我這幾個月做的東西比過去兩年加起來還多。不是因為我變強了，是 AI 把我已經會的事重新放了一遍——有些東西做完才發現「啊，原來這裡可以這樣處理」。
這幾個月我真的做完的事
我這陣子同時在跑幾條線：把部落格跟 AI 串起來幫我整理文章、做電商專案的功能補齊、架一整套的後台服務。這些事我以前都做過，每樣都花過時間踩過坑。但有 AI 之後，狀況不太一樣。
我可以輕易換個程式語言去做同一件事——以前慣用 Python，這次某個服務改用 Go，邊做邊問邊修，第二天第一版就跑起來了。過程中還會「順手摸到」原本沒打算做的東西：AI 給的範例裡順便用了某個工具，我覺得有意思點進去看，結果解決了我另一個專案三個月前卡住的問題。
還有一種是「找出原本沒做好的地方」。我以前寫好的某段程式碼自己看一直覺得 OK，丟給 AI review 才發現有個 bug 藏在邊角，平常跑 100 次看不出來，第 101 次就炸。
AI 真正的價值不是「做新事」
我看很多人介紹 AI 的時候，會講「AI 可以幫你寫文案、可以幫你寫程式、可以幫你做圖」，好像 AI 解鎖了一堆你以前做不到的事。
但對我來說不是這樣。
AI 真正讓我有感的不是「做新事」，是把我已經會的事用三種方式重新跑一遍：
換一種方式做：以前用 Python 寫的東西這次用 Go 寫；以前自己手刻的某個流程這次用更標準的做法重做；以前用 A 服務串接的這次評估換 B。換的成本變低了，所以可以多試幾種，選真正適合的。
摸到原本沒看到的角度：做事的過程中 AI 會給你一些你本來不會想到的方向。有時候那個方向比你原本的還好，有時候不是，但你的視野會被撐開。
抓出原本沒抓到的問題：你自己看自己寫的東西很難挑錯，AI 沒有這個包袱。它會直接告訴你「這段邏輯在某種情況下會壞掉」，雖然有時候它會誤判，但只要十次裡面對一次，你的成品品質就上一個台階。
這對非工程師的意思
如果你不寫程式，上面這些聽起來可能很遠。但邏輯是一樣的。
你已經在做的事——寫信、整理會議紀錄、做簡報、安排行程、回客戶訊息、寫工作報告、跟廠商議價——每一樣都可以用上面那三個角度重做。
寫一封信，你原本的版本給 AI 看，叫它用三種不同語氣再寫一次。你會發現「啊，原來客戶可能因為這句話的語感不對才一直 follow 不下來」。
整理一份會議紀錄，你寫完丟給 AI 問「有沒有什麼問題我沒問到對方？」。它可能會挑出兩三個你當下沒想到、但其實該追的點。
做簡報，你把你想講的內容講給 AI 聽（不是逐字稿，是想到什麼講什麼），叫它幫你整理脈絡。然後你自己看那個脈絡，會發現某個段落的邏輯其實有跳——這跳不是 AI 看出來的，是你看 AI 整理的版本之後自己看出來的。
這是 AI 對非工程師最被低估的用法。不是「叫 AI 幫你寫」，是「拿 AI 當鏡子照自己的工作」。
那些常被講到的場景
如果你問我 AI 平常到底用在哪，大致上就這幾類：
文字相關的最多——寫東西、改東西、翻譯、摘要、整理筆記。這是 LLM 的強項，幾乎每天都會用到。
圖像可以產也可以改——產一張示意圖、把照片背景換掉、生一個簡報用的封面。品質這兩年進步很多，已經到「自己用夠好了」的程度。
語音兩個方向都通——把錄音轉成逐字稿（會議、訪談、上課都很有用），或是把文字念成語音（自己錄 podcast、做教學影片旁白）。
資料整理這塊我自己用得不算多，但身邊做行銷、做業務的朋友很常拿 AI 處理——把一堆雜亂的客戶名單清乾淨、從一堆評論裡抓出大家在抱怨什麼、把報表的關鍵數字拉出來。
寫程式這個就工程師專屬了，但跨到非工程師最有感的應用是「我想做一個小工具但我不會寫」——很多以前要找工程師的小需求，現在自己跟 AI 講一下就能跑出一個還能用的版本。
真的開始用，挑一件你已經會的事
我給想開始摸 AI 的人最實在的建議是：不要從「我聽說 AI 可以做某件酷的事」開始。
從「我每週都要做、做了好幾年、自認做得還不錯」的事開始。
把那件事用 AI 重做一次。可能是寫某個固定格式的報告、可能是回某類客戶問題、可能是整理某個每月例會的紀錄。重做的時候不要要求 AI 一次到位，當作跟一個新同事討論——它出第一版，你看哪裡不對改它，它出第二版，你再改。
做完你會有兩種感覺。第一種是「啊，原來我以前花的那段時間其實可以省下來」。第二種更重要：「啊，原來這件事可以做得比我以前更好」。
第二種感覺出來的那一刻，你才真的開始懂 AI 對你的價值是什麼。