top of page

人機互補 釋放新潛能

不久之前,我向一位自稱「AI(人工智能)絕緣體」的朋友介紹了ChatGPT,他從沒想過,自己會親手用它完成一份財務分析報告。那天他看在眼裏,AI在兩分鐘內生成了一份原本需要一個團隊耗時兩周的矩陣圖表。他對AI的認知,徹底改變了。 根據世界經濟論壇的《未來就業報告》,到2030年,近40%的核心職業技能將被重新定義。但這場變革,相信並不是像科幻片裏上演的機器取代人類那樣悲觀,而是我們要學會如何更聰明地使用AI。 筆者愈來愈清晰地意識到,真正的危機,不是被AI淘汰,而是被那些更精通AI的人扔在身後。 如果你曾親身體驗現在的AI工具,首先令你感到震撼的,就是它驚人的效率。過去要花幾周完成的商業建議書,DeepSeek只需要一杯咖啡涼掉的時間便可以完成。曾讓團隊埋頭苦幹整理的會議紀錄,現在只須對着語音轉寫工具說一句就能自動生成。這不僅是「快」,而是徹底重構了我們工作的本質──就像計數機解放了人類的計算負擔,AI正在釋放我們的認知帶寬。 然而我也慢慢察覺,它的弱點也非常明顯。有一次,筆者總結某公司數字化改革的案例,AI精準列出了10項舉措,卻完全沒有提到IT部門和業務部門之間的持久拉鋸戰。那一刻我明白了:AI只能捕捉有限的訊息,它也可能沒意識到人性的複雜,甚至欠缺時間及空間的觀念。 當前AI給我們的機會是,你不需要學懂神經網絡才能用AI,就像我們開車不需要學會內燃機原理,關鍵在於把AI嵌入我們的思維中,省下來的時間,可以用來做更深度的思考。 很多人可能認為,AI是專為年輕一代打造的產物,筆者認為這種偏見正在崩解。與AI協作最精妙的地方,在於清醒地知道它「不懂什麼」,這種局限,反而錨定了我們人類寶貴的經驗。事實上,世界上還有大量的經驗,並未被大模型所覆蓋。 這不是一次工具的升級,而是對人類專業知識的重新定義。當科技能模仿我們的大腦邏輯思考時,大家何不反思一下,人類的學習方式未嘗不需要一次重大的升級。筆者一直認為,人類的能力將得到進一步提升,與AI之間可以互為補充成為新的智人。

Recent Posts

See All
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
bottom of page