有了 AI，我可以少做一點什麼？

工具變多，怎麼反而更忙？

今天有人分享新模型，明天又有一套工作流。收藏夾越來越滿，自己卻像一直在補課。原本想省時間，最後多了一份「跟上 AI」的工作。

先停一下。我們可以換個起點：下一個專案裡，有沒有一件事，我不必再從頭做？先處理眼前的一個麻煩，比一次改造全部生活容易得多。

先決定要去哪裡，再找幫手

「幫我做一份提案」很容易得到看起來完整、讀完卻不知道能用在哪裡的內容。試著補上：提案給誰看？對方最在意什麼？這次需要做出哪個決定？哪些資料已確認，哪些還不知道？

你不需要一開始就知道所有答案。也可以請 AI 先列出缺少的資訊，和你一起釐清。把問題說清楚，本身就是合作的一部分。

用一份提案，練習分工

假設你要替地方活動做視覺提案。可以先請 AI 依提供的訪談整理需求，並標出它依據的原文；再請它提出三個方向，各自說明適用對象與取捨。

接著由你回頭核對訪談，挑出值得發展的方向，補進現場經驗與真實素材。與客戶確認後，再推進設計。有需要就找攝影、程式或製作夥伴。這是可嘗試的分工範例，不是保證成功的固定配方。

涉及客戶與個人資料時，先確認使用範圍；也不要把 AI 補出的情節當成訪談事實。

不要只問快不快，也看改了多久

AI 產出很快，但核對、修改與來回溝通也算時間。如果一份初稿省了半小時，卻讓你花兩小時修正，這次分工就值得調整。

《Generative AI at Work》在客服工作情境中發現，AI 輔助能改善生產力，較缺乏經驗的人員尤其受益。這支持我們嘗試工具，但不能直接推成每一種工作都會得到相同效果。自己的任務，還是要自己試。

能力擴張之後，不必每件事都接

一個人能做更多，有時代表新的自由，有時也代表別人開始期待你什麼都包。工具不會替你決定界線。

省下來的時間，你可以拿去多試一個方向、和客戶聊清楚需求、找專業夥伴合作，也可以準時收工。效率帶來的好處能不能留在自己手上，還牽涉報價、組織安排與協商。它不只是一個操作技巧。

下一次，先試一個步驟就好

挑一項重複、容易核對，又不會因一次錯誤造成重大損失的工作，試著交給 AI 協助。事先寫下什麼叫做好，完成後記錄省下多少時間、增加哪些修改，以及下次要怎麼調整。

我們不必用一次合作，決定自己和 AI 的全部關係。可以邊做邊磨合，慢慢知道哪些事情放心交出去，哪些地方要留住自己的參與。

從危機看到轉機，不是保證未來會更輕鬆。是當局面正在變，你仍能找到一個可以選擇、可以開始的位置。