AI 讓每個人都能更快組裝觀點、生成答案，但更大的問題是：我們也愈來愈容易把「看起來像思考」的產出，誤認成真正的理解。
在 AI 可以幫你寫報告、整理書摘、甚至分析公司策略的年代，AI 讓「看起來像思考的產出」變得太容易了。只要輸入幾個關鍵字，AI 就能在幾秒內生成摘要、整理財報、甚至推測產業趨勢。那作為知識工作者的我們，還有什麼價值？
這個問題變得愈來愈難回答。長期追蹤科技發展與新創人物故事的《VK 科技閱讀時間》創辦人 Vicky 認為，這年代我們最大的風險不是不知道，而是常常覺得自己大概懂了。比 AI 幻覺更可怕的，是人類自己打造的確定感
如果你平常有在關注台灣的科技內容創作，應該多少聽過 VK。她內容特別的地方，在於它不是那種只追新聞、追熱門議題的即時型評論，也不是單純把國外資料翻成中文的整理型內容，而是帶著讀者一起懷疑、一起拆解，甚至刻意保留那些還沒有答案的地方。
當 AI 讓敘事變得過度完整，我們反而更難察覺錯誤
當大家談 AI 時，最常被提到的風險之一，就是幻覺（hallucination），也就是模型生成出看似合理、其實錯誤的內容。不過 VK 認為，人類幻覺其實更可怕。AI 編造了一段錯誤資訊，你還知道那可能是模型亂補的；但人類一旦帶著特定立場、動機或社會偏見，講出一套過度完整的敘事時，不僅容易讓他人信以為真，連講的人也會陷入自我催眠。
這種幻覺在社群媒體時代被無限放大。為了追求注意力與流量，人們傾向於拋出極端論點，當大家都在模仿同樣的熱門議題、用相似的 AI 文字產出觀點時，我們其實是集體陷入了「模仿慾望」的漩渦中。
所有觀點背後，都有立場，而不是單純事實
VK 提到，她不太相信那種只靠外部資料就能完整拆解一家公司的寫法。雖然可以從新聞、財報或訪談看得到數字與敘事，但公司真正的決策過程、內部權力關係、創辦人的猶豫與掙扎、團隊中的利益衝突，很多都不可能從外部完全看透的。這也是她為什麼會一直保留「我不知道」的空間。不是因為不敢判斷，而是因為承認不知道，反而是一種保護自己不要太快掉進認知陷阱的方式。
像是她在研究像 Palantir 這樣的公司時，即使做了很多功課，也還是會提醒自己「我不覺得我是對的，因為我從來沒有在那家公司工作過」。
又或是 VK 訪談《Apple in China》作者 Patrick McGee 也是，這本書揭露了蘋果在中國輝煌 10 年的底層邏輯：中國政府如何「毫無條件地壓上人民（壓榨勞動力）」來補貼企業，並扶植像富士康這樣的台商成長，隨後再行接管。
但即便研究如此深入，仍會面臨「誰說的才是真相」的挑戰。VK 分享道，一位曾在 Humane AI 工作並受過 Patrick 採訪的聽眾反映，書中某些關於蘋果中國員工的細節可能與事實有出入，當中國員工站在維護特定立場的角度說話時，對錯可能變得相當模糊。因此 VK 認為，我們無需執著於二手資訊是否為 100% 的真相，而是得思考，這個論述是從什麼立場出發？它背後的目的是什麼？
魚骨協作法：先有骨架，再讓 AI 補細節
那該怎樣善用 AI，發揮人機協作的最大價值？身為 Google NotebookLM 的重度用戶，VK 會先建立自己的主架構，再讓 AI 幫忙補那些比較細的缺口，以魚骨圖來說補的就是細小的魚刺，用以快速連接資料之間的關係，而不是反過來叫 AI 替你長出整副骨架。
這個做法聽起來好像比較慢，可是細想之後會發現，它其實更有效率。因為如果你對一個主題只理解 4 成，就急著用 AI 幫你整理，後面往往要花更多時間去確認它到底哪些講對、哪些講偏、哪些看起來很合理但其實是過於腦補。
表面上你省了前面讀資料的時間，實際上卻可能把更多時間花在後面的驗證。
洞察，來自跨領域與長時間累積的「連結能力」
AI 讓我們第一次可以這麼便宜地把「產出」做得很像直接可用的成品，但理解不是產出，理解是一個需要自己參與的過程。
VK 會用一句話來形容這種過程：「fire together, wire together」。這句話描述的是大腦神經可塑性的一個核心現象：當不同概念、經驗或知識反覆一起被喚起，它們之間的連結就會愈來愈強。
這背後對應的是 Donald Hebb 的經典觀點。對她來說，寫作與閱讀最有成就感的地方，往往就來自這種難以言喻的「wire together」時刻。很多當下看似派不上用場的書，不會立刻變成可見的成果，卻會先留在腦中，等到未來某個時刻突然都串在一起，甚至長出完全不一樣的意義。
VK 舉例，當她把 Peter Thiel 的《從 0 到 1》與《陰謀論》（Conspiracy）對照閱讀時，就會發現 Thiel 在寫《從 0 到 1》這種矽谷創業聖經時，其實正同時用這種方式在策劃如何摧毀媒體 Gawker。與書中原則一一對照，會發現幾乎全部都在這個案例裡出現：小市場切入、後發優勢、避免正面競爭。把這些策略串起來的，就是「祕密」。
像是如果沒有先讀過那些看似分散的材料，也不一定會注意到《Apple in China》作者 Patrick McGee 其實參考了《尋租中國》；又或者，先前訪談 Google DeepMind 研究副總裁紀懷新博士時，她也意識到他談的 Chain of Thought，某種程度上能和皮亞傑的基模理論彼此呼應。
這種大量閱讀才能養成的連結能力，就是 VK 認為我們得找到的「超能力」——也就是矽谷投資人納瓦爾強調，那件別人覺得辛苦，你卻覺得在「玩」的事。對 VK 而言，閱讀就是她的 superpower，讓她能選出與眾不同的題材，創造出無法被模仿的獨特性。
當 AI 變得愈來愈強之後，人到底還要保留什麼？
觀察《VK 科技閱讀時間》的內容，會發現她的選題有時並不科技，偶爾還會延伸到看似無關的領域。她會去讀 Palantir 新人必讀《即興》這類談表演藝術的書，也會從《超乎常理的款待》這種談服務與情感連結的內容裡，找到理解科技公司或創辦人故事的切角。
這些閱讀表面上像支線，實際上是把科技現象放回更複雜的人性與社會脈絡裡去看。VK 的內容之所以常被聽眾說有人文色彩、讓人有陪伴感，是她在談科技的時候，始終沒有把「人」拿掉，用好奇心拆解公司怎麼做決策、創辦人為什麼會那樣思考，從而釐清自己在理解過程中的限制。
VK 認為，在今天這種演算法不斷放大模仿慾望的環境裡，大家很容易追著同樣的熱門議題跑，用相似的語言講相似的觀點，又或者說，都是用 AI 寫出來的。
AI 讓大家變一樣，但機會永遠來自不一樣
當 AI 可以越來越流暢地生成文字與答案，人類最珍貴的東西，反而會是那些還無法被輕易標準化的東西，還有承認自己不知道的勇氣。聽起來很簡單，但這似乎背離時代潮流，特別是 AI agent 讓我們站在巨大顛覆的前夜。
但真正能拉開差距的，不會是誰動作更快，而是誰能看見那些還沒有被證明、甚至看起來有點不合理的可能性。換句話說，AI 會放大的是「共識」，但祕密，永遠來自「非共識」。
而這或許是為什麼，「我不知道」反而在這年代變得更重要。因為只有承認不知道，你才有機會找到那個還沒被看見的答案。
對人的敏銳度與品味，可能是人類最後的叛逆。科技有趣的地方，在於任何技術、任何商業決策、任何公司故事，最後都還是跟人有關，是人在做決策與選擇。
也許到了最後，AI 時代最重要的，是能夠辨識自己不知道什麼。不是每個人都要變成研究者，也不是每個人都要變成思想家，但在這個集體加速的年代我們都該記得，不要把生成誤以為理解，不要讓工具的便利，偷走你探索這個世界的好奇心與迎接未來巨變的熱情。
很多時候，深度理解就從一句話開始。
我不知道。
🤖 怪獸科技公司旗下五大版圖
最懂你的 #科技入門：一起培養在快速變化社會的超強適應力！
🗣️ 節目｜怪獸科技公司 Podcast（每週日晚上 9 點各大平台首播）
✍️ 專欄｜怪獸科技公司 vocus 沙龍
🎥 影音｜怪獸科技公司 YouTube：來賓焦點訪談✖️重點短影音
