AI 工具深度融入工作流一段時間後，整體工作負擔並未減少。整理速度提升，但檢查與判斷的工作量依然存在。本篇紀錄實際感受、未預期的副作用、被拉高的不完美忍受度，以及對「人 vs AI」這個比較模型的修正。
# 流程的實際變化：AI 省下了什麼？沒省下什麼？
使用 AI 前後，工作流程的變化可以歸納為一個核心事實：AI 節省的主要是「打字」這段機械性操作。後續所有需要判斷的環節——邏輯檢核、引用與資料核實、語氣與節奏調整——工作量完全不變。
AI 讓「從零到有」的速度變快了；「從有到好」的距離仍然要靠手動補完。第一版生成從手動變成 AI 生成，節省了時間；後續的檢核、核實、調整，依然需要手動完成。這是使用 AI 後最直接的體感：整理變快，但檢查沒少。
# 核心矛盾：無法預測的輸出，才是最讓人煩躁的地方
使用 AI 的過程中，最讓人煩躁的部分在於：AI 的輸出結果難以預測。錯誤可以被修正，不可預測性只能接受。
同樣的提示詞，同樣的上下文，同樣的模型版本，兩次輸出的結果可能天差地別。有時候它給出精準、深刻、超出預期的回覆，讓你覺得「這工具真的太強了」；有時候它給出完全偏離主題、邏輯斷裂、甚至憑空捏造的回覆，讓你懷疑自己是不是用錯了什麼。
這種不確定性，讓 AI 呈現一種極兩極化的面貌：看好的人聚焦於它的潛在驚喜；看壞的人則擔憂其可能帶來的風險。而這兩種觀點其實來自同一個事實：不可預測性。
對於需要穩定輸出的人來說，這種不可預測性是一個結構性問題。你只能把 AI 當成一個「大部分時候有用、永遠需要驗證」的輔助系統來使用。這是它的結構特性，使用時得一直盯著。
# 副作用一：沒被迫使用的能力會退化
AI 讓某些能力「不再被迫使用」。長期下來，這些能力的水位會下降。
仔細盤點後發現，以下幾個能力維度的變化最明顯：整體邏輯與前後關聯仍可掌握；短片段、斷句式表達正常；但即時產出連續、用詞精準的長句變得明顯吃力。理解與組織外文長文時，傾向直接交給 AI 翻譯，而非自己處理。等待與延遲滿足的能力（耐心）下降。真人社交意願也隨之下降。
共通點是：每一項日常情境都從「需要主動處理」轉變為「可以一鍵完成」。大腦自然偏好低阻力路徑——這是結構問題，不能用意志力扛。
# 副作用二：對不完美的忍受度下降
AI 在清理與整理上多數時候是加速的。這會反過來逼使用者強迫自己把「過去的不完美」全部補齊。
以記帳為例：使用 AI 之前，心態是「記個大概、月底看一下花去哪、少幾筆沒差」。使用 AI 之後，心理預期變成「類別要一致、過去資料想補齊、想做圖表分析、想建完整資料庫」。工具把任務升級為系統工程，但生活節奏未能同步調整。痛苦不在記帳本身，而在被 AI 拉高的「資料完美度」標準。
# 取捨框架：想要 / 需要 / 必要
工具增加 → 選項增加 → 取捨成本上升。用一個三層分類降低決策負擔：
- 必要：不做會出事、違約、欠人 → 立即處理
- 需要：能讓現在的事更好，但不做不會壞 → 排入計畫
- 想要：有趣、想試、不做不影響 → 看剩餘時間
沒有這個分類框架，每一個「看起來還不錯」的選項都會被預設當成必做項。
# 再退一步：比較基準的問題
使用 AI 久了，容易冒出一種焦慮：人類再怎麼提升，仍難以在完美度、速度或資料量上超越 AI。
這是比較基準錯置 — 拿人類去比 AI 擅長的指標。用速度、記憶量、資料量來比較，人類會輸。當前真實的競爭軸是「會用 AI 的人 vs 不會用 AI 的人」，這個差距才是真實的競爭樣貌。
抗替代能力集中在三項：
- 問題定義能力：知道真正要解決的問題是什麼
- 不完整資訊下的決策：在資料不夠時仍能選方向、承擔結果
- 建立信任的能力：讓真人願意與你合作
# 結論：選擇能力依然是核心
AI 並未改變一個基本事實：選擇能力仍是個人工作的核心。它只是把注意力從「執行」這個環節，轉移到「定義 + 判斷」這個環節。
工具普及不等於可以放棄核心能力。智慧型手機取代了傳統手機；判斷資訊真假、管理注意力、與人互動、專注完成工作，這些能力變得更重要。AI 是同樣的邏輯。
回到最開始的問題：AI 有沒有讓我更輕鬆？答案是否定的。它只是讓我「輕鬆的部分」和「不輕鬆的部分」重新分配了。而那些不輕鬆的部分——判斷、驗證、承擔不可預測性的風險——恰恰是目前無法外包的核心。