去年底，我做了一個實驗：用四個 AI 模型同時分析同一個商業決策，讓它們互相辯論，最後由 Perplexity 做事實查核。

GPT-4o 給了一個穩健的主流答案。Gemini 挑出了三個 GPT 沒考慮到的風險。Grok 從完全不同的角度切進來，提出一個我根本沒想過的替代方案。三輪辯論下來，我得到的不是一個答案，而是一張決策地圖。

那一刻我意識到：我的角色不是回答問題，是設計問題被回答的方式。

這就是我在 AI 風暴中找到的位置。

工具焦慮是陷阱

當生成式 AI 爆發，很多人第一個反應是焦慮。寫作被取代、程式被生成、報告被自動完成。彷彿所有過去花時間練習的技能，一夕之間失去稀缺性。

但真正的問題不是「會不會被取代」，而是：你原本的價值，建立在什麼之上？如果價值來自於重複性輸出，那確實會被壓縮。但如果價值來自於結構設計與判斷能力，情況完全不同。

很多人面對 AI，選擇學更多工具、訂閱更多平台、追更多更新。這是速度焦慮。但工具永遠會更新，模型永遠會升級。如果競爭建立在熟練度，你永遠追不上演算法。真正需要改變的，不是技能清單，而是角色定位。

從執行者到編排者

過去的專業分工強調「完成任務」——寫文章、做簡報、分析資料。現在這些都可以部分自動化。那人的價值在哪？

我自己的體會是，價值轉向三個層次。

問題定義。 AI 很擅長回答問題，但它無法判斷哪個問題值得被問。我在〈AI 時代的全天候經濟〉裡談過，當決策頻率遠高於人類理解速度，人類的角色會從決策者滑向旁觀者。能夠重新定義問題的人，才是主導方向的人。

結構設計。 模型可以生成內容，但誰來設計整體架構？誰來決定優先順序？我現在同時經營八個社群平台，靠的不是手動發文，而是設計了一套從 Apple Notes 到 Google Sheet 到 OneUp API 的自動化管線。內容產出量是以前的五倍，但我花在「寫」上面的時間反而變少了——因為我把時間花在設計流程上。

價值判斷。 效率不等於價值。AI 可以幫你做出最佳化方案，但它不會替你承擔後果。我跑辯論引擎的時候，三個模型經常給出互相矛盾的建議。最後做決定的還是我。判斷，是人類最後的防線。

角色軍團不是比喻

我說的「角色軍團」不是修辭，是每天在用的工作方式。

GPT-4o 是穩健的分析師，擅長結構化輸出。Gemini 是挑刺的批判者，會找到你沒想到的漏洞。Grok 是野路子的創意來源，常常提出非正統但有價值的觀點。Perplexity 是事實查核官，負責把幻覺過濾掉。

關鍵不是哪個模型比較好，而是你怎麼編排它們。就像我在〈超級個體實戰紀錄〉裡寫的，一個人加上一支模型軍團，可以跑出小團隊的輸出量。但前提是你得從「使用者」升級為「編排者」。

畫出你的策略圖

面對風暴，我選擇做一件事：畫出自己的策略圖。

三個問題：哪些能力會被壓縮？哪些能力會被放大？哪些能力只有我能整合？

對我來說，寫作速度會被壓縮，但跨領域整合不會。資料分析會被壓縮，但十年產業經驗帶來的直覺不會。單點技能會被壓縮，但把神學訓練、創業實戰和技術理解串在一起的能力不會。

這不是技能盤點，而是定位重構。不再追求做得更快，而是思考如何設計更好的秩序。

每一次技術革命都會帶來淘汰，但淘汰的通常不是人，而是舊的分工邏輯。如果你仍然用舊秩序定義自己，會覺得被擠壓。如果你開始設計新秩序，你會看到空間比想像中大得多。