 AI 去完成初級工作的內容，那麼初級員工會不會失去原本透過做事來學習的學徒路徑？
以前很多學習階梯或在職訓練，可能未來不會再以同樣方式存在。那麼我們的教育和職場又會變成怎樣？
這也是為什麼我把新的英文出版空間命名為 Wally in the Loop。
它是給自己的提醒：我想學會用 AI 去建立產品，但我仍然想為自己的思考、判斷和方向負責。
你有開始在日常工作裡使用 AI 嗎？有哪些任務你仍然想保留為「只能由我自己處理」？又有哪些任務你已經準備好交給 AI 幫忙？