上班族的 AI 任務分配心法：3 種「人 × AI」工作模式 (讓你不管 AI 怎麼改版都不心慌)

AI 進步的速度,已經快到讓我覺得「只學 AI 工具」這件事很危險。

四月中旬,ChatGPT 推出了 Image 2.0。這之前,Google 的 Gemini Nano Banana 在中文圖片生成上一直是壓倒性的優勢。

結果一夕之間,被翻盤了!!!

那一刻我意識到:

我花時間摸熟的某個 AI 工具,可能下個月就被另一家公司用完全不同的方式取代。

這禮拜我在上 Anthropic 推出的免費課程「AI Fluency: Framework and Foundations」,講師自己也說了一句挺誠實的話:

這堂課是 2025 年錄的,但也許 2026 年看可能很多工具都已經改變了。

那我們到底該學什麼?

這篇文章記錄我上完課程一半之後的 3 個反思,特別是關於我每天到底是怎麼跟 AI 互動的這件事。

---

反思 1:AI 工具會過時,跟 AI 互動的原理不會

這堂課跟我過去看的 AI 課程很不一樣。

市面上大部分 AI 課程在教什麼?教 ChatGPT 的提示詞怎麼寫、教某個特定 Agent 怎麼設定、教某個工作流程怎麼用 N8N 串起來。

這些內容很讚,但問題是…它們會過時!

ChatGPT Image 2.0 的例子就是現成的證據。我如果三個月前花了一堆時間研究 Gemini Nano 怎麼生中文圖卡、寫了一份 SOP,現在這份 SOP 的價值就大打折扣。

這堂課教的其實是另一個層次的東西。

它在教我「人類跟 AI 互動的底層原理」。不管未來 AI 工具長什麼樣子,這些原理都還適用。

我想到這就像學程式語言。

可以選擇學某個框架的特定語法,也可以學程式設計的基本概念:

• 前者學得快、用得快,但過時得也快
• 後者一開始很慢,可是學會之後切換工具的成本就變得很低。

我自己的策略是後者。

具體的工具操作我用 AI 去學就好,反正 AI 比我快(人類不可能比 AI 強!!!)

可是底層的互動原理,我願意花時間自己讀、自己想清楚。

反思 2:Automation、Augmentation、Agency 是我每天都在做、卻沒想清楚的三種模式

課程介紹了三種人類跟 AI 互動的模式。

我看完之後最大的感覺是:這些事情我一直在做,可是從來沒有把它們分得這麼清楚。

第一種是 Automation,自動化

AI 接到我的指令、按照指令把事情做完。例如:

• 總結文件
• 寫一封 Email
• 規劃一份旅行行程

這種模式的特徵是有明確目標、有明確結果。

我的日常工作裡,大部分跟 AI 的互動都屬於這一類。

第二種是 Augmentation,增強

我跟 AI 一起合作完成一件事。

舉兩個我自己的例子:

1. 寫部落格
2. 使用卡片盒筆記法

寫部落格文章的時候,故事和觀點是我提供的,可是我會讓 AI 去搜尋佐證的數據和案例,我們兩個一起把文章拼起來。

寫卡片盒筆記的時候,我會先寫下自己的想法,然後讓 Claude Code 去讀我過去的卡片(我不讓 Claude Code 直接幫我寫卡片)。

我讓 Claude Code 針對我這個想法反過來丟三個問題給我。我再透過回答問題來推進思考。

AI 在這裡的角色是提問者。

第三種是 Agency,代理

AI 自主地按照固定流程把事情完成,我不需要每次都下指令。

我目前在 Claude Cowork 裡安排了三個固定的代理任務:

1. 同步部落格文章:每天把我個人網站上的部落格文章同步到 Airtable,變成一份隨時可查的文章目錄。未來合作夥伴要找文章,就有現成資料庫。
2. 備份部落格文章:把這些文章存成 Markdown 檔案到本地端。當我寫新文章的時候,可以把舊文章丟給 Claude 當思考脈絡。
3. Daily Note 同步:我每天會在 Obsidian 寫一句當天最重要的話,並同步記錄到一張 Google Sheet 上。我安裝了 Google Sheets MCP,讓 AI 自動把這些話彙整到一張 365 天的 Google Sheet 上。

這些事情如果手動做都很浪費時間。

可是因為流程固定、沒有變化,交給代理才是最有效率的選擇。

反思 3:判斷一件事該丟給哪種模式,看的是「要不要提升自己的認知能力」

這是我這次最重要的收穫。

剛開始我以為這三種模式的差別在於任務複雜度:

• 簡單的任務丟 Automation
• 複雜一點的丟 Augmentation
• 最複雜的丟 Agency

仔細想想,這個判斷其實是錯的。

因為:

• Agency 的任務不複雜:把日記同步到 Google Sheet 一點都不複雜,只是它「重複」、「固定」、「沒有判斷空間」(它的特徵是無聊)
• Augmentation 不複雜:我跟 Claude 討論一個卡片想法,可能十分鐘就結束了(這件事讓我的腦袋有重訓的感覺,很爽)

所以我自己後來歸納出一條判斷線:

這件事,能不能拓展我的認知?

然後判斷:

• 如果有,就用 Augmentation(我來回跟 AI 對話,讓它丟問題給我逼我想得更深)
• 如果沒有且有明確目標,就用 Automation(我下指令 → AI 做完 → 我驗收)
• 如果沒有且這件事是固定流程、會重複發生,就用 Agency(我設定一次,讓它自己跑)

這條判斷線對上班族特別有用。

上班族最稀缺的是腦袋的頻寬。

我們不能把腦袋的頻寬用在那些「不會推進我認知」的事情上,那些事情交給 Automation 或 Agency 就好。

腦袋的頻寬要留給真正需要思考的事情,而且還要透過 Augmentation 把它放大!

---

【Asset】AI 互動模式判斷框架

下次你準備把一件事交給 AI 之前,先問自己三個問題判斷要用哪一種模式:

第一個問題:這件事需要拓展我的認知嗎?

如果答案是 Yes,選 Augmentation。

• 你的角色:主導者、思考者
• AI 的角色:提問者、研究者、激發者

做法:來回對話讓 AI 丟問題給你,你來回答,不要讓 AI 直接給答案。

第二個問題:如果不需要拓展認知,這件事有明確的目標和結果嗎?

如果答案是 Yes,選 Automation。

• 你的角色:下指令、驗收
• AI 的角色:執行者

做法:把目標、結果、限制條件講清楚,讓 AI 一次做完。

第三個問題:如果不需要拓展認知,而且這件事會固定重複發生嗎?

如果答案是 Yes,選 Agency。

• 你的角色:設計流程、定期檢查
• AI 的角色:自主執行

做法:把流程設定一次,讓 AI 自己跑。重點放在流程設計,不是每次操作。