從叫 AI 查地圖,到和 AI 一起設計旅程:讀《人腦與 AI 腦的新協作革命》之後,我想分享的 AI 工作流。
這一週,我發現自己已經不太改 AI 給我的稿子了。
以前它交一份初稿,我從頭改到尾:改語氣、調順序、刪掉那些四平八穩的句子。現在它交回來的東西,我多半只是再添一點自己的想法進去。
我很想說一句「我變輕鬆了」。可是讀完陳永隆的《人腦與 AI 腦的新協作革命》,想認真驗證這件事的時候,我才發現自己從來沒量過,到底每篇花了幾分鐘。所以這篇沒有省時數字。我想分享的,是「從改稿變成添想法」這個轉變,背後換掉的是什麼。
- 都在用 AI 了,為什麼還是累
- 叫 AI 查地圖,和 AI 一起設計旅程
- AI 用得越多,人要想得越深
- 同一件事,兩種姿態
- 它讀過我寫過的每一篇
- 今天可以做的一件小事
- 我的判斷從哪裡來
都在用 AI 了,為什麼還是累
美國醫學會今年三月公布的調查,近 1,700 位美國醫師裡,81% 在專業工作中用 AI,是 2023 年第一次調查時的兩倍以上;七成醫師認為,AI 可以把那些造成倦怠的工作自動化。
期待很高,可是很多人用了一陣子,還是覺得累。
我自己的觀察是:很多時候,我們只是把「寫」換成了「改」。Microsoft 與卡內基美隆大學在 2025 年調查了 319 位知識工作者、936 個實際使用的例子,發現用了生成式 AI 之後,思考的力氣移到了查核資訊、整合答案、替整件事把關。改一份陌生人寫的稿,耗的神不一定比自己寫少。
書裡有一個詞,把這件事說得很準:超級平均時代。作者借用品牌專家 Alex Murrell〈平均時代〉的觀察往下推:現在連「思考的方式」都可以被均質化。你問 AI 的問題,可能有一億個人也在問,它給的,是一個對大家都夠用的答案。
夠用的答案交到醫師手上,剩下那段路得自己走:把「大家都適用」改成「這是我會說的話」。累,大多累在這段路上。
叫 AI 查地圖,和 AI 一起設計旅程
讀到第七章,我在一個比喻前停了很久。
作者把常見的用法叫做傳統人機協作,本質是一種主僕關係:人下指令,AI 執行;人定義問題,AI 找答案。互動是單向的。
他提出的另一種,叫雙腦協作:人腦和 AI 腦各自做最擅長的事,同時讓彼此的輸出,成為對方思考的輸入。他用旅行來比喻:前者是你叫 AI 幫你查地圖;後者是你和 AI 一起設計旅程,途中還會互相問「這裡值不值得繞過去看一眼」。
我讀完的理解,是兩句話:
AI 的能力,讓人的智慧走得更遠。
查地圖的時候,AI 每一次都從零開始猜你要去哪,所以你每一次都得從頭改。一起設計旅程的時候,它知道你要去哪裡、在意什麼、走過哪些錯路,它交回來的東西,缺的就只剩你的下一個想法。
這也是我這一週「不太改稿」的原因。改變的地方在我跟它的關係,帳號和工具都還是原本那一套。
AI 用得越多,人要想得越深
書裡還有一句提醒,我很認同:AI 用得越多,人就要想得越深。
這句話有研究可以對照。同一份 Microsoft 的調查發現:對 AI 越有信心的人,越少動用批判思考;對自己專業越有信心的人,反而越會。這是自陳問卷,看不出誰造成誰,但方向值得放在心上。
另一份是哈佛商學院團隊與波士頓顧問公司合作、找了 758 位顧問做的實驗。任務落在 AI 擅長的範圍內,用 AI 的人做得更快、品質也更好;任務落在範圍外,用 AI 的人答對的機率反而比較低。麻煩的是,那條邊界從外面看不出來,得靠人自己知道哪裡該停下來想。
我想在這句話後面再補一句:想得更深,是要力氣的。
醫師的力氣有限。一整天的門診看下來,能留給深度思考的精神本來就不多。我之所以這麼執著追求更好的 AI 使用方式,原因就在這裡:把不需要我想的部分先安排好,力氣才留得到真正需要我想的地方。
我說的 AI 工作流,就是這件事。
可辨識病人的資料,不放進沒有經過機構審查與授權的外部 AI;衛福部今年五月發布的《醫療機構應用生成式人工智慧指引》,談的就是這些責任。診斷與處方的最後判斷,一直在醫師身上。哪些事我交給 AI、哪些我不交,我在〈哪些事 AI 不准碰?〉和〈AI 醫療決策的三層,第三層我交不出去〉寫過。
同一件事,兩種姿態
拿寫一篇衛教文來說。
查地圖的姿態:打開對話框,「幫我寫一篇失眠的衛教文」。它交出一篇結構完整、誰都能署名的文章。你從第一段改起。
一起設計旅程的姿態:它已經讀過你寫過的文章,知道你習慣用哪些比喻、哪些話你不會說。它先問你這篇要寫給誰、你最近在診間最常被問到什麼。它交出初稿,你補上只有你看得到的那段觀察,然後再請它從讀者的角度挑一次毛病。
兩種都在用 AI,用的甚至是同一個帳號。差別在你把它放在哪個位置,以及你的判斷插在流程的哪一個點上。
它讀過我寫過的每一篇
「它已經讀過你寫過的文章」這句,聽起來很遠。在我這裡,它是我現在覺得最厲害、也最實用的一件事。
我的官網寫了快兩百篇。我自己要從頭翻一遍,得花上好幾天,老實說,是根本沒有力氣去翻;AI 幾分鐘就翻完了。翻完之後,它可以把我在不同文章裡講得互相矛盾的地方挑出來:這篇這樣說、那篇那樣說,哪一個才是我現在的看法。
要優化舊文章,從這裡開始就簡單了。我不用憑記憶去找哪裡寫錯,只要看著它挑出來的清單,一條一條決定:留哪一個說法,改哪一篇。
觀點也是。我的想法會往前走,以前要等哪天想起來,才回頭補一兩篇;現在我更新了一個看法,可以馬上請它把官網所有相關的文章一起對齊。它的手還伸得到診所官網的文章,連 Google 商家的貼文也跟著有東西可以寫。同一個新觀點,一次走完它該去的每一個地方。
寫新文章也一樣。寫診所官網的文章時,我會請 AI 先訪談我。開口問我之前,它會先去翻我的官網,知道哪些我已經講過、講到哪裡;官網翻不夠,還有我自己整理的資料庫「知識森林」。所以它問出來的問題,會落在我還沒講過、或還沒講清楚的地方,不會從「請問什麼是美顏針」開始。
這就是雙腦協作在我身上的樣子:它負責把我寫過的東西全部記住、翻完、對齊;我負責決定哪一個才是對的,再往前想一步。
今天可以做的一件小事
那三件事,就是你的品質標準。它們現在只住在你的腦袋裡,所以每一次,你都得親手再改一遍。
把它們寫下來,是從查地圖走向一起設計旅程的第一步。
我的判斷從哪裡來
我的官網文章從 63 篇累積到 192 篇,每一篇終稿都還是我審。我現在不太改稿,靠的是這段時間一條一條記下來的錯:哪句話我不會說、哪種說法我刪過好幾次、哪個判斷 AI 不能替我下。每一次修正,我都讓它變成 AI 下一次的起點。
接下來九十天,我會開始記錄自己實際花了多少時間,看看「感覺變輕鬆」和數字對不對得上。如果對不上,那也是一個值得知道的答案。
已經會用 AI 了,為什麼工作還是很累?
很多時候,力氣只是從「寫」搬到了「改」。AI 給的是對大家都夠用的平均答案,把它改成你會說的話,這段路最耗神。研究也觀察到,用了生成式 AI 之後,思考的力氣移到了查核、整合與把關。
主僕式的人機協作和雙腦協作,差在哪裡?
主僕式是人下指令、AI 執行,像叫 AI 幫你查地圖,它每次都從零開始猜你要什麼。雙腦協作是彼此的輸出成為對方思考的輸入,像一起設計旅程。這個區分出自陳永隆《人腦與 AI 腦的新協作革命》,我的理解是:人的智慧為 AI 的能力指引方向,AI 的能力讓人的智慧走得更遠。
AI 用久了,人會不會變得不會思考?
目前的研究還不能下這個結論。Microsoft 的調查看到的是一個方向:對 AI 越有信心的人越少動用批判思考,對自己專業越有信心的人反而越會。所以我的做法是讓 AI 接手不需要我想的部分,把力氣留給需要判斷的地方。
醫師用 AI,有哪些事不能交出去?
可辨識病人的資料,不放進沒有經過機構審查與授權的外部 AI;診斷與處方的最後判斷在醫師身上。衛福部 2026 年 5 月發布了《醫療機構應用生成式人工智慧指引》。我自己的分級做法寫在〈哪些事 AI 不准碰?〉。
從工具走向工作流,第一步是什麼?
翻出這一週你改過的 AI 初稿,寫下你最常改的三件事。那就是你的品質標準。它們現在只住在你的腦袋裡,所以你每次都得親手再改一遍。
這篇講的是姿態:從叫 AI 查地圖,到和它一起設計旅程。怎麼把它帶進一整段工作、自己的判斷要插在哪個點,我寫成了六封信,叫《AI 當夥伴》。
每一封都附一段陪練指令,讓你自己的 AI 先問你的狀況,再陪你把方法套進你的工作。
共 6 封,每週一封。創始價 NT$1,000,到 2026 年 10 月 31 日,11 月 1 日起調整為 NT$1,500。這一本寫給已經會問 AI、也會叫它做事的人。
如果你現在的狀態比較接近「載過 app、問過兩句就放著」,先不用勉強走到雙腦協作。
我把最前面那一段拆成了八封信,一週一封,從開帳號、寫第一份衛教草稿開始。它叫「醫師的 AI 工作流寶寶班」,名字是認真取的,因為當寶寶就可以。
第一期創始價 NT$990,到 2026 年 10 月 31 日,11 月 1 日起調整為 NT$1,800。想先看看其他系列的話,電子報書櫃在這裡。
👉 入門:與其問該不該用 AI,不如學會把它養成幫得上忙的人
👉 為什麼開始:AI 解放了我什麼:一個中醫師導入 AI 的三個月
👉 建系統:把 AI 養成一支團隊:中醫師的 AI 記憶系統
👉 管系統:醫師 AI 工作流手冊:兩張卡、三條鐵則
👉 畫界線:哪些事 AI 不准碰?醫療現場的 AI 界線三級制
👉 用它做決定:AI 醫療決策的三層,第三層我交不出去
陳永隆《人腦與 AI 腦的新協作革命:從分析師到創造者的工作模式根本改變》,第 6、7 章。
American Medical Association. More than 80% of physicians use AI professionally: AMA survey(2026-03-12)。
Lee H-P, et al. The Impact of Generative AI on Critical Thinking. CHI 2025.
Dell’Acqua F, et al. Navigating the Jagged Technological Frontier. Organization Science 2026;37(2):403–423.
衛生福利部《醫療機構應用生成式人工智慧指引》,2026-05-29。


