AI 時代，知識工作者的 10 個制勝工作術

上週在某家上市製造業做完培訓之後，有個副理留下來找我聊。

他說：「阿峰老師，我現在寫報告比以前快三倍，但我老闆說我的判斷沒有比以前深。這是什麼問題？」

我停了幾秒才回答他，因為這個問題比他自己以為的更重要。

AI 幫你把事情做快了。但「哪些事值得做、這樣做對不對」的判斷力，AI 沒辦法替你長。

速度之後，剩下的才是硬仗

前陣子看到日本東大松尾研究所（松尾豊教授的 AI 研究所，是日本 AI 領域最頂尖的地方之一）出的一篇文章，作者小川雄太郎整理了 10 個 AI 時代的工作術。

這篇文章的起點只有一句話：「商業的本質是快速且有效地回應高度不確定性。當 AI 自動化了例行工作，管理深層複雜性成為知識工作者的關鍵差距。」

說白話就是：AI 幫你搞定重複的事，剩下那些「沒有標準答案的複雜問題」，就是你跟別人的差距所在。

以下我用阿峰老師的視角，帶你看這 10 個方法。

目錄

• 一、截止日期壓縮法
• 二、成果 vs 產出（Outcome vs Output）
• 三、動手前先分析結構
• 四、先搞清楚「為什麼做」
• 五、果斷收尾，記錄學到什麼
• 六、在腦袋裡先跑一遍
• 七、系統思維：不要孤立解問題
• 八、LNO 框架：把任務分三等
• 九、未知優先策略：先解最難的那個
• 十、定期分享你的學習
• 阿峰老師的觀察

一、截止日期壓縮法

你有沒有過這種感覺：「這份報告再給我兩天就完美了」？

Parkinson 定律說，工作會自動膨脹，填滿你給它的所有時間。解法是：給自己一個壓縮過的截止日期。

不是「週五交」，是「今天下午五點前出一個 80 分版本」。

這個 80 分版本，通常比你拖了三天的 95 分版本更有用。因為它讓你更快拿到回饋。拿到回饋，你才知道下一步要改什麼。

我有一個工廠主管客戶，他說他們公司內部報告以前要花兩週才能定稿。他試了這個方法，第一週就出了初稿、拿到主管回饋，第二週花在針對性的修正上。時間一樣，效果差很多。

在 AI 時代，這個方法更值錢。因為你可以用 AI 把初稿時間壓縮到 2 小時，然後花剩下的時間在「如何讓這份東西真的有用」。

二、成果 vs 產出（Outcome vs Output）

Output 是你交出去的東西：一份報告、一個提案、一段程式碼。

Outcome 是這個東西帶來的改變：讓決策者改了方向、讓客戶簽了合約。

AI 可以幫你大量生產 Output。但你的工作是確認這些 Output 能不能創造真正的 Outcome。

我在培訓現場最常看到的狀況是：用了 AI 之後，報告更多了，但決策更慢了。資訊量上去了，判斷力沒有跟著上去。

每次開始任務前，先問自己：「如果這個 Output 沒有人看、沒有人用，我花的時間值得嗎？」

三、動手前先分析結構

直接衝，很容易衝錯方向。

在動手之前，花 10-15 分鐘回答三個問題：

• 這個問題的本質是什麼？
• 我的解法和更大的目標有沒有對齊？
• 哪些假設我還沒有驗證？

用 AI 做這個分析特別有效。把你的問題丟給 Claude 或 ChatGPT，請它扮演「懷疑一切的同事」，問：「幫我找出這個問題裡還沒驗證的假設和可能的盲點。」

四、先搞清楚「為什麼做」

很多人直接問「怎麼做」。但問題往往出在「做什麼」和「為什麼做」上。

一個精確定義的問題，解決起來比一個模糊問題的最佳答案更值錢。

我常在培訓裡說：不會用 AI 提問的人，給你最好的 AI 也沒用。問題不在你，問題在工具——但這裡說的工具，其實是你自己的問題定義能力。

五、果斷收尾，記錄學到什麼

遇到卡關要懂得轉向。但轉向前，先做一件事：寫下「我試過了這個方法，發現了 XX，沒有繼續的原因是 YY。」

這個紀錄有兩個用途：

• 下次你自己不用重走彎路
• 讓主管或同事知道你不是隨便放棄，而是有依據地調整方向

六、在腦袋裡先跑一遍

在真正動手之前，先在腦袋裡模擬整個流程。這不是在拖延，這是在節省資源。

特別是涉及多人協作或大量資源的任務，先用 AI 做一次「思想實驗」：把你的計畫描述給 AI，請它扮演挑剔的客戶，看它提出哪些你沒想到的問題。

我在設計培訓課程的時候很常用這個方法，每次都能找到幾個「欸，這個地方我沒想清楚」的漏洞。

七、系統思維：不要孤立解問題

每個問題都是某個更大系統的一部分。

解決一個問題的同時，問自己：「解了這個，會在哪裡製造新問題？」

AI 很擅長在局部優化，但全局視角還是要你來。你要能看到「解了這個問題，會不會在其他地方製造新問題」——這個系統性思維，AI 還做不到。

八、LNO 框架：把任務分三等

這是我在培訓裡最常推薦的框架之一：

等級	全名	定義	行動
L	Leverage（高槓桿）	做好了效益是 10 倍的任務	全力投入，不惜時間
N	Neutral（中性）	做完就好的任務	80 分過關
O	Overhead（開銷型）	維持現狀的任務	用 AI 快速解決，或外包

最容易犯的錯誤：把大量時間花在 N 上，因為 N 最安全、最容易有「我在努力工作」的感覺。

把 AI 用在降低 O 和 N 的成本上，這樣你才有空間去做真正的 L 任務。

九、未知優先策略：先解最難的那個

人類的天性是先做容易的、快有成就感的任務。

但最難的問題，往往是整個進度的真正卡點。

方法很簡單：每天早上，先問自己「今天最不想面對的是哪一件事？」然後，先做那個。

十、定期分享你的學習

這個看起來最不像「工作術」，卻是長期最有效的一個。

固定把你學到的東西分享出去：內部週報、社群貼文、跟同事喝咖啡聊天。

分享有兩個效果：

• 你為了說清楚，會逼自己想得更清楚
• 更高品質的資訊和機會，會開始主動找上你

阿峰老師的觀察

這 10 個方法，來自日本的 AI 研究所，但我在台灣帶過 400 多家企業，看到的問題基本上一樣：

大家在問 AI 怎麼用，但很少人問自己怎麼思考。

速度有了，但判斷力、結構化思維、搞定複雜問題的能力——這些 AI 幫不了你，反而因為 AI 的出現，讓這些能力的差距更明顯了。

會用、懂用、好用、每天用，這是 AI 工具的四個層次。但在「用」的基礎上，還有更重要的一層：知道什麼事值得用 AI 做，什麼事應該自己想清楚再下指令。

那才是 AI 時代真正的工作術。

---

如果你的公司想要把這些思維帶進組織，歡迎到官網聯繫我。加入 LINE 社群，跟我們一起在 AI 時代找到自己的位置。

📎 素材來源：Zenn 松尾研究所テックブログ，作者小川雄太郎