當 AI 越來越能寫程式、分析資料、整理文件，甚至開始解決過去只有專業研究者才能處理的問題，我們真正需要擔心的，可能不是「AI 會不會取代我們」。
更值得思考的問題是：
當 AI 可以替我們完成越來越多工作，我們自己還剩下什麼能力？
最近一段談論數學與 AI 的影片中，菲爾茲獎得主、數學家陶哲軒（Terence Tao）分享了他對 AI 發展的觀察。
他的觀點看似是在談數學研究，實際上對今天正在找工作、轉職、學習新技能，甚至已經在職場中的人，都有非常直接的啟發。
因為 AI 真正改變的，可能不只是「工作怎麼做」，而是人類能力的價值排序正在改變。
==========
【AI 的能力，正在快速往上爬】
陶哲軒觀察到，過去幾年 AI 在數學上的能力有非常明顯的進步。
從國中程度的題目，到高中數學、奧林匹亞競賽，再到研究所資格考，AI 能處理的問題一路往上提升。
接著，它甚至開始碰觸一些過去沒有人特別花時間處理的小型未解問題。
這裡有一個非常重要的訊號：
AI 不再只是幫人類「做工具性的工作」，而開始進入專業工作的核心流程。
這件事放到職場上，其實已經非常熟悉。
過去我們可能需要：
- 自己搜尋資料
- 自己整理會議紀錄
- 自己寫 Email
- 自己做簡報
- 自己分析資料
- 自己寫程式
- 自己製作行銷文案
- 自己產出初版設計
現在，AI 都可以參與其中。
而且速度往往比人快很多。
因此，未來真正的競爭，不一定是：「你會不會做這件事？」
而可能變成：「你能不能知道該做什麼、為什麼做，以及怎麼判斷 AI 做得對不對？」
==========
【AI 最強的地方，可能不是「思考」，而是大量嘗試】
陶哲軒有一個很有意思的觀察。
AI 有時候很像一個「微醺的天才」。
它可能會提出一些非常奇怪、非常不尋常的解法。
有些看起來完全不像人類會採取的思路，卻可能意外地有效。
但問題也在這裡。
AI 可以快速嘗試大量可能性。
人類卻沒有辦法。
假設一個問題有 1,000 種可能的方向，人類可能只會認真嘗試其中幾種。
AI 卻可能一次嘗試大量路徑，再從結果中找出比較有希望的方向。
這讓 AI 特別適合處理：
大量探索 → 大量試錯 → 篩選結果
的工作。
這個特性放到職場上，代表很多原本需要大量時間的「執行工作」，價值會逐漸下降。
例如：
「幫我整理 100 份履歷」
「幫我產生 20 個廣告標題」
「幫我分析這份資料」
「幫我寫 10 個產品方案」
「幫我找出競爭對手的功能」
這些事情未來很可能越來越便宜。
因為 AI 可以快速產生大量答案。
當答案變得廉價，真正稀缺的東西就會改變。
==========
【最危險的不是 AI 做錯，而是「AI 做對了，你卻不知道為什麼」】
這可能是整段內容對職場人最重要的提醒。
假設 AI 幫你完成一份報告。
結果看起來非常漂亮。
數字也合理。
文字也很流暢。
甚至主管看完覺得：「這份做得很好。」
但如果你自己其實不知道它為什麼得出這個結論，一旦主管追問：「為什麼？」
「這個數字從哪裡來？」
「如果換一個情境呢？」
「這個假設成立嗎？」
「你怎麼確定這個方法是對的？」
你可能就回答不出來。
這時候，AI 幫你提高的不是能力，而只是輸出速度。
這也是陶哲軒對 AI 時代的一個核心提醒：
「產生答案」與「真正理解答案」，是兩件不同的事情。
==========
【AI 可以產生答案，但人類仍然需要「消化答案」】
這件事在數學研究中非常明顯。
一個數學證明被 AI 產生出來，並不代表這件事情就結束了。
接下來還有很多工作：
驗證答案是否正確
理解它為什麼成立
把複雜的內容整理成容易理解的形式
讓其他研究者理解
被整個社群接受
最後成為知識的一部分
也就是說：
「得到答案」只是整個流程的第一步。
這個概念其實完全可以搬到職場。
例如 AI 幫產品經理產生了一份產品策略。
真正有價值的人，不只是把 AI 的內容貼進簡報。
而是能夠進一步問：
這個問題真的值得解嗎？
使用者真正的痛點是什麼？
AI 的假設是否合理？
哪些資料支持這個結論？
如果資源只有一半，應該做什麼？
這個方案可能帶來什麼副作用？
AI 負責產生，人負責理解、判斷與取捨。
==========
【這也解釋了：為什麼「會用 AI」還不夠】
現在很多職缺開始要求：
AI Skills
AI Tools
Prompt Engineering
Generative AI
這些能力當然重要。
但如果把「會用 AI」理解成：「我知道怎麼叫 ChatGPT 幫我寫東西。」
其實還不夠。
真正有價值的 AI 能力，更接近下面這個結構：
① Domain Knowledge｜專業能力
你必須知道自己正在處理什麼問題。
② Problem Framing｜問題定義
你必須知道真正應該解決的是什麼問題。
③ AI Collaboration｜AI 協作
你知道什麼事情適合交給 AI，如何拆解任務，以及如何讓 AI 提高效率。
④ Verification｜驗證能力
你能夠判斷 AI 的結果是不是合理。
⑤ Judgment｜判斷能力
當 AI 給你五個答案，你知道應該選哪一個。
⑥ Communication｜溝通能力
你能把 AI 的結果轉化成團隊、主管或客戶可以理解並採取行動的內容。
這六件事情加起來，才是真正的 AI 時代工作能力。
==========
【更值得警惕的是：人才培養的「斷層」】
陶哲軒提出了一個非常值得職場人思考的問題。
很多專業人才的成長，其實是從比較簡單的工作開始。
研究生先處理比較簡單的研究題目，工程師先寫小功能，設計師先做簡單頁面，行銷人員先執行基礎活動。
這些工作看起來不重要。
但正是透過這些「不重要的工作」，一個人慢慢建立：
經驗 → 判斷 → 直覺 → 專業能力
問題是：如果 AI 把這些入門工作全部拿走了呢？
新人可能反而沒有機會累積經驗。
這是一個非常值得企業與工作者注意的問題。
因為：如果 AI 幫你跳過了所有練習，你可能直接得到答案，卻沒有得到能力。
==========
【AI 時代，真正稀缺的能力是什麼？】
如果把陶哲軒的觀察放到職場，我認為可以濃縮成五種能力。
1. 提問能力
知道什麼問題值得問。
2. 判斷能力
知道 AI 給的答案哪個值得相信。
3. 專業能力
知道答案在什麼情境下才有意義。
4. 學習能力
能夠快速吸收 AI 帶來的新知識。
5. 創造能力
能夠提出 AI 沒有直接告訴你的新方向。
這些能力有一個共同點：
它們都不是單純的「產出能力」。
而是：決定產出什麼，以及如何使用產出的能力。
==========
【最後：不要害怕 AI 變強，要害怕自己停止成長】
陶哲軒談 AI 時最值得職場人注意的地方，其實不是「AI 已經多厲害」。
而是另一個更深層的問題：
當機器越來越擅長解決問題，人類是否還能持續培養出「提出好問題」的人？
這可能就是 AI 時代真正的人才危機。
因為未來的職場，很可能不是：
人 vs. AI
而是：
會使用 AI 的人 vs. 不會使用 AI 的人
但再往後一步，可能會變成：
只會使用 AI 的人 vs. 知道如何與 AI 一起思考的人
而最後真正稀缺的，可能是那些能夠：
定義問題 → 使用 AI → 驗證結果 → 理解結果 → 做出判斷 → 創造新價值
的人。
所以，如果你現在正在求職、轉職、學習新技能，甚至只是擔心 AI 會不會影響自己的工作，不妨換一個問題。
不要只問：「AI 會不會取代我的工作？」
更值得問的是：「如果 AI 可以幫我完成工作中的 50%，剩下的 50% 我應該把自己訓練成什麼樣的人？」
這或許才是 AI 時代真正值得我們思考的職涯問題。
==========
【*****這支影片最值得帶走的 5 個觀點*****】
① AI 會讓「產生答案」越來越便宜
所以單純的執行能力，價值可能持續下降。
② 得到答案，不等於真正理解
AI 可以產生結果，但人仍然需要驗證、理解與判斷。
③ AI 不一定會讓人變得更有能力
如果所有練習都交給 AI，人可能反而失去累積專業直覺的機會。
④ 未來的核心競爭力不是「會不會用 AI」
而是能不能把專業能力、問題定義、AI 協作與判斷能力結合起來。
⑤ 不要只用 AI 提高工作效率，要用 AI 提高自己的能力上限
AI 最有價值的地方，不只是讓你更快完成今天的工作，而是幫助你學會過去需要很長時間才能掌握的能力。
==========
給正在職涯路上的你
AI 時代真正值得投資的，可能不是下一個 AI 工具。
而是：
讓自己成為一個即使有 AI，也依然需要被信任、被詢問、被依賴的人。
因為當「做事情」越來越容易，
知道該做什麼的人，反而會越來越重要。
