從使用工具，到安排人與工作的關係
AI 的使用層次，可以從一個問題開始理解：你交給 AI 的，究竟是一個問題、一份成果，還是一段需要自行判斷的工作？隨著委託範圍改變，人要負責的事情也會改變。
本文將使用方式整理成六層。這是理解工作的分析框架，不是官方能力評級，也不表示每個人都要一路追求全自動。不同任務可以停留在不同層次；影響重大的決定，即使技術允許自動執行，也可能適合保留人工審核。
| 層次 | 交給 AI 的工作 | 人的主要責任 |
|---|---|---|
| 一、問答與理解 | 解釋、整理、比較 | 判斷問題與資訊是否可信 |
| 二、協作與產出 | 草稿、設計、分析、程式 | 定義品質與修改方向 |
| 三、建立工作流程 | 按步驟完成重複任務 | 設計流程與驗收標準 |
| 四、串接工具與資料 | 讀取資料、操作外部系統 | 管理資料來源與權限 |
| 五、代理執行任務 | 規畫、執行、檢查與調整 | 設定目標、限制與停止條件 |
| 六、融入組織決策 | 支援跨部門協作與決策 | 承擔責任、評估成效與治理 |
一、問答與理解：提出可以被回答的問題
最初的使用方式，是把 AI 當成解說者。例如詢問技術原理、摘要文章，或比較兩種做法。這個階段的關鍵，是讓問題具備足夠背景。問「怎麼做行銷」，範圍太大；補上產品、客群、預算與目標後，回答才更有機會適用。
進一步的使用者，會要求 AI 區分事實與推論，說明結論成立的條件、缺少的資訊，以及可能的相反解釋。回答流暢只表示容易閱讀，不能代替資料查核。
練習：選一篇文章，請 AI 整理主張、支持證據與尚未回答的問題，再回到原文逐一核對。驗收重點是有沒有忠實理解來源，不能只看摘要是否簡潔。
二、協作與產出：定義什麼叫做得好
第二層開始讓 AI 參與實際工作，例如文章、圖片、簡報或程式。使用者要先回答：「什麼樣的成果才算好？」寫文章涉及讀者、論點、篇幅與來源；製作網站則涉及內容、操作流程、行動裝置顯示與載入速度。
有效的協作會反覆經過提供背景、產出初稿、指出問題、修改及驗收。修改意見越具體，越容易推進。例如「這段太抽象，請加入一個生活例子」，比「再好一點」更有方向。
這一層常見的盲點，是把精緻外觀當成完成。文章可能順暢卻沒有證據，網站可能漂亮卻無法正常送出表單。成果品質需要由用途驗證。
練習：請 AI 撰寫一封活動邀請，先設定讀者、目的、必備資訊與語氣，再檢查日期、地點、報名方式是否完整。
三、建立工作流程：讓好成果可以重複出現
當同一類工作經常發生，就可以把有效做法整理成流程。研究型文章可以分成確認題目、蒐集來源、建立論點、撰寫草稿、查核事實、編輯及發布。每一步都需要輸入、輸出與通過條件。
提示範本、檢查清單與 skill 可以保存工作方法，減少重複交代；但仍須隨需求更新。本文所說的 skill，是可重複使用的任務指引或方法，具體支援方式會依工具而異。
- 找不到可靠資料：縮小主張或停止撰寫。
- 來源互相矛盾：呈現差異，避免強行合併。
- 未通過檢查：回到前一步修改，保留原因。
成熟的流程包含「何時不能繼續」。只把步驟串起來，前面的錯誤也可能一路傳到最後。
練習：把每週資料摘要整理成固定模板，要求每個結論附上來源，缺資料時明確標示，不用猜測補齊。
四、串接工具與資料：進入真實工作環境
當 AI 能讀取資料庫、試算表或文件，並操作網站與業務系統，它就開始參與真實工作。此時需要同時處理兩個問題：資料是否正確，以及操作是否被允許。
查到的訂單可能已過時，同名客戶可能有不同帳號；可以讀取訂單，也不等於可以退款。工具整合應區分可讀資料、可改內容、需要確認的操作，以及失敗後的處理方式。
有用的整合，應讓人能追溯使用了什麼資料、做了什麼變更。連接成功不代表資料品質已經解決，仍需要檢查欄位意義、更新時間與對象識別。
練習：先讓 AI 讀取一份測試訂單表並提出整理建議，確認理解正確後，再授權它修改限定欄位。
五、代理執行任務：在限制內自行選擇步驟
工作流程通常事先規定順序；代理型任務則允許 AI 根據目標與執行結果，決定下一步。Anthropic 的工程文章也以預先定義的執行路徑，以及模型動態選擇流程和工具，區分 workflows 與 agents。[1]
例如「找出網站表單無法送出的原因並修復」，可能需要檢查畫面、閱讀程式、重現錯誤，再決定修改位置。修正失敗時，還要重新判斷原因。
- 完成標準：如何證明問題已解決？
- 操作範圍：哪些檔案、資料與系統可以變更？
- 資源上限：可使用多少時間、費用或重試次數？
- 停止條件：遇到什麼情況必須交回人處理？
自主程度提高後，人的工作逐漸轉向設計任務邊界、檢查證據與處理例外。能自行執行，並不代表能自行承擔責任。
練習：讓 AI 在測試環境修正一個小錯誤，要求它回報變更、測試結果與未確認事項，並限制可修改的範圍。
六、融入組織決策：重新安排分工與責任
最後一層涉及整個團隊如何運作。AI 可以協助整理市場訊號、客服問題與銷售資料，再提出產品改善方案。但不同部門有不同目標：業務關心成交，客服關心問題處理，產品團隊還要考慮開發成本。
此時需要有人決定採用哪些指標、接受哪些取捨，以及由誰負責最後的決策。組織採用 AI，並不表示把決策責任交給模型。
- 錯誤與返工是否增加？
- 人工審核負擔是否下降？
- 顧客體驗是否改善？
- 團隊是否仍保有辨識錯誤的能力？
如果產出變快，卻讓後續查核與修正更費力，整體效率未必提高。比較成效時，應先記錄原本流程的時間、品質與成本，再觀察導入後的變化。
練習：用一個部門的小型任務試行，明確指定負責人，記錄成功與失敗案例，再決定是否擴大。
怎麼選擇適合自己的層次？
先找出一件經常發生、成果容易檢查的工作。若只是需要解釋與草稿，問答和協作就可能足夠；步驟穩定、頻率高，才值得建立流程。需要即時外部資料時再串接工具，遇到步驟難以預先列明的任務，才評估是否需要代理。
文章提出的三個核心能力，是把問題說清楚、把工作安排清楚，以及把結果判斷清楚。執行逐漸交給 AI 後，這些能力仍直接影響工作品質。適合的使用方式，應讓任務更可理解、成果更可驗證，並讓責任保持清楚。
資料來源與延伸閱讀
六層分類、練習與驗收建議為本文的教學整理；並非上述機構發布的分級標準。