從客服、文案、程式碼到圖片生成，愈來愈多過去必須由專業工作者執行的任務，現在 AI 都能代勞。
長年參與、也觀察 AI 趨勢與教學的美國哈佛大學比爾蓋茲講座教授孔祥重認為，AI 的快速發展，除了會造成部分白領初階工作機會的流失之外，更大的衝擊在於「知識半衰期」急遽縮短，就連他自己每個學期都必須翻新 60% 的課綱，因為 AI 進步速度已經快到「教科書沒什麼用」。而這也促使他進一步思索：當 AI 能夠處理這麼多事，人類的價值應該放在哪裡？
去爭搶 AI 做得比人類好的賽道，不但勝算低，也沒意義。孔祥重反向思考，從「AI 尚不具備什麼能力」出發，他指出目前 AI 仍缺乏 3 種思維：判斷什麼事值得做、追求正確動機，以及理解整體運作的系統觀。因此，無論是思考自身價值或提升競爭力，人都應著力培養以下 2 項能力。
第一個是 系統設計（system design）能力 ：真正有用的產出，本質上都是一個系統，「普通人只看到單一功能，後頭其實是系統。」像是 QR code 掃碼付款，背後是一整套金流怎麼走、資料加密、異常處理的系統。
孔祥重指出，AI 時代，企業不缺有能力把程式「寫到會動」的人，而是缺少能讓程式「在系統中彼此協作」的人，而且能夠判斷這些功能放進系統之後，是否可以維護、足夠安全，以及會否造成長期風險等等。
另一個稀缺的能力，是 問題架構能力（problem formulation） ：這個能力也經常被直譯成「問題陳述」，但是，孔祥重強調，problem
formulation 遠遠不只是把話陳述清楚而已，這個能力真正要做到的是，把一個目標，分解和重組成一條可以被 AI 執行的路徑。
假設企業想要「提升客戶滿意度」，懂得 problem formulation 的人，第一步是先反問：滿意度要怎麼衡量，是用回購率、投訴率，還是客服等待時間作為指標？如果要找到一個切入點，從哪個環節改善最有效？
透過不斷反問，大問題被逐步拆解成清楚、可驗證、可交付的子問題。孔祥重強調，關鍵不在於把問題切小，而在於判斷哪些值得成為問題，哪些只是噪音；一旦架構確立，後續才有意義。
身處 AI 時代，「解法不難，難的是你要先知道自己在找什麼。」孔祥重認為，人類的價值在於把混亂轉化為結構，先將問題定義清楚，拆解成 AI 聽得懂也解得了的小問題，剩下的，就交給 AI 處理。
Dos
- Be a thinker，對於一個成果要追根究柢，知道為什麼，成功跟失敗都要復盤。
- 建立自己的prompt資料庫，好用的提示詞留下來，之後微調繼續使用。
Don'ts
- 不要只看結果、不問原因，用AI完成的東西，更要思考，不然學習過程會被掏空。
- 不要盲從，人云亦云在這個時代更常見，也更危險。
孔祥重
1945 年生，清華大學數學系首屆畢業，美國卡內基美隆大學（CMU）電腦科學博士。1978 年提出「脈動陣列」理論，為 Google TPU 等現代 AI 晶片奠定架構基礎。現任美國哈佛大學電腦科學與電機工程比爾蓋茲講座教授、中研院院士、美國國家工程院院士。
本文授權轉載自經理人月刊
