過去半年，我用生成式 AI 的學習與觀察

過去兩年，算是生成式 AI 大放異彩的日子，幾乎每個月都有重磅的服務推出，底層技術也刷新了好多次。我自己在過去半年因為時間上有較多的空檔，研究並且玩了好幾套 AI 工具，目前有些服務都已經成了我日常會使用的工具。

我常用的工具

NotebookLM

被我用來整理我過往的內容與提供寫作建議，有時我需要一些內容架構或英文縮寫字時，我會請它給我 idea，它總是能給出許多我花大把時間都不見得想得出來的內容。當我想寫一篇特定主題的內容時，我會先請他幫我整理我對該主題過去發表過的觀點，在過往觀點上做出修改，文章產出的速度就可以很快了。

我在寫書過程中，為了優化想法，我請 NotebookLM 給出的建議。我給了他大綱，然後請他幫我為每個部份找一個代表英文字，每個部份的英文字的首字結合在一起要是 VISION。他產生的又快又好，讓我很快地產生了新的想法。

ChatGPT / Perplexity / Microsoft copilot

通常是為了查詢資料，但知道用關鍵字慢慢查很花時間，這時我就會用這兩個服務來輔助。像我上次查「佐克伯這兩年為什麼比較少出現在媒體上，他有刻意在調整嗎？」我很快就能得到一些有價值的回覆，跟相關的參考資料，但如果我用 Google 去搜尋這些，關鍵字要怎麼下，說真的還得花上不少功夫。

或者是關於數據分析，我自己可以一層一層拆解數據，然後找出洞察，但現在我也可以透過 AI 很快地幫我找出圖表呈現的偏誤，以及可能的偏誤來源在哪。

Github copilot / Cursor

這是被我用來試驗現在的 AI coding tool 到底有多強，必須說，真的頗強，完全可以大幅降低程式開發的進入門檻，讓不會寫程式的人，可以透過寫簡單的程式來大幅改善自已的生產力。對那些會寫程式的人來說也會有幫助，只是後續的維護需要傷點腦筋了。

除此之外還有一些像是沉浸式翻譯、Monica、Memo AI 等工具，其實我也都會使用。

上面這些工具，在過去半年都幫了我不少忙。

可我身為一個強調效率與簡單化的人，我的原則是，能自動化的事情，我就不想自己做。

如果能每天幫我提供寫作建議，那我就不用自己去 NotebookLM 中查詢；

如果可以自動幫我收集我感興趣的資訊源的內容，並幫我做好摘要並寄到我信箱中，我就不想自己每天去滑 RSS；

如果可以幫我把一堆產業報告分析好，並根據我的偏好做出篩選，那我每天能接觸的資訊量就會數倍提升。

圍繞著我的生活與工作所需，找出更有效的解決方法，這是提升效率改善生活最重要的事情之一。

而現在的 AI 完全能做到這些，即便不是百分之百，也已經大幅減少許多工作時間。

Zapier / make / n8n

所以前陣子研究 AI 的任務開始轉往 No-code / Low-code 這類整合串接工具去，一開始先看 Zapier，後來有人推薦 make 跟 n8n。因為入門都不難，所以很快地都玩了一遍，如果有不懂的地方，以前我習慣逛論壇，但現在我會先問 AI，AI 真的很強，給出的步驟說明，可能還比官方的說明文件更精確，很多時候按著設定你就能搞定了。

除了這幾個工具外，之前我也會使用 Power Automate，如果你公司是微軟掛的，那這個工具可以做非常多的事情。

如果你學習了 AI 工具，我會建議你一定也得學習這些把 AI 工具整合在一起的 No-code 工具。

爬蟲、翻譯、摘要、發送郵件都是個別的服務，如果你想要完成這幾件事，過去你得一個工具一個工具去使用他，但是當你學會用 No-code 工具後，你有機會一次搞定。

這類工具你只要學會一個，懂得如何規劃流程，如何拋接資料，如何處理不同情境，你會漸漸成為一個 AI 自動化專家。

未來職場價值的遷移

去年我曾在一場分享中提到，生成式 AI 帶來的最大變革，其實是改變了人與機器的互動模式。

最早期人與機器只能透過像開關這種介面來溝通，像是電源、離合器等等，後來漸漸的演進到透過命令列，也就是指令來互動，但命令列模式的問題在於進入門檻真的太高了，加上要熟記許多複雜的指令，搞到最後只有那些專業們才有辦法好好使用電腦。

後來圖像人機介面(GUI)出現，我們開始可以用滑鼠在畫面上點點點就完成了與電腦互動任務，這件事一直延續到現在。但在這個階段，我們始終得理解操作一個軟體或資訊系統的步驟與流程，學習成本與進入障礙還是存在的。

而生成式 AI 的出現則解決了上述問題，他讓人類可以透過自然語言跟機器溝通，我們用說的，或者用肢體動作就能與機器互動了。

這意味了，我們可以用我們更熟悉的方式來表達，而不需要遷就機器。

以前工作上的競爭力，很可能是看誰記得更多工具的使用訣竅，熟記了更多的指令，知道更多工具的使用方式，這是因為熟悉這些東西人，可以更好的跟機器協作。

這些人的不可替代性很大比例在於他們懂得如何讓機器產生巨大的生產力。

但未來，我們愈來愈不需要去記這些指令與步驟，我們可以直接說出我們的需求，以 AI Agent 為中介直接與機器溝通，把問題解決。

所以未來職場的競爭力會體現於，誰更懂得善用 AI 來解決「有價值的問題」，而不是誰熟記了更多的指令。

上面講的這些，有些是現在進行式，有些則是未來幾年一定會發生的事情。

未來使用 AI 工具，將會像你現在使用 Google、Excel、Powerpoint 一樣普遍，但與過去不同的是，以前你是接收指令做事，你只要把 Excel 用好，把樞紐整理好就好。但未來這些工作不花你多少時間，你的工作重心必須移轉到需求本身，也就是應用場景與背後對應的商業價值。

我相信未來具備下述能力的人，將會是職場上最炙手可熱的人才。

• 能釐清需求，知道要解決什麼問題，以及背後的價值。
• 知道什麼工具能解決問題，並能與 AI Agents 協作。
• 懂得規劃流程，能將一個完整的任務作拆解，並交由多個 AI Agents 去完成。
• 懂得整合，知道如何透過 No-code 工具來整合多個 AI Agents，讓整個過程自動化，大幅提升生產力，同時降低錯誤率。

跟上時代進步，別跟世界脫節

我們理解與學習新科技，不僅僅為了完成手邊的工作，更重要的或許是免於被淘汰，免於自己跟世界脫節。

看看 AlphaFold2 在生物學與基因工程上的突破：https://www.facebook.com/share/p/1HSWJ5YPam/

看看 AI 在基礎學科教育上的突破：
https://www.facebook.com/share/p/19vLgz6yhJ/

這些都能讓我們意識到世界正在改變，AI 取代的永遠不是人，AI 反而啟發了我們，讓我們知道解決問題其實有更簡單的方法。

別當 AI 的競爭者，而是當 AI 的使用者，雇用 AI 來幫你更好的完成任務，雇用 AI 來幫你省下更多的時間，雇用 AI 讓你可以將時間花在更重要的事情上。

如果你覺得我內容寫得還不錯，歡迎訂閱我的電子報，我每雙週會發送一封電子報到你的信箱。訂閱連結在這，過往的電子報也在這：Gipi電子報

也鼓勵你可以將我的電子報分享給你認為有需要的朋友們，也許你的舉手之勞，將會改變另一個人的思維與習慣。