📚 每日書摘 #257：《Co-Intelligence》
未知作者 · 個人成長
當 AI 變成你的夥伴而不是工具
"The AI didn't replace me. It made me see what I was actually capable of."
前一陣子跟朋友聊天， 他問我怎麼看現在 AI 工具這麼多的狀況。 我想了想， 腦袋裡浮現的第一個詞不是「效率」， 而是「關係」。
這幾年我們都在學習怎麼「使用」AI。 但 Ethan Mollick 在 Co-Intelligence 這本書裡丟出一個完全不同的問題： 如果 AI 不只是工具， 而是一種可以跟你「一起思考」的存在呢？
不是取代， 是共同演化
Mollick 是華頓商學院的教授， 但這本書讀起來不像學術論文。 他用大量的實驗、 課堂案例、 跟自己每天使用 AI 的經驗， 試著回答一個核心問題：
我們應該把 AI 當成什麼？
他提出的答案是 Co-Intelligence。 不是人工智慧取代人類智慧， 而是兩者形成某種協作關係。 就像你跟一個很會查資料、 永遠不會累、 但有時候會胡說八道的夥伴一起工作。
這跟我在帶團隊時的體悟有點像。 最有效的協作從來不是「你做你的我做我的」， 而是雙方在過程中不斷互相補位、 挑戰彼此的盲點。 AI 現在能做到的， 某種程度上就是這件事。
Jagged Frontier：能力的邊界是鋸齒狀的
書裡有個概念我覺得特別實用， 叫 Jagged Frontier。
AI 不是什麼都很強或什麼都很弱， 它的能力邊界是參差不齊的。
有些任務它表現得驚人地好（寫初稿、 整理資訊、 產生創意發想）， 有些任務它爛到讓你懷疑人生（需要最新資訊的事實查核、 複雜的邏輯推理、 理解人際關係的細微差異）。
問題是這條邊界不是固定的， 而且你沒辦法靠直覺判斷。 很多人以為困難的任務 AI 做不好、 簡單的任務 AI 做得好。 實際上剛好相反的情況一堆。
之前讀《系統思考》的時候， 裡面提到人類最容易犯的錯誤是用線性思維去理解非線性系統。 Jagged Frontier 本質上就是這個問題的延伸—— 我們很難準確預測 AI 在哪裡會表現好、 在哪裡會翻車。
四種使用 AI 的原則
Mollick 給了四條實際的建議：
-
Always invite AI to the table. 任何工作都先問一下 AI 能不能幫上忙。 不是因為它一定有用， 而是你需要不斷校準那條 Jagged Frontier 在哪。
-
Be the human in the loop. AI 的產出永遠需要人類判斷。 你不是把工作外包給它， 而是跟它一起迭代。
-
Treat AI like a person (but tell it what kind of person to be). 給 AI 角色設定， 它的表現會差很多。 不是因為它真的「理解」角色， 而是 prompt 的結構會影響輸出。
-
Assume this is the worst AI you will ever use. 今天的 AI 是未來最弱的版本。 現在覺得「這也不過如此」的限制， 六個月後可能就不存在了。
最難的不是學會使用 AI， 而是學會不斷重新學習怎麼使用 AI。
這個體悟讓我想起我們團隊在 pivot 時遇到的狀況。 當時最痛苦的不是找不到新方向， 而是過去成功的經驗變成了包袱。 AI 的演化速度比產品市場還快， 上個月有效的 workflow 這個月可能就過時了。
教育現場的衝擊
Mollick 自己在華頓商學院開課， 他直接在課堂上讓學生用 AI 寫作業。 不是偷偷用， 是公開要求使用。
"The question is no longer whether students will use AI. The question is whether we will teach them to use it well."
他發現一件有趣的事： 當 AI 可以幫你產出 80 分的初稿時， 你對自己的期待會改變。 學生不再問「我怎麼寫出 80 分的報告」， 而是開始問「我怎麼把這個 80 分的東西變成 95 分」。
門檻提高了。 這對能力強的人是好事， 對能力弱的人是壞事。 AI 不是讓所有人都變強， 而是放大了原本就存在的差距。
說到這個， 我想起我們團隊早期用 no-code 工具快速做 MVP 的經驗。 工具降低了門檻， 但同時也讓「想法好不好」變得更加關鍵。 當執行不再是瓶頸時， 瓶頸就會轉移到其他地方。
不確定性是唯一確定的事
讀到最後幾章， 我腦子裡閃過的其實是焦慮。 不是對 AI 取代人類的焦慮， 而是對「我到底該學什麼」的焦慮。
Mollick 沒有給出簡單的答案。 他很誠實地說， 沒有人知道三年後的 AI 會長什麼樣子。 但他給了一個思考方向：
專注在那些「跟 AI 協作後」才能產生的價值。
不是去學 AI 做不到的事（因為那條線一直在移動）， 而是去思考怎麼讓人加上 AI 產生一加一大於二的效果。
這其實跟創業的邏輯很像。 你不是去預測市場會變成什麼樣子， 而是讓自己變成一個能夠快速適應變化的組織。 唯一不變的就是變化本身。
恩， 講到這裡好像有點老生常談。 但有些道理就是得痛過才會真的懂。
📚 書籍資訊
- 書名：Co-Intelligence
- 作者：Ethan Mollick
- 核心主題：如何將 AI 從工具轉化為協作夥伴， 在不確定的未來中找到人機協作的最佳模式