AI的成本是別人的時間

作者對大型語言模型（LLM）抱有愛恨交織的情感。初遇ChatGPT Omni的演示時，那種如同電影《Her》成真的驚奇感令人難忘。然而，除了將LLM用作日常故障排查的新搜尋引擎外，作者更多時候感到的是失望而非愉悅——尤其是當AI被強行塞入社交和工作場景時。

作者認為，AI已無法逆轉，我們能影響的是其使用禮儀。核心規則是：擁有你的工作。若需註明答案基於AI，則應繼續完善直至可以署名。信任關係因AI而破裂：接收者無法判斷內容來自模型還是同事的判斷。LLM可用於工作，但必須用自身專業知識引導、校對、修改，直到對結果滿意。

若無法評估模型輸出的質量，不要依賴它。LLM擅長語義搜尋和摘要，但也會以自信的語氣胡編亂造（幻覺），且這一缺陷可能永無解。這與確定性演算法截然不同——模型輸出多變卻偽裝成人類般的篤定。而人類在不確定時會直接表露。作者強調，對不熟悉領域的LLM輸出應極度懷疑，交叉驗證。

若未用心撰寫，他人也不會費力審閱。歷史上首次，內容生產速度超過消費速度。LLM預設冗長，導致郵件、文件篇幅膨脹，低熵文本淹沒核心思想。接收者需花費大量時間消化，或只能再扔給LLM總結，形成“AI自我吞噬”的浪費。對策是禮貌要求精簡文件，或索要原始提示詞以暴露對方投入的不足。

提示詞至少應占輸出長度一半（儘管思維模型使這點弱化）。LLM本質是預測下一個token，缺乏上下文和記憶。投入自身專業知識越多，輸出質量越高。雖然減少省時效果，但避免平庸。

重度委託給AI的技能會萎縮。大腦如同肌肉，不用則廢。已有實證表明，過度依賴AI導致認知能力下降。與計算器、GPS類似，但LLM可外包規劃、推理、決策甚至創造力——這些核心能力。短期省時，長期可能喪失獨立構建論證的能力。作者建議：將無意義工作委託給AI，但對重要事務，應利用LLM作為挑戰自我的夥伴，而非直接產出內容。如此既能保持質量，又能保留個人風格。

歸結為黃金法則：做讓你自豪的工作。使用AI，責任仍在己。始終驗證、修正、挑戰，去除不配署名的一切。尊重他人的時間，也會贏得尊重。