在資本主義利潤為上的精神之下，企業無不奉行任何能節省成本的方法，尤其是裁員=財源的想法，但是，當生成式AI這個風潮興起之後，西方不斷傳來裁員的新聞，不管是科技或者金融，但東方在ai的運用卻還是雷聲大雨點小，這是一個很有趣的現象，依照個人經驗，紀錄一段在公司內部推廣DX活動過程中，觀察到上下層不同的想法的現象。
先特別說明，這邊講的AI都是指生成式AI，從1956年，AI這一詞被正式提出以來，有很多派別發展，但只限於特別專業領域使用，這邊不談技術，不過，說實話，就連生成式AI也還不具備思考能力，而是在找出關聯性，其結果是在龐大的資料庫串聯出機率性的結果，這個可以在另外一篇好好聊聊。
回到主題，首先，東西方本質上性的不同就是成本，西方的薪水物價就是遠高於東方，所以才會提出全球化，將生產製造這種低價值的業務發包給開發中國家，但是在2025的半導體風潮下，歐美國家已經體會到全球化的問題。自從工業革命，生產線發展出現代管理學之後，當不景氣的時候，第一被檢討的都是勞動階級，注意，這裡講的不是管人的管理學，而是生產的管理學，因為KPI基本上就不符合人性，根本不適合管人，而是在講生產。因此，只要任何時代，出現任何工具，加上顧問公司推波助瀾的宣傳之下，資本主義的利潤至上，都是先裁再說，裁員的動向常常都是底層的勞動階層，但是，這次的對象可以再往上了，可以確確實實的向白領階級開刀了，總結一句話，什麼都先叫AI做看看，有什麼問題，再找人來做。
只不過，目前檯面上看得到的懂生成式AI的大佬，在談的都是怎麼用AI，注意，是用AI喔，AI還是助理的概念，至於AI代理，想要取代人，是在階段性的實驗實用，理由後面慢慢會提到，那麼，已經用AI取代人的公司呢，很快會嘗到惡果，需要回頭找人來做，麻煩在於已經被改了一圈，即使真的能找到人來做，又要改，等到真的改好了，又會開始將AI取代人，陷入循環。
東方呢，人力成本太低了，基本上，遇到業務上的問題，能用人解決的幹嘛用系統，找派遣甚至外包來做都還比導入AI成本還低，而且，AI還算不出終端效益，這造成一個有趣的結果，東方的廠商幾乎都不懂自己的終端產品，舉個例子來說，一個做烤箱的廠商總經理出來說自家烤箱烤出來的麵包很好吃，實際上，這位總經理根本沒吃過，同樣的，我們的設備生產AI的基礎，但幾乎都沒有很強力的AI工具。
好了，問題來了，AI是不是真的有效果，不，應該說AI真的有幫助嗎？
先講結論，目前還需要調整，但，很快，只差最後一步，很多顧問公司應該不會講到那一步是什麼，因為他們也不知道，這個部份我非常有體會，因為最近剛好，我們在導入一個新系，需要跟總公司、顧問公司合作，我剛好有現場業務經驗、客戶端經驗以及系統，所以被指派來負責其中一項業務，在導入溝通的過程中，終於體會到為什麼之前推廣DX非常不順利的原因，才能夠理解，其實現在就差那麼一點點。
我們可以先用一項業務當例子，因為目前的AI非常契合。
前面提到，東方的公司高層都不太懂自己的產品做出什麼了，怎麼又會去瞭解公司即將要導入的東西呢？因為高層對於這些瞭解大部分來自專業的外部人員所做的報告，而外部專業在介紹的時候，幾乎不知道這家公司的業務內容，剛好，上面的經營高層也不懂，可憐的是，真正公司的內部人員不知道自己被講成外部人員講成什麼樣子，也不知道這些外部專業畫了什麼大炳，還有一種情況是，上面的經營高層找公司內部人員來問，這些人不敢說不懂，也同樣的天花亂墜的畫大餅，然後，為了這個大餅，從外面找人進來負責，卻不會把資源給底層真正需要的員工，變成了不懂的人來領導真正懂的人。
我們在回到議題上，AI可以取代人嗎？這個問題其實是假議題，實際上是要看業務內容
但是，那些專業的外部人員只會談效益，沒辦法談可行性，我們繼續細談。
我們來看一個例子。
總公司要做一個系統來幫各國分公司統一資料的輸入，節省大家整理資料的時間，在聽取專業的外部人員做了系統之後，結果是～？ 造成各國分公司負責人員的離職
統一！！這件事本身就是個問題
每個國家每個地方的業務流程法規不同，所需要的資料格式跟計算方式也不同，如果想在一開始就統一，總公司是可以達成這個目的，因為只要規定就好，但是分公司卻只能在系統外做各種補救，因為法規不允許，因為客戶不允許，生意要繼續做，就只能做兩套。
好不容易總公司聽進去了，卻找了更多不懂狀況的專業人員來聽取分公司的意見，然後做出更多匪夷所思的決定，說是分公司的要求，追根究柢，他們還是不懂。
上面想看到的跟下面能做到的，常常是不同東西，夾在中間的人其實是個關鍵，什麼向上管理啊，對下領導啊，坊間出了很多書，那都只是個案，在過程當下很痛苦，回頭看看這些矛盾卻很有趣，有機會再好好聊聊。
因此，舉個例子，當上面的人常常說要好好善用AI的時候，要先確認他本身的使用經驗，因為我們不能期待他懂什麼，這在回報進度的時候很重要。
現在的生成式AI是沒有明確的思考能力的，他是查資料整理資料的高手，你給他的指示越明確，條件越齊全，給出來的資料精確度就越高。但是，當上面的人錯誤的期待AI的能力時，他可能會說，叫AI做啊，真的能做嗎，哈。
矛盾的地方在於，常常底層的人很難具體說明自己為什麼很忙，或者需要改善什麼，因為他已經習以為常了，當他已經把這個當常態，如果你要他省略幾個步驟，或者減少幾個文件，或者改變作法，他會有點抵抗，反而會覺得困擾偷偷加回來，當上面的人要求改善，下面的人不想或不知道怎麼改善，由上而下的政策能做得好嗎？
好，那我們請一堆專業的顧問專家進來，那又要看看是否能找到好心的，願意真正去理解實際的流程，對症下藥，但，大部分我們能聽到的都是，這些專家按照標準流程，要求使用者填寫一堆資料，提出一堆需求，然後再說這個不行那個不行，做了很多似是而非的方案，再提出不知道怎麼湊出來的數字，上面的人看了很高興，下面的人看了猛搖頭。
因此，從來重點只有一個，能夠讓執行的人自己提出自己能接受的改善方案，這是一個非常詭異的論點，很多人其實是不知道自己在做什麼的，也不知道自己能改善什麼，就只是奉令行事，然後，在檯面上風光的是那些專家領導，吞下苦果的是使用者自己。
最近，我看到的消息是，自己培養出來的AI取代了自己，注意，不是AI取代了自己。
對，所謂的最後一步就是培養，而不是直接使用既有的商用AI。
道理很簡單，執行上卻很困難。
效率好能力高的員工都有他自己的一套，不管是小工具，或是抓重點，就是比別人快，像是寫個公式、函數或是巨集，都可以減少一些時間，是不是把這些工具給別人用，就可以複製同樣的效率，是不是叫這個人當主管，其他人就可以有同樣的效率，這裡有個前面提過的迷思。
先來稍稍談一下管理是什麼？
當福特推出流水線，骨子裡就是在講標準化的時候，就是希望每個人的表現都能是一致的，設定一堆目標達到一定的績效，但，這個前提是每個人的能力都要是一樣的，不一樣的話呢，那就推出一堆課程來期待你變得一樣，事實上，歷史的經驗告訴我們這是不可能的，人就不是機器啊，怎麼要求做到一模一樣。
奇怪的是，以結果論來看，一切還真的變好了，當然，這裡面有很多故事可以說。
岔題講個例子，我經歷過幾家公司，人事部門都會找外面的專家來教育怎麼跟部下談事情，幾乎第一個都會提到同理心，先用"怎麼了"起頭，對方講完之後，再用"你講的我都懂"或者"我也跟你一樣"之類的用語，想要用這個同樣的模板套用在所有人身上，但，當部下聽到"怎麼了"的問句，有人的內心反應是"明知故問"，有的人是"管你屁事"，有的人是"講了也沒用"，然後再聽到"你講的我都懂"，幾乎都是覺得"又在假惺惺了"，結果員工關係越來越差，然後，繼續再找專家來開課改善員工關係，再成立一個專責單位來負責，這就是想用一套標準套用在所有人的結果，不是不能做，是有前提的，這個現實的前提，歐美公司願意出，但亞洲公司很難。
有一句話可以形容，初心是好意，行事是惡意。
好，再回到主題，同樣的，我們也是被要求把這個邏輯套用在現在的工作，定義出標準流程，然後要每個人都做出同樣的結果，之後再降低成本，提高效率。這樣的管理邏輯講了每個人都懂，卻只能聽聽而已，結果績效就很難打，然後HR繼續找專家開課來談績效，一切的一切在一開始就已經錯了，卻沒有人敢與眾不同，棒打出頭鳥啊。
不過，生成式AI橫空出世，讓這件事情變得簡單了，因為，管理就是要所有的人做出一樣的績效，那AI的能力是一樣的而且還是通才，可以隨時跨領域，在利用設定做出同樣的事情，複製貼上，不過，當然目前還有難度，前面有說過這是機率性的結果。
但，為什麼亞洲的推行跟裁員沒有那麼熱烈呢？除了AI目前的成本還是很高，而亞洲的人力還是很低之外，還是看不到很明確的效益，當然還是有幾個業務是很明顯的。所以專家們不斷的降低AI的能源消耗，不斷的創造更多能源，等到出現傑文斯悖論現象，就會出現殺手級運用，就像網路要出現Google，YouTube，FaceBook，電商，這時亞洲也是得改變。
那麼，該怎麼自保呢？有人說跟人有關的工作不會被取代，這不是很矛盾嗎？人就要被取代了，還會有跟人有關的工作嗎？踢球的、打拳擊的，如果都變成機器人，那麼出現運動傷害是要找誰？難道機器人要去找心理治療師？
目前，只有高教育程度的勞動工作可能還暫時不會被取代，目前2025的半導體就類似，每次聽到電視上的名嘴在屁台灣的半導體時，我就在懷疑那些名嘴有多少人待過半導體，二十幾年了，我越發覺得半導體就是資本跟勞力，而且只有台灣才可以，就像日本有職人精神，美國有研發精神，這裡我跳題稍稍講一下台灣暫時不會被取代的理由。
我們不討論各國都有的半導體專家，也不討論各國都有的經營天才以及他個人的成就，我們要講的是與其他國家不同的地方，以個人親身二十幾年的經驗，再搭配上張爺爺說過的話，精簡台灣有兩個與他國完全不同的特質，白話、難聽的說，就是台灣的小以及工程師的奴。
我們綜觀張爺爺的演講發表內容，都脫離不了工程師跟移動方便，關於這一點，何資深副總曾明確的表示，「如果發生地震，我想所有工程師都知道，他們必須盡快回到公司，當時幾點都不重要，就算是半夜，他們也要回來」
台灣的小，才能讓各廠區的工程師在各廠區隨時調動，當台南發生狀況，半天的時間就能夠從新竹調動工師到台南，復原動能驚人。
所以，再加上工程師的自覺，即使在半夜被地震驚醒，第一直覺反應不是考慮家人，而是廠內機台的狀況，這個已經在美國驗證過了，只要下班時間到，就可以知道，個人時間與工廠哪邊比較重要，還是需要台灣人救場。另外一個體現就是彈性，任何計畫，只要有變化，隨時都是可以修改，這個常常讓人措手不及，而且，一直感覺沒有進度，但，老闆說了算，台灣的工程師一直在面對這樣的彈性，才能應付各種突然狀況。還有一個微觀世界的特性，我在大四上量子物理的課時，教授說這個世界就是機率。就只有彈性才能對付機率。
講這些只想強調，例外、彈性，這些人類才能處理的狀況，AI能怎麼做。
現狀的生成式AI適合做什麼呢？又該怎麼讓AI實用呢？
先來檢視2025的狀況，生成式AI正處於從助理變成代理的轉換，因為使用生成式AI的問題點是要能夠使用正確的提示詞，才能得到相對正確的答案，暫時還需要提示詞工程，但又不是每個人都能夠寫出正確的提示詞，雖然有context, loop, Harness，究其根本，只是把提示詞再包裝，變得不那麼明顯。
暫時來說，目前需要簡單提示詞，而且產生的結果是不需要再處理的業務，就比較適合使用生成式AI，反過來說，生成式AI的訓練方針就該是只要能夠根據使用者的反應給予簡單的指示，運用的場景則是在只要獲得結果就好，注意，這裡說的是針對一般使用者，對於專業的使用領域，生成式AI能運用的方式跟好處太多了。
畢竟，現在討論的生成式AI，還是在助理階段，必須接收正確的指示才能夠執行，對於一般使用者來說，這個難度有點高，只要把生成式AI當成客服機器人，對使用者的問題給予回答就好，而且，生成式AI還有更好的優點就是沒有情緒。
當生成式AI被訓練出來之後，還會經過調教，可以調教成不同的個性，再配上溫柔的語音，耐心的聽完不斷重複的抱怨，不厭其煩地說明單調的步驟，可以說是最佳的運用，但，這帶來的效益太低了，因為目前從事這些工作的薪水很低，用高成本的生成式AI來取代這些人力，根本就是浪費，那，怎麼辦。
其中一個方法是娛樂，這也是只要給予指示得到結果就好的運用，修改圖片，創造影片，帶來娛樂效果就會有跟風，但，這太短暫了，尤其現在人們對刺激的滿足度越來越短，想要付出的成本越來越低。
終究，還是要盡快取代薪水較高的白領階級，至於要怎麼做，前面有稍微提過，稍後還會再詳細談，這裡先快轉一下，如果真的AI代理這些目標群會怎麼樣，首先，討論一下被代理會是怎麼樣的人，其實，已經有很多報告，AI大老也有喊話人類工作要被取代，大體來說呢，取代對'ˋ就是薪水成本占比相對高的中間階層，至於最下層的成本很低的勞動者，跟最上層負責檢查跟決策的管理層，有可能某種程度，基於利益或成本考量還是會保留，那麼，佔據日常消費大宗的中間階層被取代，沒有了收入，減少消費，經濟會是個問題，生活跟生育就會受到影響。
但是，為了AI已經投如了大筆資金，必須要先讓AI獲利，有兩個方向可以討論，對一般人來說I從娛樂方面，對企業來說，從業務效率方面，不過，都要讓所有人學會怎麼用AI，作法就跟微軟一樣，一開始讓大家用盜版免費學習，之後就要開始回收了。
到目前為止講的是從事的角度來看，真正在推行AI的還是要從人的角度來看，娛樂方面目前看來應該沒有問題，但，企業方面，還是在摸索階段，精簡的說有兩種原因。
一種是不懂新技術的人，一種是錯誤的策略。
不懂新技術的人不一定是老人，有些新人也抗拒原本的世界被改變，不想離開舒適圈，以我身邊的例子，同樣在說明新的自動化方法，有的人是哈欠連連，有的人則是興致勃勃，這個在哪個年紀都一樣，不要說老人守舊，也不要說年輕人就會求新求變。
最可怕的是提出錯誤的策略，前面有提到的，主管說我不懂AI，你們去想怎麼改善就好，改革本來就是由上而下，還有的主管是說不要讓我學AI，教我怎麼用就好，有的主管則是認為連用AI都不要，而是公司應該建立一個自動AI化的環境，老實說，如果能真的自動AI化，那種環境就不需要人了。
當我聽到有AI顧問公司要招募現場解決工程師，提供AI解決方案，讓我聯想到一個很有趣的問題，我接觸過的顧問公司給我的經驗，從來都不是顧問公司的名氣在解決問題，而是好的顧問送你上天堂，但，選擇顧問公司的時候卻是靠名氣。
然後，現在的資本主義+管理學+技術，是互相矛盾的，想將AI導入企業是沒那麼簡單，跟研發設計那些重複性的驗證不同，這邊講的矛盾是在一般的公司行號。
我們熟知的資本主義的公司，就是要上股市，大勢宣傳，讓股價越來越高，所以需要很多獲利的題材，但，生成式AI的發展還不到讓公司獲利的程度，我們目前為止提到的內容，都還只是在講效率，而且是主管自己都搞不太懂的效率，甚至有些主管還拒絕去了解。
因此，回到根本點，要怎麼運用生成式AI，實質上，該要清楚的，應該是最基礎的執行工作的下層員工，他們知道哪裡是浪費時間的地方，哪裡需要幫助，問題是他們講不出要什麼幫助，而上層主管只知道要更多的人才處理這些工作，也找顧問來協助導入AI，如果顧問不懂實際上的工作，比如，他知道需要一個敲東西的工具，但是不知道要敲的是鐵釘，而是給了一個橡膠槌子，然後報告工具導入完成也能敲擊就走人了，因為驗證報告都是照他們的格式設計的，等實際運用時，當然就是不能用，花了時間跟費用，喊了一堆口號，主管追求時代的新技術，帶來的結果就是增加更多的成本。
怎麼說呢？讓人哭笑不得
而且，在上中下的三個階層，都有對AI關心或不關心的人，其實，這也不是在AI才會出現的現象，而是一個新技術出現的時候，都會看到的現象。
關於上層呢，我遇到不同的長官，粗分為三類。
第一，很急或好大喜功的主管，想要在新技術或新領域取得績效，基本上是屬於跟風型，很會做場面，常常位子坐得很高，但不是很懂，所以很好騙，只要投其所好，想要什麼就有什麼，不過，我不太能跟這種長官相處，因為跟他講實際面，他聽不下去，他只想要績效跟KPI，我也知道要提出成果，比如現有的工具可以知道會有什麼效益，安排推廣計畫，依照推廣比例人數，就能算出績效跟KPI，但，新領域或新技術，就是還沒有實際的東西可以運用，第一步當然是先讓概念性的東西試行再來計算，這個階段都還沒有，就在談KPI有多少效益，我個人是覺得滿虛的不敢講，不過，也是有臭味相投畫大餅的人，這些人就會狐假虎威，壓著其他人說這是老闆們的要求，最後再要其他人畫押說有改善。
第二，是真的有興趣且有研究，會跟你談這些新技術或新領域，然後該怎麼規劃，但，這種主管通常不得志，因為太務實了，即使能爬到上面的位子，也有可能被冰起來，因為不會畫大餅，不得上面的喜愛，所以，我只會把新技術當作一種興趣跟他們聊天，至於他們很認真的規畫要做什麼，就聽聽就好。
第三，就真的是沒有任何興趣也不想知道的主管，他們只想安安穩穩的退休，不想碰新的東西不想找事做，這個有好有壞，好的是他也不會管你做什麼，自由度很高，壞的是他不懂你做什麼，你解釋半天，他也不懂價值在哪裡，績效一般都不好。
再來講到中間階層，基本上，因為站到舞台上的高階主管都是會畫大餅的，中階主管怎麼接招呢？也只能訂出莫名其妙的KPI，前面已經說過，KPI本身就是一個莫名其妙的名詞，真正為了資本主義而發明卻不切實際的名詞，那麼，以這種不切實際的名詞，去設計出的評斷方式，怎麼能正確地反映出狀況呢？所以，我接觸到的中階主管都會跟我抱怨，老闆都在天馬行空，這個時候，只要有人跳出來說我有一個對策，那就對到老闆的胃口了。
剛好我手邊有一個類似的例子，一個下層主管帶著他精心開發了一年的專案來報告，號稱可以改善工程師效率，省下文書業務時間，經營層非常高興聽到這個成果，急著要推廣到全公司使用，IT主管也表示已經找過各個業務單位的部門長報告，會全力支援，所以，經營層設了一個三個月的期限。
聽起來是一個正向、積極的專案推行，實際上，發心也是好的，老闆聽了很高興，下令推廣全公司使用，其實他原生部門本身的接受度還不高，其他部門接觸之後也都覺得還要再做很多的客製化，比如，他們發表時提到已經用系統做交接跟派工了，隔壁組還在用白板，放著好東西不用，那下層主管一直認為他在推廣好東西，其他人應該要接受。
但，常常，經營層跟底層工程師的想法就是會有那麼個的差距，所以，有可能會是什麼樣的發展，我們把細節展開來分析看看。所謂的節省半小時以上，是已經將資料都輸入進去之後的結果，原本是用口頭或手寫的方式，改成手動資料輸入之後，其實花了更多時間，這個輸入方式還在想辦法改善，會議上卻沒有提到，如果要將這個方法推到所有業務單位，就要考慮怎麼根據個別的使用習慣做調整，但，在老闆面前，一直報喜不報憂，說不需要調整，可以直接套用。原本業務單位都還要再調整的系統，拿到其他業務單位就不用調整了嗎？
然後，是一個我每次在聽這種專案時，個人一直都會有的疑問，底層工程師是怎麼想的？
認真來說，這個題目是要改善工程師的業務效率，而，我在會議上聽到的是，改善派工花費時間，改善產生報告的時間，怎麼聽都是改善基層主管的需求，這也是好事，但，在對外宣傳或對上說明的時候，這些主題通常會模糊掉，比如，經營層解讀成這個對工程師有幫助吧？而反問的時候，當場有多少人敢說"不對"，現實上，是沒有。
雖然我們都知道，這個東西最後還是會推到全公司，因為已經打著老闆的名號到處宣揚，大家還是會給上層面子，實際上雖然會用的會用，不會用的還是不會用，不過，推廣率百分百就可以交差了。但，整個專案推行下去，有多少工程師，會因此受益，或者，該說，受益的對象是誰，就不是這些人關心的事了。
從一個要推廣新事物的角度而言，這裡有一個老生常談的觀點。
由上而下來推廣新事物是最快但也最可能出現反效果，由下而上推廣可能會貼近現場但很難推動。其實，還有一個很現實的問題，是不是真的能夠解決需求，要回答這個問題的方法一直都沒有變，那就是去了解問題背後的問題，當工程師說文書業務很多，系統很多，而上層聽到這個問題，就直覺要求檢討怎麼減少文書業務，怎麼減少系統數量，但是，實際上去瞭解，所謂的文書業務很多，其實是在找資料，要在不同的系統找資料然後統合，對策就是讓找資料這件事變得簡單，但是，常常會變成再做一個系統來找資料。
前面有提到，我剛好遇到總公司要導入新系統找了世界第一的顧問公司來協助，對於一個已經五十年以上且工廠在日本國內，而有各國海外分公司的企業而言，要導入新技術，這四年的時間，讓我感觸非常深。
那麼，我要怎麼真的讓AI解決呢？ 我們再回頭檢視一下
老闆說他不懂AI，中階主管對AI帶有期待，下屬則認為AI是娛樂，我們還沒談到下屬、基層員工，這個撐起一家公司業務的角色。
每個人的個性不同，管理是一件很麻煩的事情，雖然市面上有很多在談管理的書籍，但是，你很難找到適合你環境的書籍，因為環境跟狀況一直在改變，人的想法也在變，相對來說，AI就是一個很好的員工，它是預先訓練在調教之後的模型，出廠之後，只要給它很嚴謹的條件跟邊界，每個AGENT的表現都一樣。
也就是說，每個人的個性都不同，每個人的反應都不一樣，那麼，我們就先來談談基層員工的看法：有很積極的，一直在關心新工具的導入，一般來說，配合度會很高，但，沒有達到期待值，失落感也會很重，只要出現幾次失敗，找不到運用的方法，反而是最快變成對立面的人。
當然，也有那種事不關己，完全不想配合，自己做自己的人，這種人一開始很麻煩，他們是要先看到好處才會動的人，只不過，一旦成功使用了，反而是最配合的人，因為已經內化成他們我行我素的行為模式了。
還有一種中間派，公司說什麼就做什麼，這種人最麻煩，表面上看似配合，但其實就是照做而已，幾乎不會去思考有什麼效果，然後就失敗了。問題是大部分的員工都是這個種類。
還有一些是積極求表現的人，跟前面的積極不一樣，這些人只關心會不會被上層主管看到，一邊到處遊說自己的成果，一邊說著老闆愛聽的話，諷刺的是，一開始想要讓導入新技術變成話題，就要靠這些人，但，最大的風險是很容易走偏，因為一旦進度不如想像，他們會不斷的影響主管改變目標，最後好像專案成功了，只不過，是他的目標成功，而不是其他人期待的目標成功，就會讓人更討厭這個專案，又沒有人敢講出來，因為這時候，老闆應該是大肆表揚這種人，你去指出這種人的問題，就會讓事情變得更複雜。
那，專案大概是怎麼成功的呢？就是有些意想不到的人，突然發現了好用的地方，再慢慢地傳出去，這個發酵的過程很不一定，而我，就想找出那些人去找出好用的地方，自然就會縮短這個過程了，具體上，該怎麼做呢？很麻煩，因為都是吃力不討好，看不到成果，又很耗時間的工作，這一個部份，我們留到最後面再來細說。
因為當新聞沸沸揚揚在熱烈討論AI的使用時，我卻在公司觀察到另一種人，這些人在試著使用AI，然後嫌棄地說道這個結果好爛，轉出來的文字品質很差，表現的嗤之以鼻，然後重聽會議錄音，自己手敲會議紀錄，就是在強調還是需要自己來做，"我"才是有用的。
但，前面就已經說過，生成式AI目前就是機率性的生成，目前的學習都是在掌握如何讓AI產生我們要的成果，越快掌握就越快嚐到甜頭，prompt,context,harness,loop 都是在談怎麼執行這件事，怎麼讓AI產生符合你期待的結果。
還有些人一開頭就認定了AI是無所不能，講一句話就該知道他們要什麼，實際上，不管AI再怎麼聰明，AI還不會讀心術之前，還是要乖乖跟AI講清楚，但，有趣的是，這些人看著別人靠AI只花幾分鐘就得到幾小時的成果，不僅不想學習，卻反而酸言酸語的說這什麼東西，我看不懂。
那麼，有這麼多不同類型的人，該怎麼樣讓AI落地，落實到日常業務裡。
其實，有趣的是，前面有提過，反正一定會成功，如果有問題，就換個負責人說需要調整，然後重新再來，我們在底層的人就不要想太多了。
好啦，說正經的，當我們想務實地在談落實這件事的時候，要先搞清楚自己跟誰在談什麼。
