我曾做過一個實驗:讓 GPT-4o、Gemini、Grok 分析同一個商業決策,再用 Perplexity 協助查找資料。

那次,GPT-4o 給出穩健的主流答案,Gemini 提醒了三個前一份回答沒提到的風險,Grok 則提出另一種方案。三輪討論後,我得到的不只是單一答案,而是一張可以比較選項的決策地圖。

這不代表它們永遠具有這些性格,也不保證多問幾個模型就會得到正確結論。但它讓我發現:除了親自完成每一步,我也可以把心力放在設計問題、安排比較方式,以及決定採用什麼。

工具焦慮之外,先看自己的工作

模型與工具不斷更新,跟上變化確實有用。但如果每次更新都要重新安排自己的方向,很容易把時間花在追逐功能,卻沒弄清楚工作真正需要什麼。

我比較願意先問:哪些步驟需要反覆執行?哪些結果需要專業檢查?哪個判斷一旦出錯,代價會很高?

這樣看,工具熟練度並不是沒有價值,而是要放回具體任務裡衡量。能更快產出初稿,和能交付可靠成果,之間還有查證、修改與驗收。我的角色定位,也是在這些步驟中慢慢調整的。

從執行到編排,仍要理解內容

我自己的策略,放在三件事上。它們不是不會被技術影響的護城河,而是目前值得持續練習的工作能力。

問題定義。 AI 可以幫忙提出問題、補充脈絡與比較選項;我仍要確認,這是不是眼前值得處理的問題。我在〈AI 時代的全天候經濟〉裡關心的,也是工作持續運轉時,人如何保留理解、介入與停止的能力,而不是斷言人一定會變成旁觀者。

結構設計。 我曾把八個社群平台的內容流程,串成從 Apple Notes、Google Sheet 到 OneUp API 的管線。這段經驗讓我把注意力放到交接方式:哪裡產生草稿,哪裡檢查,哪些內容才可以進入發布流程。串起工具本身,不等於已經證明輸出品質、工作量或節省時間。

價值判斷。 不同模型會提出互相矛盾的建議,也可能一起忽略同一件事。我需要檢查依據、取捨代價,並對自己採用的決定負責。AI 能協助比較;它的回答不能代替我完成這個選擇。

角色軍團是一種工作編排

我用「角色軍團」描述分配任務的方式:請一個工具整理主張,另一個找反例,再請另一個提出不同方案,最後查回相關來源。

前面那次 GPT-4o、Gemini、Grok 與 Perplexity 的分工,是當時的配置與觀察,不是固定的模型能力排行榜。版本、題目、提示與可取得的資料不同,結果也可能改變。角色可以重分配,不能因為替工具取了「批判者」的名字,就假定它一定找得到漏洞。

查找來源也只是查核的一步。我還得確認來源是否真的支持結論、日期與適用範圍是否相符;多個模型說法一致,並不等於它們提供了彼此獨立的證據。

在〈一個人用AI做小工具:從產出數字回到驗收與維護〉裡,我更關心一個人能承接哪些工作,以及查證、修改、維護的負擔如何安排。這比把自己換算成幾個人的團隊,更能幫助我決定下一步。

畫出一張可以修改的策略圖

面對變化,我會問三個問題:哪些工作適合交給工具協助?哪些判斷需要自己更深入理解?我有哪些經驗,可以拿來處理眼前的具體問題?

對我而言,十年產業經驗、神學訓練、創業實務與技術理解,是目前整合問題的材料。它們不是永遠不會被壓縮的保證,也不代表別人無法建立不同的優勢。價值仍要回到實際成果與回饋中檢查。

策略圖因此不能只畫一次。可以先選一項常做的任務,試著拆開產出、查證與驗收,記下工具能協助到哪裡,以及哪些地方仍需要補能力,再據此調整分工。

我想追求的,不只是做得更快,而是更清楚自己在解決什麼、憑什麼採用一個答案,以及願意為哪個結果負責。這不能保證在變化中勝出,卻讓下一步比較有依據。

四格漫畫:我得到的不只是單一答案,而是一張可以比較選項的決策地圖。角色可以重分配,不能因為替工具取了「批判者」的名字,就假定它一定找得到漏洞。多個模型說法一致,並不等於它們提供了彼此獨立的證據。能更快產出初稿,和能交付可靠成果,之間還有查證、修改與驗收。策略圖因此不能只畫一次。這不能保證在變化中勝出,卻讓下一步比較有依據。

**2026 年 11 月修訂:**模型分工與工具流程保留為當時的個人經驗,不作現行能力排名或效率比較。