瑞課的學習與思考

隨著AI技術快速的變化，近期我開始有一個感覺，「生成式 AI 真正改變的，並不只是工作效率，而是整個知識工作的價值結構。」 過去二十年，知識工作者販售的，本質上都是自己的思考能力。但 AI 第一次讓「思考」本身，開始失去稀缺性。 生成式 AI 出現後，我開始發現一件事情：【 思考，正在快速變成一種廉價的基礎設施 】。 過去需要數小時完成的資料統整，現在幾分鐘就能生成；過去需要多年訓練的結構化能力，如今任何人都能透過 Prompt 快速取得。AI 正在把大量原本稀缺的思考能力，變成一種可以大規模複製的商品。 當然，這樣的趨勢並不代表人類不再重要，而是說明：【 競爭的位置，正在移動 】。 AI 拉平的，不只是效率，而是「思考力差距」 AI 拉平的，不只是效率，而是「思考力差距」。這可能是被很多人低估了一件事，AI 不只是提升效率，而是在縮小人與人之間的思考能力落差。 過去，一個人是否具備研究能力、整理能力、寫作能力、分析能力，需要長時間訓練。但現在，一個剛接觸某領域的人，只要善用 AI，也能快速產出一份看起來相當完整的分析報告。 這意味著，未來市場上將充滿大量「水準以上」的內容。但問題也正在這裡，如果一個人的價值，只剩下整理資訊與生成內容，那麼 AI 遲早會比他更快、更便宜。 這很像資本市場中的 Beta 與 Alpha。所謂的 Beta，可以理解成「市場平均能力」。當整體市場一起上漲時，大部分投資人都會跟著受益。這種來自系統性的報酬，不一定代表你特別厲害，而是你只是站在整體市場的浪潮之上。 Alpha 則不同，Alpha 指的是「超越市場平均的額外價值」。它來自於更深的洞察、更前瞻的判斷，或者市場尚未看見的非共識觀點。 如果 Beta 代表的是：「大家都能做到的事」；那麼 Alpha 代表的就是：「只有少數人能看見的事」。 我認為，AI 正在快速降低取得 Beta 的門檻。但真正稀缺的 Alpha，反而開始從「思考能力」轉移到「理解能力」。 AI 擅長的是「共識答案」，但 Alpha 來自非共識理解 從生成式AI的訓練過程和其核心運作機制來看，AI 的本質是從過去資料找「最合理」、「最可能」、「最符合統計機率」的答案。這也是為什麼 AI 在標準化知識工作上如此驚人。 AI 天生傾向共識。 而真正的 Alpha， 往往來自非共識。 真正能創造超額價值的機會，通常不是那些...

最近聽到一個很有意思的比喻， 【 現在的 AI 讓企業突然擁有了「傳說廚具」，但是「傳說料理」呢？ 】 刀很利、鍋很強、火候控制精準，甚至連備料、切菜、擺盤都可以自動完成。站在廚房裡看，確實會讓人感到興奮。好像只要擁有這套工具，就能做出前所未有的料理。 可是問題也在這裡。對於不是賣廚具的企業來說，廚具其實從來不是重點。 真正重要的是：料理是什麼？ AI 可以讓公司寫得更快、算得更快、回覆得更快、設計得更快、分析得更快。這些都很重要，也確實會改變企業的成本結構與工作方式。但如果我們只停留在「更快完成原本的事情」，那 AI 的想像力可能還沒有完全展開。 因為真正重大的科技變化，通常不只是取代舊工作，而是創造新的行為、新的場景，以及新的市場。 不是取代，而是新賽道 很多人談 AI，第一個想到的是取代。取代人力、取代流程、取代重複性工作。這當然是 AI 很直接的價值，也會是企業導入 AI 的第一波動機。但如果我們回頭看一些真正改變市場的科技，它們的價值往往不只是「把舊東西做得更有效率」。 以 YouTube 為例 。YouTube 當然取代了一部分看電視、看影片的時間，但它真正厲害的地方，不只是讓影片播放更方便，而是切出了一條新的媒體賽道。 以前要成為媒體，需要電視台、攝影棚、製作團隊、播出頻道。後來只要一台手機、一個帳號、一個想法，普通人也可以成為創作者。它讓更多人進入內容市場，也讓更多細碎的觀看時間被填滿。 所以 YouTube 創造的，並不只是「線上影片」這件事，而是讓「成為媒體」這件事的門檻下降，進而創造出一整個新的內容經濟。 那麼 AI 呢？ AI 不應該只是幫企業把原本的事情做得更快，而是讓更多人、更多企業、更多原本沒有能力參與的人，進入一個新的賽道。這才是 AI 為人類帶來真正的影響。 新需求，可能只是舊需求的新形式 當然，如果從很底層的人性來看，所謂「新需求」其實也不一定真的全新。用馬斯洛需求理論來看，人類需要的東西大概還是那些： 生存、安全、社交、尊重、自我實現 。 人一直需要娛樂，一直需要表達，一直需要被理解，一直需要學習，一直需要歸屬感，也一直需要證明自己的價值。所以很多時候，新科技創造的不是全新的需求，而是讓舊需求出現新的形式。 社群平台不是創造了「人想被看見」這件事。人本來就想被看見。短影音不是創造了「人需要娛樂」這件事。人本來就需要娛樂。...

在生成式 AI 爆發的今天，產出內容、報告的速度已不再是門檻。當所有人都能透過指令在幾秒內產生大量「及格」的作品時，我們更容易陷入一種以量為榮錯覺。然而，正如深度工作力(Deep Work)書中那一個令人發人深省的比喻：「聽一群平庸的歌手唱許多歌，加起來不會變成一場精彩的表演。」 在 AI 時代，產品的成功不再取決於雇用了多少人才或產出了多少數量。快速、大量並不等於品質。想要不被演算法淹沒，我們需要的是重拾「深度工作」的能力。 一、 成功的必要條件：從「技術儲備」到「價值創造」 很多人以為精通某項技術，如複雜的物理模擬、晶片設計還是程式編寫等，就代表了成功。但現實是，技術只是必要條件。如果你擁有一流的才華卻不進行「創造」，那些才華就像無人問津的庫存。 真正的成功，源自於你如何將腦中的邏輯與技術，轉化為人們看得見、感受得到且具備價值的有形成果。特別是，在這個「做越多，完成越少」的混亂時代，你的世界本質上就是你「專注什麼」和「產出什麼」的結果。 二、 品質的產出公式 高品質的產出並非隨機發生，它遵循一個極其嚴謹的數學邏輯： 高品質生產工作 = 花費的時間 x 專注的程度 在這個公式中，「專注度」是一個 乘數因子 。如果專注力渙散（趨近於零），那麼投入再多的時間（趨近於無限），最終的生產成果依然會趨近於零。這解釋了為什麼有些人整天待在辦公室，卻遲遲無法產出具備突破性的產出。 三、 知識工作的匠人精神：以「精緻的方法」工作 我很喜歡深度工作力一書中提到的另一個概念：「木頭輪子並不高貴，但打造它卻可以高貴。」 我們不一定每天都能處理驚天動地的「精緻任務」。有時候是瑣碎的數據調教，有時候是重複性的實驗檢證。但這不代表工作本身沒有價值。 所謂的匠人精神，並非只存在於傳統手工藝中。你不需要每一秒都從事「精緻的工作」，但你需要以「精緻的方法」去做你的工作。這意味著在深度狀態中，對每一個參數、每一行程式碼進行嚴密的邏輯驗證，這種 對方法的極致要求 ，就是拉開平庸與卓越的關鍵。 四、 守護你的生產燃料，意志力資產 實踐深度工作最難的一點在於：我們的意志力是有限的。意志力就像是手機的電量，會隨著每一項決策、每一次分心而耗損。為了確保高品質的生產，我們必須學會「節能」。如何節省意志力呢？有兩個方法可以嘗試： 建立「儀式感」 ： 儀式不是迷信，而是為了減少進入深度狀態的「啟動阻力」。當你每天在...