早安呀！一天一AI PRO推出新工作流「工作習慣側寫師」！幫你建立專屬「工作背景說明書」，讓AI更懂你的需求！早鳥優惠即將截止，想用早鳥價加入，快點此了解～
最近在招募新同事，我發現一件有趣的事。
看履歷時，每個人好像都很厲害：邏輯清楚、表達流暢，也做出不少成績。但到了面試現場，有些人能講出漂亮的策略，卻說不清楚實際怎麼執行，聊下去才發現，原來沒有真的試過。
AI讓我們更容易寫出漂亮的履歷、交出像樣的報告，卻也讓一個問題變得更重要：成果變好了，自己的能力有跟著成長嗎？
這讓我想起Stripe工程師Vikram Singh寫給新人的文章。
他用「成長斜率」提醒新人：除了現在會什麼，也要在意自己持續學會了什麼。
套用到AI協作上，AI可以很快拉高成果的起點，但卡關、嘗試、找出解法的過程，也往往是能力長出來的機會。如果每次都直接跳到答案，就可能交出了成果，卻沒累積下次自己解題的能力。
我把文章裡的觀念，加上日常工作的自我檢查方法，整理成圖卡給你。
覺得心有戚戚焉？點此留言，跟我分享你的看法！
AI能拉高成果起點，能力成長仍需要理解與練習
AI能幫你快速交出漂亮的成果，但如果每次卡關都直接拿答案，自己的理解與判斷不一定會跟著進步。
想像眼前有兩條成長曲線：一條起點很高，之後卻幾乎持平；另一條起點沒那麼高，卻持續爬升。AI很擅長把成果的起點拉高，但後續的斜率，還是跟你有沒有理解問題、練習判斷有關。半年、一年後，可以回頭看看：自己能獨立解決的問題，有沒有變多？
太依賴AI答案的徵兆：交得出成果，卻解釋不了做法
如果你交得出成果，卻說不清楚為什麼這樣做，就值得停下來檢查：自己是否只是把AI的答案搬給別人？
Vikram把這種狀態形容為模型的「肉身代理」。放到日常工作，可以留意幾個徵兆：主管問做法的理由，你解釋不清楚；AI提出建議，你不知道怎麼判斷好壞；同樣的問題遇到好幾次，還是得從頭問AI。
AI協作交件前，用「白板測試」檢查自己是否理解
「白板測試」的重點，是你能不能清楚解釋成果如何運作，以及為什麼做出這些決定。
Vikram在文中引用Mitchell Hashimoto的建議：即使和AI協作，也應該能站到白板前，說明自己交付的系統，並解釋設計選擇。把這個原則用在日常工作，交件前可以問自己：
- 我為什麼採用這個做法？
- 我考慮過哪些其他做法，為什麼沒選？
- 哪裡最可能出錯，需要先檢查？
如果還說不清楚，可以請AI協助解釋，再用自己的話重講一次，確認理解有留在自己腦中。
熟悉的工作用AI加速，陌生的工作先用AI學懂
面對陌生的工作，先讓AI協助你理解流程與判斷依據；等你掌握基本做法，再用AI加速執行。
Vikram提醒，新人剛加入的前幾個月，團隊對速度的期待通常還沒那麼高，可以把握這段時間，搞懂系統如何運作、哪些地方容易出錯。放到日常工作也是一樣：剛接手新業務時，先讓AI扮演家教，請它解釋流程、做法與原因。自己有了基本理解，才更有把握判斷AI做得對不對。
用AI後有沒有變強？檢查理解、判斷與負責的範圍
除了看完成多少工作，也可以檢查：自己能解釋、能判斷、能獨立負責的事情，有沒有變多。
每隔一段時間，回頭問自己：以前不懂的事，現在能用自己的話解釋了嗎？以前不會判斷的問題，現在知道怎麼取捨了嗎？以前需要別人帶的任務，現在能自己負責了嗎？
AI可以幫你完成更多工作。當這些問題的答案也慢慢變成「可以」，你就更有依據判斷，自己的能力是否跟著成長。
訂閱《一天一AI》日報，每天跟你分享超實用的AI小技巧！
延伸閱讀：
