上個星期演講結束後，
收到了 55 份充滿溫度的手寫提問。
看著這些字跡，
我感受到的不只是熱情，
更多是真實的焦慮。
我原本以為，
同學最在意的會是工具怎麼用，
結果被反覆提起的竟是這件事：
當科技跑得比我的經驗快時，
我該如何自處？
巧合的是，
資誠（PwC Taiwan）發布的《2025希望與恐懼調查報告》，
也呼應了同學們的心聲。
這份調查是在 2025 年 7 月到 8 月間進行，
涵蓋了全球近五萬名工作者。
報告顯示，
很多人都已經知道 AI 來了，
但真正天天下水的人，其實還不多。
在我手上的這 55 份提問，
剛好就是那種站在池邊、想下水，
又有點怕嗆到水的心情。
所以我試著把這些問題整理成五個主題，
但老實說，我的想法並不是標準答案。
AI 的變化太大、太快，
這篇內容比較像是在你下水前的經驗分享。
第一個問題，是很多大三同學問的：
如果我還沒有實務經驗，
我怎麼判斷 AI 給我的內容到底對不對？
這種擔心非常合理。
因為你在學校，
大部分都是學習理論基礎，
現場的經驗值本來就不夠。
然而 AI 的內容看起來頭頭是道，
需要的話還能讓他引經據典，
很容易讓人誤以為它都是對的。
資誠這份報告也點出一個現實的問題：
在台灣，只有 30% 的受訪者認為，
自己的團隊會把失敗看成學習與成長的機會。
你發現了嗎？
這件事其實很關鍵。
因為在一個不太鼓勵試錯的環境裡，
年輕人更容易害怕犯錯，
也更容易在面對 AI 時，
把它當成「我希望你不要害我出包」的對象。
所以我的建議很簡單：
趁你還在學校、還有試錯空間的時候，
趁現在學會辨識 AI 的破綻，建立你專屬的審查機制。
你可以先從這三個最常出包的實務死角來檢查，
第一個是辨識的問題，
AI 處理純文字非常流暢滑順，
但在處理工地常見的「掃描圖檔」或「手寫紀錄」時，
常常會出現中文辨識錯誤、錯字，
甚至把自主檢查表的關鍵資訊解讀成亂碼。
現場紙本只要有髒污、折痕，
或是字寫得太潦草，
判讀就可能出問題，
所以不要預設它吃進去的資料一定都對。
第二個是空間邏輯，
AI 寫出的施工機具和動線可能很完美，
但它不知道現場的真實狀況。
你得自己判斷，
AI 建議的大型機具，
你的工地入口真的轉得進去嗎？
第三個是 AI 提供的資料與實際經驗衝突，
現在的 AI 已經很聰明，
前後文邏輯通常不會錯。
但它最大的破綻是，
給你一套看起來完整的做法，
結果引用的是舊版法規、對岸規範，
或者根本不符合你手上工程契約的要求。
所以，當 AI 產出的內容和現場判斷互相打架時，
請先相信白紙黑字的契約、現行法規，
還有你去現場看到的東西。
這種判斷力，
就像累積駕駛里程一樣，
可以從每一次使用中慢慢練出來。
第二個問題更直接：
AI 產出的結果出事了，
會讓我承擔法律責任嗎？
好幾個同學擔心 AI 產出的內容導致爭議，
甚至問：「如果工程師未察覺並簽認，法律責任如何認定？」
這題其實沒什麼灰色地帶，
責任永遠在簽名的人身上。
你在做結構計算也是一樣，
推給軟體算錯了所以出問題，
法官也不會因為你很委屈就改判。
AI 幫你找資料、列法規、整理內容，
這些都沒問題。
但真正拿去用之前，
還是要自己做二次確認。
談到法規的內容，
就去法規資料庫對照確認，
引用到契約條款，
就回去翻工程契約。
第三個問題，是同學關心的職涯問題：
技師證照會被 AI 取代嗎？
我的不可替代性在哪？
文章一開始提到的資誠報告顯示，
臺灣有 64% 的人過去一年用過 AI，
但每天使用的人，比例只有 13%。
而這 13% 每天使用的人，
的確也感受到巨大的效益。
有高達 94% 感到生產力提升，
55% 感受到工作保障提升，
38% 感受到薪資提升。
AI 不會取代技師，
但每天用 AI 的技師，
很有可能會取代「不用 AI 的技師」。
技師證照是一張入場券，
案件簽證、面對現場不確定性的應變，
和業主之間的協調與溝通，
這些都還是技師的工作。
未來同樣有證照的人，
超車的關鍵，
可能就是誰更早把 AI 導入自己的工作流程。
第四個問題，也很實際：
生成的簡報總是有濃濃的「AI 味」，
該怎麼破解？
有同學精準地點出了實務上的痛點：
「用 NotebookLM 生成出來的簡報，
字句都有點浮誇，
風格也有很明顯的 AI 味，
給指令的重點到底是什麼？」
這題非常棒，代表你已經用到一定的程度，
開始能感覺到 AI 的內容風格了。
你可以試著加入以下兩種設定：
- 用
#YAML鎖定風格與結構：
如果你覺得 AI 生成的內容都太過華麗，
可以在指令中輸入 #YAML 來要求它的輸出配色格式。
這能讓產出的簡報更俐落，
更貼近你想要的風格。
2. 建立你的「專屬暗號」：
你可以直接在個人化設定，
把你自訂的的規則寫清楚，
就不需要每次對話都重複一次。
例如，一律使用符合台灣本地用語的繁體中文回答、
所有回答必須依據事實，最好能提供來源，
嚴禁瞎掰、禁止使用 Emoji、禁止使用「不是...而是...」
這類常見的 AI 罐頭句型。
下指令就像當導演，
交代得愈清楚，
成品就愈貼近你想要的。
第五個問題，
AI 在未來的職場上到底會變成怎樣？
在問卷的最後，
有一位同學寫下這句話：
「其實蠻想了解 AI 在職場上的發展可以如何使用？」
老實說，
AI 的出現對所有人來說都是未知的，
我們每個人，其實都站在同一條起跑線上。
過去的工程知識，
像力學理論、傳統工法，
是前輩累積了幾十年甚至上百年的經驗，
有一套標準答案，由老師傳授給學生。
但 AI 完全不同，
你前幾個月才買的 AI 工具書，
下一次版本更新，
裡面的功能可能就已經變了一輪。
我們每個人都還在摸索，
如何使用它，
其實也沒有一個所謂的「正確答案」。
回顧第一次用ChatGPT的時候，
他還是單純的「問答機器人」
你想多問幾個最新的時事資訊，
他還會回答說這題超出訓練範圍。
到去年，已經進化成幫我們整理資料，
生成大綱的「協作工具」。
而到了目前寫這篇文章的當下，
它已經能夠獨立處理個人事務，
產出內容、創造實際的產值，
AI 已經成為我們「個人力量的無限延伸」。
至於未來究竟會進化成什麼樣子？
說實話，我自己也很期待這種未知的驚喜。
這 55 份問卷，
讓我感受到同學對 AI 那種想嘗試又擔心未知的心情。
我的答案很簡單：
不要只在岸上看那 13% 的人往前游，
免費帳號也好，先從現在開始用。
不要害怕下錯指令，
多下水試幾次，
去碰撞出屬於你自己的用法。
期待下一次，
我們不要只在岸上聊 AI。
我們直接下水討論如何游得又快又好。
