AI 是一面照妖鏡
2022 年我開始自學前端，到 2026 年的現在，也擔任前端工程師將近兩年，經歷 Copilot、Cursor、推理模型、多模態、Agent 等工具陸續問世，行業生態的變化更加劇烈。如果你常看社群媒體，可能會感受到 FOMO 蔓延得越來越嚴重，甚至影響到自己的心情。
AI 是輔助決策還是麻痺思考
AI 搜尋功能還沒出現之前，我已經遇過不少將 AI 的回應「直接」拿來交付的案例，例如課堂作業、學生專題、發 PR、簡報摘要等。
善用 AI 沒什麼不好，我也愛用，而且確實減少很多自己搜集與彙整資料的時間。我自己不太擅長發想（唯一擅長的發想大概是講一些北七冷梗），比較擅長挑骨頭，AI 就能幫助我腦洞大開，在前期規劃中做一些發散性的探索。
「凡事都要過問 AI，對決策沒有把握」，職場上多少會感覺到越來越多這樣的人。
因此你最近常常：
- 參加一場主講人也不知道自己簡報內容是什麼的會議
- 認真地根據現況做分析、提出方案，但 3 秒就被一個 AI 臨時生成的答案回絕
- 被不清楚你的專長的人拿著 AI 的回答質疑你
這種現象也讓我感到不少困擾，因為 AI 不但沒有讓溝通成本降低，反而讓人更頭痛了！
龍哥（高見龍）在演講中提到的放大器正是這種現象的寫照。願意認真思考自己需要什麼的人，AI 加速他們達成目的。不想思考的人，AI 膨脹了他們的災難。
我認為 AI 是用來輔助決策的工具，而不是省略思考與溝通。
團隊合作的糾紛，大多萌生於思考與溝通的過程。沒有共識、無法對齊的時候，團隊沒有選擇努力化解，反而還不想面對彼此，這時 AI 只會擴大這道鴻溝。
思考與溝通，就是身為人的責任，省略這個過程就是逃避責任，既然本來就不想面對，那要怎麼期待這個決策可以服眾呢？如果不能服眾，就更難期待 AI 吐出來的答案可以凝聚共識了。
「人」的問題沒有解決，就不可能交給 AI 解決。
寫 code 的時間本來就很少
在軟工行業打拼的朋友們，可能對以下現象略有耳聞或親身經歷：
- 公司導入 AI 工具，但是大幅提前交付期限
- 看 token 用量算 KPI
- 非開發單位的人拿著 Vibe Coding 的成果問你「我都可以，你為什麼不行」
寫 code 其實只是工作的一部份，並不是一天工作 8 小時就真的 8 小時都在寫 code，不熟悉軟工職能的話，蠻容易產生這種誤解，所以才會有「反正 AI 寫 code 那麼快，多做一點事或縮短工期也蠻合理吧」的傳聞。
AI 讓過往寫 code 的壓力降低了，但其他的工作事項仍然存在，我們還是要討論需求、評估可行性與風險、系統架構等等。
AI 可以輔助我們發想、彙整這些規格，減少文書作業的勞動量，但同上一段說到的，倉促的決策卻從常態變成惡夢。
如果組織之間本來就存在溝通管理的問題，並不會因為導入 AI 後就憑空搞定，反而會更快凸顯這些問題衍伸的決策帶來的混亂。
AI 應該是可以理性地梳理這些我們感性上不想面對的麻煩事，根據現況提出一些可能性，讓大家誠實地面對這些問題，而不是用更糟糕的決策去補救上一個糟糕的決策。
保持思考，盡力溝通
AI 也在工作場域中帶出了多巴胺過載的現象，讓人沈浸在快速產出的快樂，漸漸沒有耐心來思考，彷彿只要夠快，決策與成果的品質就沒那麼重要。
但出錢的人才是衣食父母，業主期望的就是花了錢要看到效率跟效果。這不是我個人的消極看法，而是在資本世界中最純粹的供需原理。所以雖然我覺得頭痛，但不會拒絕合作，畢竟我一個打工仔馬洗愛炭吉 XD
當然，放棄溝通、人家要什麼就給什麼，也是一種應對方式！「只要我講得合理、舒服，就可以說服對方」並不是努力就可以達成的事，我們只能調適自己心態，告訴自己真的有努力溝通過了。
管理層面的問題需要大家討論出共識，建立規範與標準，但這個過程大多比較漫長，而企業有時候就是必須快速拿出成果的燃眉之急，暫時權衡不了這些事。
當大家都有各自的堅持時，還能保持思考、盡力溝通，才是難能可貴的，也是我認為面對問題應該要有的態度。AI 是科學的結晶，但不是機械降神的萬靈丹，只是一面照妖鏡。