當 AI 摘要變得非常方便時，正是我們該回頭閱讀全文的時候。

現在我在教導經理人和學生時，都會反過來要求他們：請把原始的文件或專書完整看過一遍，再來使用 AI 摘要。邏輯很簡單：

有了 AI，你不再需要親自做繁瑣的摘要工作。
但如果不看原文，你根本無從判斷 AI 摘要得準不準確。

如果只看摘要，概念上就像 AI 運作中的「上下文工程」（Context Engineering）。為了向他們解釋這個概念，我會這樣比喻：講白了，當 AI 無法一次吃下所有資料時，它會壓縮資訊，擷取重點後再餵給下一輪對話，藉此持續跟你互動。

這時，我也會直接問這些經理人與學生：「你們真的信賴 AI 摘要出來的資料嗎？前面有這麼多細緻的討論，你覺得它能準確抓出細節嗎？」這時通常可以看見大家臉上浮現遲疑。有人開始察覺到不對勁：是啊，如果前面的理解有誤，壓縮之後它又是怎麼取捨重點的？我們以前怎麼會直接相信這些壓縮後的資料？

所以我建議現在的經理人與學生，建立一種反向思維：

過去，讀書和寫摘要都要耗費大量時間。

現在，寫摘要的時間省下來了，但你「閱讀」的時間照理說不應該變短。

如果你完全信任摘要，並用它來引導思考，等同於讓 AI 幫你讀書。問題是，AI 讀書的方向真的跟你一樣嗎？我們之所以去讀完整的內容，是為了建構一套世界觀；這個世界觀起初由作者帶給你，接著由你與作者進行「隱性對話」而成形，這個過程其實是在刺激你的多元思考能力。

你最後歸納出的邏輯，必然和 AI 不同。AI 的摘要過程是個黑箱，人類的思考過程也是黑箱，你可能也說不清楚自己是怎麼得出這些重點的。但兩者有根本上的差異：
(a) 你的黑箱思考，最終會產生對你有意義的見解。
(b) AI 的黑箱，本質上只是機率運算的結果，它無法內化，也無法成為你人生的一部分。

從這個角度來看，你該焦慮的不是摘要做得好不好，而是自己有沒有好好讀完那些對你專業至關重要的書籍。

延續我之前談過的概念：「慢下來」是件好事。在對的地方慢下來，在快的地方讓 AI 加速，這樣我們才有辦法真正體會這項科技帶來的好處。