很多人已經開始用AI。
會用ChatGPT、會問問題、甚至會寫文案。但一個很現實的問題是—— 為什麼有些人用了AI之後效率翻倍，有些人卻覺得「好像也還好」？
問題不在AI不夠強，而在我們卡在同一個使用層級。
很多人不是不努力，也不是不用功。
而是表面上已經在用AI，骨子裡卻還停留在「基層員工自己把每件事做完」的做事方式。
如果我們有在用AI，大概都經歷過同一件事。
問了一個問題。
它回答得還不錯。
當下會覺得：「這東西滿好用的。」
但過幾天，我們還是用回原本的方式做事。
這種感覺很常見。
不是完全沒幫助，但也沒有強到讓工作方式整個翻掉。
所以很多人最後對AI的評價會停在一個不上不下的位置：
「有用，但也沒有大家講得那麼神。」
這句話，某種程度上也沒錯。
只是它少講了一半。
因為問題很多時候不在AI本身，而在我們根本沒有換一種做事方法。
很多人以為自己在用AI。
但實際上，只是把搜尋引擎換成一個更會講話、更能接住語氣、更會整理文字的版本。
我們還是在問：幫我寫一段文案。
幫我整理這段內容。 幫我想幾個標題。 幫我潤飾這段話。
這些事情不是沒價值。
但說穿了，它還是局部補強。
也就是說，事情的主體還是我們自己。
流程還是我們扛。
判斷是我們扛。
整合是我們扛。
收尾也是我們扛。
所以看起來像有進步，
但本質沒有變。
事情還是我們自己做完的。
這就是為什麼，大多數人會卡在第二層。
第二層最大的錯覺，不是能力不夠，而是以為自己已經升級了
卡在第二層的時候，我們很容易有一種錯覺：
「我們已經在用AI了。」
會付費、會選模型、會研究Prompt，甚至還會開始比較免費版、進階版、專業版的差別。
但最後的工作結果，還是很像：
我們做九成，AI補一成。
這就是第二層最麻煩的地方。
它不像第一層那麼落後，所以人不會有危機感。
它也不像第三層那麼強，所以人不會真正感受到槓桿。
它剛好卡在一個最容易自我安慰的位置：「我已經有在用新工具了。」
但真正的問題不是有沒有用新工具。
而是我們有沒有改變分工。
如果分工沒變，那工具再新，也只是高級版螺絲起子。
真正的分水嶺：不是AI會不會，而是誰在做事
把問題講得更直接一點。
當我們用AI的時候，其實只有兩種狀態。
第一種：我們在做事，AI幫一點。
第二種：AI在做事，我們負責定義、校正、決定。
這兩種，看起來很像。
因為表面上都會出現一段AI生成的文字、一份整理好的摘要、一組看起來不錯的答案。
但本質完全不同。
第一種，本質是外掛。
第二種，本質是分工。
第一種只是讓我們比較省力。
第二種才是讓我們開始脫離基層工的做法。
很多人為什麼會覺得AI沒有改變人生？
因為他們根本沒有進入第二種。
他們只是讓自己在原本的工作桌上，多擺了一台比較聰明的工具。
但還是自己做、自己盯、自己改、自己補。
這種狀態，不會讓人真正變強。
只會讓人短暫覺得比較順。
這個問題，跟基層主管帶人遇到的問題一模一樣
這裡就接到你補的那條線，而且這條線很重要。
很多基層主管，升不上去，不是因為不努力。
反而常常是因為太努力。
事情交下去了，最後還是自己撿回來做。
員工不會做，他自己做。 員工做不夠快，他自己補。 員工講不清楚，他自己重講。 流程亂掉，他自己收尾。
久了之後，公司會發現一件事：
這個人很能幹，但不能往上升。
為什麼？
因為他沒有真的完成「管理」。
他只是從一個很強的執行者，變成一個更累的執行者。
AI也是一樣。
很多人現在用AI的方式，本質上就像一個升不上去的基層主管：
- 有交代，但交代不清楚
- 有分工，但分工不完整
- 有讓對方做，但最後都自己收回來
- 有制度感，但沒有真正把流程交出去
所以最後會出現一個很典型的現象：
AI好像也有做，但真正的難事、關鍵事、整合事，還是全都自己做。
這樣當然不會快。
因為我們還是那個最累的人。
只是從自己做全部，變成自己做最後那80%。
這不是升級。
這只是換一種方式累。
卡住的真正原因，不是不會問，而是不會把問題說清楚
很多人討論AI，會把重點放在Prompt技巧。
但說真的，Prompt只是表面。
更底層的能力，是這兩個：
能不能把問題說清楚
能不能把流程講清楚
這兩個能力，如果沒有，AI就很難真的幫上忙。
因為AI不像人類同事那樣，會自動幫我們補情境、腦補背景、猜主管現在的情緒。
它做得到一定程度的推理，但它不是在跟我們共事十年的老同事。
如果我們自己對問題都沒講清楚，AI只能在模糊的指令裡面猜。
如果我們自己對流程都沒拆清楚，
AI也只能在混亂的期待裡面亂跑。
所以很多人會抱怨：「AI常常做一半就歪掉。」
「AI講得很好聽，但不夠能用。」 「AI產出的東西，我最後還是要重修。」
這些抱怨有時候是對的。
但另一半的真相是：
因為我們本來就沒有把工作講到可執行。
這在帶人也是一樣。
一個主管如果只會說：「這個幫我整理一下，快一點。」
底下的人一定會亂做。
因為什麼叫整理？
整理到什麼程度？
為誰整理？
重點要抓什麼？
何時要交？
交付格式是什麼？
哪些不能碰？
哪些一定要補？
這些如果都沒講，
最後下屬做不好，主管就會覺得「還是我自己做比較快」。
然後他就永遠卡在那裡。
AI跟這個邏輯，一模一樣。
不是AI太笨。
而是很多時候，我們給的工作本來就不夠清楚。
所以第二層的人，問題不是工具，而是管理能力還沒長出來
這裡就開始看到更深一層的東西了。
AI的五個使用階層，某種程度上，也很像工作世界裡的五種位置。
第一層，像基層員工。
事情來了，自己做。
第二層，像資深執行者或小主管。
已經開始會用工具，也會交一些事出去， 但關鍵工作最後還是自己扛。
第三層，像真正的中階管理者。
會拆任務、會分工、會盯結果，不會什麼都自己做。
第四層，像高階管理者。
不是在做單點任務，而是在設計系統、配置資源、讓整個部門跑起來。
第五層，像老闆或研發決策者。
不是單純使用系統，而是在決定這個系統該怎麼長、該怎麼投資、該往哪裡走。
所以如果我們一直卡在第二層，
本質上不是因為AI不好用。
而是因為我們的工作思維，還沒從「做事的人」升級成「定義工作、拆解工作、分派工作、驗收工作的人」。
這就是為什麼第二層很重要。
因為第二層不是單純的AI技術問題。
它其實是一個人的工作層級問題。
為什麼很多很努力的人，反而最容易卡在這裡？
因為努力的人，往往很可靠。
可靠的人最容易出現一個陷阱：
「我來最快。」
「我自己做比較準。」
「我先弄完再說。」
「這個交出去太麻煩，我自己修。」
這套邏輯，在早期很容易成功。
因為它真的快，真的準，也真的能救火。
但到了下一個階段，它會開始反咬。
因為每一件事都自己做的人，永遠做不大。
每一個步驟都自己盯的人，永遠走不遠。
這就是為什麼很多優秀的人，到某一個位置就升不上去。
不是因為他們不夠好， 而是因為他們太習慣證明「自己很能做」。
可是更高層級要證明的，不是自己多能做。
而是：自己能不能讓事情不靠自己也做得動。
AI時代把這件事放大了。
以前只是帶人。
現在是帶人，再加上帶AI。
如果我們連AI都還是放不出去，
那表示我們的工作習慣其實還停在很前面的層級。
一個簡單的例子：同樣是寫文章，差別根本不在文筆
同樣是要寫一篇文章。
第一種做法，是基層做法：自己想題目、自己查資料、自己列架構、自己寫初稿、自己改完。
第二種做法，是卡在第二層：自己想題目，讓AI幫忙補幾個方向；
自己查資料，讓AI順一下句子； 自己寫一版，再請AI修。
第三種做法，才開始變成中階思維：
先把任務講清楚。
題目是什麼。 對誰寫。 目的為何。 希望讀者讀完有什麼反應。 文章要避免什麼。 架構要怎麼走。 語氣要怎麼定。 長度多少。 哪些觀點一定要進。 哪些材料可以用。
然後交出去，先拿一個完整版本回來。
接著我們做的，不再是從零生產。
而是：
檢查方向。
修正力道。
補上經驗。
校準觀點。
確認能不能發。
這就是差別。
不是文筆差異，不是Prompt炫技，而是工作位階不同。
前兩種做法，本質還是自己寫。
第三種做法，才是自己在帶一個執行單位做。
AI之所以會讓人真正變快，不是因為它寫字比較快。
而是因為它讓我們有機會練習更高層級的工作方式。
所以，離開第二層的關鍵不是更會問，而是更會定義
這一篇如果要收斂成一句話，我會收在這裡：
離開第二層，不是更會問AI，而是更會定義工作。
定義問題。
定義目標。
定義交付格式。
定義流程。
定義邊界。
定義什麼叫做好。
只要這些能力開始長出來，AI的價值就會突然被打開。
因為從那一刻開始，我們不是在找人幫忙補一句話。 而是在建立一個可以被執行的工作單位。
而這個工作單位，可能是人，也可能是AI。
這也是AI真正有意思的地方。
它不是只在比誰比較會寫Prompt。
它是在逼我們面對一件事：我們到底有沒有能力，把腦中的工作講到別人做得出來。
如果沒有，那就算模型再強、費用再高、功能再多， 最後還是會回到一句老話：「算了，還是我自己來比較快。」
而那句話，其實就是第二層最核心的詛咒。
結論
第一篇，我們講了AI的五個層級。
這一篇，我們真正要講的是：為什麼大多數人會卡在第二層。
表面上看，好像是工具問題。
實際上，不是。它更像是一個工作層級問題。
也是一個管理能力問題。
因為第二層的人，最常見的狀態就是：
有在交事，但交不清楚。
有在分工，但分不乾淨。
有在放手，但放到一半又收回來。
所以最後，AI有做一點，但最累的人還是自己。
這跟很多升不上去的基層主管，一模一樣。
不是不努力，而是太努力在證明「自己能做」。
但真正更高層級的能力，從來不是自己做完全部。
而是能不能把事情說清楚、拆清楚、交清楚，最後只抓關鍵判斷。
所以這一篇講到最後，真正的問題其實只剩一個：
我們現在是在用AI補自己的手，還是在訓練自己變成更高層級的工作者？
這兩條路，最後會走到完全不同的地方。
很多人以為，AI只是新的工具。
但再用一段時間之後，會慢慢發現：它其實像一面鏡子。
它照出來的，不只是我們會不會用技術。
而是我們到底停留在什麼層級做事。
如果我們永遠都需要自己把每一步做完，
那AI再強，也只是多一個幫手。
但如果我們開始能把問題講清楚、把流程拆清楚、把結果定清楚，那AI才會真的變成槓桿。
而這個差別，最後不只是效率差異。
它會變成職位差異、收入差異，甚至是人生路線的差異。
因為基層做事的人，價值來自自己做了多少。
中層管理的人，價值來自讓別人做得動。 更高層的人，價值來自設計整個系統怎麼跑。
AI的五個層級，某種程度上，也正是工作的五個層級。
所以我們卡在第二層，不只是因為AI還沒用熟。
很多時候，是因為我們還沒準備好，離開那個凡事都自己扛的自己。
下一步，不是去背更多Prompt。
而是開始練習一件更根本的事：把工作講到足夠清楚，清楚到別人能做，清楚到AI也能做。
當我們開始做到這件事，才是真的完成第二層。
