AI 接手重複的工作之後,你還剩下什麼本事?學會判斷、交辦與分工,把 AI 帶成自己的小團隊

AI 接手重複的工作之後,你的價值在哪裡?從看懂 AI 做得到什麼、交辦並驗收、判斷要不要讓多個 AI 分工,到讓客人用 AI 時仍找得到你、記得住你。

兩位同事在共享辦公室的站桌前,排著五片帶有簡單圖示的壓克力片
主管說這份週報下個月起交給 AI 做,你的工作還剩下什麼?跟著這條路線,把 AI 帶成自己的小團隊。

主管在週會上說:「這份週報,下個月起交給 AI 做。」你第一個念頭可能是:那我呢?同一間公司裡,也有人在同一場會議之後,被找去負責「帶 AI 做事」。

差別通常不在誰比較會用工具,而在誰看得懂 AI 做得到什麼、知道怎麼交辦,也判斷得出什麼時候值得讓多個 AI 分工。這三種判斷,不管下一代工具長什麼樣子都用得上;把它們用在客人身上,還能看清楚 AI 怎麼改變客人找到你、記住你的方式。

四個能力里程碑:看懂 AI 做得到什麼、交辦並驗收、判斷要不要分工、用在客人身上
前三步學會帶 AI 做事,第四步把同樣的判斷用在客人身上。

負責行銷、還不需要自己動手的人,走完第一步可以直接跳到第四步。

第一步:從聽到 AI 新聞就焦慮,到說得出哪些事它已經能做完

擔心被取代之前,先弄清楚 AI 的能力走到哪裡、還差多少。這一步要建立三個判斷:

  • AI 正從回答問題走向動手做事:能自己規劃步驟、操作工具、把任務做完的 AI,叫做 AI Agent。
  • 它還不能全權代理人的工作:2024 年的 OSWorld 研究讓 AI 實際操作電腦完成任務,人類受試者能完成約 72%,當時表現最好的模型只有約 12%;之後模型持續進步,但用 AI 經營一整年模擬生意的測試裡,最好的模型離理想水準仍有明顯差距。
  • 用 AI 的目標是創造價值,不只是省成本:CP 值可以靠壓低成本,也可以靠提高價值;AI 讓知識越來越便宜,想像力與判斷力反而越來越貴。

讀〈我們怎麼看待生成式 AI 2.0?〉,它從 AI 背後的注意力機制談起,再看 AI Agent 能代理多少工作,以及台灣企業該怎麼調整思路。

放到工作上,你可以:把自己每週的工作列成清單,標出哪些 AI 已經能做完、哪些只能幫一部分、哪些仍要靠你判斷,先從第一類開始交出去。

學完要能回答:我的工作裡,哪些事 AI 已經能做完,哪些只能幫忙一部分?

第二步:從對 AI 許願,到交辦一件事並驗收成果

看懂能力之後,最快的學習方式是親手做一個小東西。不會寫程式也可以,關鍵在怎麼交辦:

  • 交辦,不是許願:「幫我做一個好用的報名系統」是許願。把 AI 當成剛加入團隊的同事,講清楚四件事:目標、相關脈絡、限制、怎樣算完成。
  • 每一圈試錯都要能驗證:交辦時先講好怎麼檢查算完成,例如某個頁面能正常送出、某個數字要對得上,並請 AI 附上證據;看不懂程式碼沒關係,但要看得懂「它說做好了,證據是什麼」。
  • 風險高的地方要有人把關:Veracode 測試超過 100 個模型,約 45% 的情況下 AI 產生的程式碼帶有安全漏洞;牽涉金流、個資的部分,一定要有人檢查。

讀〈Vibe Coding 是什麼?〉,它用一個報名頁的例子示範怎麼交辦、怎麼驗證,也整理了常見的 AI 寫程式工具。

放到工作上,你可以:下次請 AI 幫忙前,先寫下目標、脈絡、限制與完成條件四行再送出,並要它交回能檢查的證據,例如能正常送出的頁面、對得上的數字。

學完要能回答:我要交辦給 AI 的這件事,目標、脈絡、限制和完成條件分別是什麼?

第三步:從一個人帶一個 AI,到判斷值不值得讓多個 AI 分工

會交辦一件事之後,下一步是讓多個 AI 各做一段。這時第二步的交辦能力會變得更重要,因為交接的對象從人換成了 AI:

  • 先看履歷,再派工作:Google 在 2025 年 4 月發表的 A2A 協定,讓不同公司做的 AI Agent 能互相溝通;每個 Agent 用一張 Agent Card 說明自己會做什麼、怎麼聯絡、怎麼驗證身分。
  • A2A 管分工,MCP 管工具:A2A 讓 Agent 和 Agent 合作,MCP 讓 Agent 連接自己要用的工具和資料,兩者是互補的。
  • 分工有代價:依 Anthropic 分享的經驗,單一 Agent 的用量大約是一般對話的 4 倍,多代理系統約 15 倍。任務單純、步驟固定的工作,一個 Agent 加上好的流程往往就夠了。

讀〈AI Agent 怎麼和另一個 Agent 合作?〉,它說明一次交接的完整流程,以及導入多代理協作後要固定觀察的指標。

放到工作上,你可以:遇到流程很長的任務,先問多花的用量換到的是速度、品質,還是只是更複雜;說不出答案,就先用一個 AI 加上清楚的流程。

學完要能回答:這件工作真的需要多個 AI 分工嗎?多花的成本換到了什麼?

第四步:從自己用 AI 做事,到讓客人用 AI 時仍找得到你、記得住你

前三步是你用 AI 做事;這一步換成客人用 AI 找你。第一步對 AI 能力的理解,在這裡用來分辨哪些說法是誇大。先確認客人找得到你:

  • AI 摘要只是最新的呈現方式:Google 在搜尋裡用 AI 已經超過十年;繁體中文版的 AI 模式在 2025 年 10 月於台灣推出。
  • 不需要特殊優化:Google 搜尋中心的說明是,頁面只要已被收錄、有資格以摘要形式顯示,就有機會被 AI 答案引用;來自 AI 功能的點擊也會計入 Search Console。
  • 看的是有沒有用,不是誰寫的:用 AI 協助寫內容本身不會被處罰;技術基礎(例如結構化資料)仍然需要工程支援。

再讓客人記得住你。這裡把 AI 和行銷工具用在「時刻」上,而不是用在更大聲的曝光上:

  • 被看到,不等於被注意到:Kantar 2024 年的全球調查中,覺得社群廣告抓得住自己注意力的人,從前一年的 43% 降到略高於 31%。
  • 情感訴求的長期效果較好:Binet 與 Field 分析大量廣告案例後發現,以情感為主的廣告,長期效果通常優於理性訴求,兩者搭配效果最好。
  • AI 和行銷科技負責找時刻:讀懂使用者當下的情境、找到和品牌有共鳴的人、量測真正的注意力,而不只是曝光數。

先讀〈Google 搜尋怎麼用 AI?〉,它回答「SEO 是不是已經死了」「AI 摘要出現後網站還有流量嗎」這些常見疑問;再讀〈AI + Martech 的情緒行銷〉,它用 Spotify 廣告工具等例子,說明怎麼從使用者的生活場景找出值得出現的時刻。

放到工作上,你可以:用 AI 搜尋自己的產品或服務,看答案有沒有引用你的網站;再列出客人最需要你的三個時刻,檢查你的內容和廣告有沒有出現在那裡。

學完要能回答:客人用 AI 搜尋我的產品時,我有沒有機會被引用?

一句話記住

AI 接手的是重複的工作;看懂、交辦與分工的判斷是你帶得走的本事,用在客人身上也一樣。

先看懂 AI 能做什麼,再決定讓它替你做什麼。

之後怎麼繼續學

  • 想把搜尋從頭弄懂:讀Google 搜尋與 SEO 的總整理,從搜尋怎麼運作一路看到流量下滑怎麼查。
  • 想看業界怎麼教 AI 做事:OpenAI 與 Anthropic 各有一份寫給工程團隊的官方建議(Codex、Claude Code),不懂程式也看得出他們同樣要求先講清楚目標、再給驗證方法。
  • 追蹤 Agent 協作的規格:想知道多個 AI 協作的最新做法,回到 A2A 的官方規格網站看目前的版本。
  • 追蹤 AI 搜尋的變化:Google 搜尋中心的〈AI 功能與你的網站〉說明網站怎麼出現在 AI 摘要與 AI 模式。

參考資料

  1. arXiv:OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

    人類受試者完成約 72% 的任務,當時最佳模型約 12%(引用自〈我們怎麼看待生成式 AI 2.0?〉)。

    返回引用 ↩

  2. Andrej Karpathy 在 X 的貼文(2025-02-02)

    vibe coding 一詞的出處(引用自〈Vibe Coding 是什麼?〉)。

    返回引用 ↩

  3. Veracode:2025 GenAI Code Security Report

    約 45% 的情況下 AI 產生的程式碼帶有安全漏洞(引用自〈Vibe Coding 是什麼?〉)。

    返回引用 ↩

更多參考資料(6)
  1. Google Developers Blog:Announcing the Agent2Agent Protocol (A2A)

    2025 年 4 月發表 A2A(引用自〈AI Agent 怎麼和另一個 Agent 合作?〉)。

    返回引用 ↩

  2. Anthropic Engineering:How we built our multi-agent research system

    單一 Agent 用量約為一般對話 4 倍、多代理系統約 15 倍(引用自〈AI Agent 怎麼和另一個 Agent 合作?〉)。

    返回引用 ↩

  3. Google:How AI powers great search results

    2015 年推出 RankBrain 等搜尋 AI 系統(引用自〈Google 搜尋怎麼用 AI?〉)。

    返回引用 ↩

  4. 中央社 Focus Taiwan:Google AI Mode 推出繁體中文版

    AI 模式繁體中文版 2025 年 10 月於台灣推出(引用自〈Google 搜尋怎麼用 AI?〉)。

    返回引用 ↩

  5. Google 搜尋中心:Google 搜尋對 AI 生成內容的指引

    Google 看內容品質,不看內容怎麼產生(引用自〈Google 搜尋怎麼用 AI?〉)。

    返回引用 ↩

  6. Kantar:Age is just a number(Media Reactions 2024)

    覺得社群廣告抓得住注意力的人由 43% 降到略高於 31%(引用自〈AI + Martech 的情緒行銷〉)。

    返回引用 ↩

更新紀錄:2026 年 11 月新增;同月改版,開場改從職涯轉折出發,搜尋與品牌兩段合成第四步,並加上每一步的工作應用與延伸學習。