每一場工作坊開場，我都會做同一件事：請所有人用手機匿名寫下一句話，你平常拿 AI 來做什麼。不用具名，寫完直接投到大螢幕上，幾十秒之內就會長成一片文字雲。
每一場長出來的樣子都差不多。字最大的永遠是那幾個：問問題、查資料、做報告、整理資料、生圖。
我通常會讓那張圖停在螢幕上久一點，然後問一句：這上面的每一個詞，是不是都是一件從頭做到尾的完整工作？
是。每一個都是。沒有人寫的是「我讓它負責其中某一種工作，剩下的我自己來」。
這一篇在講什麼
AI 接走了「把一份成品從頭做到尾」，所以「看得出這份成品其實是好幾種工作混在一起」變得更值錢。
具體來說：一份報告表面上是一件事，實際上是查資料、想架構、寫成句子、排版這四種完全不同的工作綁在一起。以前四樣都是你自己做，現在你打一句「幫我做一份報告」，等於四樣一起外包出去。而這四樣裡面，有兩樣它做得比你好，有一樣它做得跟你差不多，還有一樣它根本做不了，因為那一樣需要的是你的立場。
為什麼「哪些工作可以交給 AI」這個問題很難回答
這是每一場都會被問到的問題，而網路上也不缺答案。多數答案是一張清單：重複性高的可以交、需要創意的不能交、有標準流程的可以交、需要人際互動的不能交。
清單本身沒有錯，錯的是它幫不上你的忙。因為你回到座位上，手邊那件事不會剛好長得像清單上的任何一項。
舉個真的會發生的例子。你下週要交一份專案進度說明給主管。這件事在清單上叫什麼？它既不是純粹的重複性工作，也不是什麼創意工作。它是一件由好幾段組成的事：你要去撈這一季的數字、判斷哪幾件事值得講、決定用什麼順序講比較不會被追問、把這些內容寫成人看得懂的句子、最後還要準備萬一被問到某個數字時你要怎麼回答。
這才是問題所在
這五段跟 AI 的適配程度差非常多，差到不像同一件事。但你在對話框裡打的那一句，通常是「幫我做一份專案進度說明」。你不是交錯了，是你從來沒想過這句話裡面包了四樣不同的工作。
所以這一篇不會再給你一張清單。要處理的是更前面的一步：你按下送出的時候，這句話裡面到底包了幾種不同的工作，而你是不是真的想把它們全部交出去。
文字雲上的每一個詞，都是一件從頭做到尾的完整工作
你把上面的字念一遍就會發現，它們是同一種東西：問問題、查資料、做報告、整理資料、生圖、寫公文、排行程、翻譯、潤稿、寫作業。每一個都是一件交出去就等著收回成品的完整工作，中間發生了什麼，寫的人並不在意。
沒有人寫「我讓它先擬三個架構，內容我自己填」。也沒有人寫「我讓它做版面，要講什麼我自己決定」。這不代表大家沒有這樣做過，而是當一個人要描述「我怎麼用 AI」的時候，他想到的是自己丟了什麼進去、拿了什麼出來，不會去想中間那幾種工作各自是誰做的。
這件事本身很自然，畢竟我們平常交辦工作也是這樣講話的。問題是，當交辦的對象換成 AI，這個習慣會產生一個副作用。
同一片文字雲裡的少數
同一批回答裡，偶爾會出現幾個不太一樣的：有人寫「自己沒想法的時候都會問」，有人寫「拿來問一些自己認知以外的事情」，也有人直接寫了投資理財。這幾個交出去的其實已經不是產出，是判斷。但它們在牆上跟其他所有人的答案長得一模一樣，都只是一行「我用 AI 做某件事」。
交出一份翻譯，跟交出一個決定，在你自己的描述裡長得一模一樣，都是「我用 AI 做了某件事」。所以你不會在任何一個時刻停下來想：這件事裡面有沒有哪一種工作，其實不該跟著一起丟出去。
把一件事講成一串步驟，你才看得出它其實不只一種工作
要看出一件事裡面有幾種工作，聽起來像需要天份，其實不用。它就是一個很機械的動作：把名詞講成動詞。
「做一份專案進度說明」是一個名詞，名詞是一塊實心的東西，你只能整包交出去。但你如果把它講成「先撈數字、再挑重點、再排順序、再寫成句子、最後準備被追問」，它就變成五個動作，而這五個動作需要的能力完全不一樣：撈數字要的是耐心跟正確，挑重點要的是判斷，排順序要的是你知道對方在意什麼。能力不一樣，適不適合交出去當然也就不一樣。
-
第一步
把名詞講成一串動詞
不是「做簡報」，是「決定講什麼、排順序、寫內容、做版面、練怎麼講」。
-
第二步
標出哪幾段有標準答案
有標準答案的那幾種工作最適合交出去，只有取捨沒有對錯的最不適合。
-
第三步
先講好你要檢查哪一段
在送出之前就決定要驗哪一項，而不是拿到東西之後再看哪裡怪怪的。
把名詞講成一串動詞
這一步的門檻比想像中低很多，你不需要畫流程圖。最簡單的做法是：把那件事講給一個完全不懂的人聽，講到他知道你這幾天在忙什麼為止。多數人會自然講成一串動作，因為名詞講不出過程。
講完之後數一下有幾個動作。如果只講得出一個，多半不是這件事真的這麼單純，而是你還沒真正想過它。講得出三到五個動作的人，通常已經做過這件事不只一次。
在我看來，光是這一步就會改掉大部分人的用法。因為當你真的念出五個動作、發現它們需要的能力差這麼多之後，「五樣一起丟給它」這個選項會突然變得很奇怪，你自己就不太想那樣做了。
標出哪幾段有標準答案，哪幾段要靠你選
念出來之後，對每一個動作問同一句話：這件事做完，有沒有一個不用討論的對錯。
翻譯一段文字、把格式統一、把三千字縮成三百字、查一個名詞的定義，這些都有相對明確的對錯，交出去的風險低。但決定這份東西要講給誰聽、哪一個論點放第一個、哪一段刪掉不要，這些沒有標準答案，只有取捨，而取捨會連著你的立場一起走。
要靠你選的那幾樣不是不能碰 AI，是不能連「選」這個動作一起丟給它。你完全可以請它把選項列出來、幫你想想還有沒有漏掉的，但「最後選哪一個」這個動作要留在自己手上，否則過兩天有人問你為什麼是這個版本，你會答不出來。
先講好你要檢查哪一段，再按下送出
這是三步裡面最少人做、成本也最低的一步。多數人的做法是成品拿到手之後，從頭讀一遍，看哪裡怪怪的。但通順的成品不會讓你覺得怪，你會一路順順地讀完，然後覺得還不錯。
先講好就完全不一樣。送出之前先在心裡點名：這一次我要檢查的是數字對不對，其他的我先不看。被點名過的地方你會真的去查，沒點名的地方本來也不是這次的重點。
這一步之所以有效，是因為它把檢查從「感覺」變成了「清單」。感覺會被漂亮的文筆騙過去，清單不會。
一份簡報可以拆成四個角色，分開交出去
上面講的是自己動手分。接下來這一段是分工這件事真正開始有威力的地方，而且它剛好解釋了一種人為什麼在這個時代特別吃香。
做過專案管理的人應該會有感覺。PM 這個角色過去的價值，常常被形容成「在中間橋接」，聽起來像行政。但一個真正做得好的 PM，腦裡其實裝著一整張圖：這件事要完成，中間會經過哪些環節、每個環節該產出什麼、誰卡住會拖到誰、哪一段最容易出包。那張圖以前的用途是調度人，現在它可以拿來調度 AI，而且用法幾乎一樣。
拿一份簡報當例子。如果你把它當成「一份簡報」交出去，你會拿到一份四平八穩、每一頁都通順、但你不太敢直接上台講的東西。但如果你像 PM 那樣先把它拆開，它其實是四件不同的事，需要四種不同的能力：
-
資料收集
把散在各處的數字、案例、來源找齊。這一項要的是廣度與正確性，最適合交出去。
-
簡報邏輯架構
決定先講什麼、後講什麼、哪一頁是重點。這一項連著你的立場，最不適合整個交出去。
-
視覺排版
版面、字級、圖表怎麼配。這一項有大量既成的規則可以依循，交出去的效果通常不錯。
-
二次內容驗證
回頭查數字、查出處、查有沒有前後矛盾。這一項最常被略過，卻是最該獨立出來做的。
這四樣裡面，只有「簡報邏輯架構」那一格是一連串的決定：要說服誰、他大概有多少時間、哪一個論點放第一個、哪一段刪掉。另外三樣都有相對明確的做法可以依循，這一樣只有取捨。
分開之後有一個很多人沒想到的好處：這四樣可以交給四個各自獨立的分身去做，而且可以讓其中一個回頭去查另一個。負責驗證的那一個不需要知道前面三樣是怎麼做出來的，它只要拿著成品去對照原始資料。一個同時在做四件事的對象沒辦法客觀檢查自己，但一個只負責挑錯的就可以。
網頁版就做得到
所謂各自獨立，靠的是彼此看不到前面的對話，所以做法很單純：交出去的那幾樣，各開一個新的對話。資料收集開一個，排版開一個，驗證再開一個；架構那一格不開，那個分身就是你自己。前一個角色交出來的東西，複製起來當成材料貼進下一個對話，不要在同一串裡接著往下打。驗證那個對話要貼兩份，一份是拿到的成品，一份是最原始的資料，它的工作就是把兩份對起來。同一串裡叫出來的驗證角色，讀得到自己剛剛寫出來的內容，那還是在檢查自己。
這就是這一兩年常聽到的子代理（sub-agent）在講的事情。它的重點從來不是「找一個更萬能的 AI」，而是把一個完整任務分成幾個角色，每個角色只負責一樣工作、只看自己該看的東西，最後再由你這個 PM 把它們兜起來。
交錯的時候，你從成品上看不出來
有一份研究可以把這件事講得更硬一點。哈佛商學院與波士頓顧問公司合作做過一次現場實驗，研究報告公開在哈佛商學院的網站上（工作論文編號 24-013，後來收錄於 Organization Science）。受試者是 758 位顧問，約占該公司同職級顧問的百分之七，隨機分成沒有 AI、有 AI、以及有 AI 加上一份使用說明三組，做的是真實的顧問工作。
結果分成兩半。在 AI 能力所及的那一類題目上，用 AI 的人表現明顯變好，而且原本表現在平均以下的人進步幅度更大。但研究者刻意挑了一題落在 AI 能力邊界之外，那一題用 AI 的人答對的比例，比沒用 AI 的人低了 19 個百分點。
研究者把這條邊界叫做鋸齒狀的前沿：它不是一條整齊的直線，而是凹凹凸凸的。更麻煩的是，你從交出來的東西看不出來自己站在哪一邊，因為兩種情況產出的成品，完整度看起來一模一樣。
這條研究給的提醒
既然從成品上看不出來，
就不能等成品拿到手，才回頭想哪幾樣不該交出去。
同一份研究還記錄到兩種不同的用法。一種人是事先就把工作分好，這幾樣我做、那幾樣給它，分完各自執行。另一種人是整個過程跟 AI 黏在一起，一句一句來回，誰負責哪一樣隨時在變。
兩種都有人做得很好。真正的差別在於，前者永遠說得出哪幾樣是自己做的、哪幾樣是它做的，後者做完之後常常說不出來。而說不出來的那一種，出事的時候找不到是哪一樣出錯，只能整份重做。
什麼時候整包丟出去反而比較好
把話講完整一點：不是每一件事都值得這樣分。
如果這件事成本很低、做壞了可以直接丟掉、而且不會有人拿它去做決定，那分開處理本身就是在浪費時間。想一個活動名稱、把同一句話換三種講法、生一張只有自己看的示意圖，整包丟出去完全合理，不滿意就再丟一次。
還有一種情況是你根本還不知道自己要什麼。這時候整包丟出去、看它給什麼，是一種很有效率的探索。很多時候要先看到一個具體的東西，你才講得出自己不要什麼，這件事我自己也常做。
分界線在這裡
值得分開處理的是那些「會被別人拿去用」的事。一旦有人會根據它做決定，或者出錯的時候要由你去解釋，你就必須說得出裡面每一樣工作是誰做的。可以丟掉的成品整份交，要掛你名字的成品分開交。
分開交出去的東西，出問題的時候你改得動
這一篇沒有給你一張「可以交」與「不能交」的清單，因為那張清單對你手上這件事幫不上忙。
真正幫得上忙的是一個習慣：在打出那句話之前，先把那件事在心裡講成一串動作，看看裡面到底有幾種不同的工作。看得出來，你就有得選；看不出來，你只能整份交出去，然後接受它給你什麼就是什麼。
回到最開始那片文字雲。上面每一個詞都是一件從頭到尾的完整工作。那不代表這些人不會用 AI，而是代表「這件事裡面有好幾種工作」這個念頭，還沒有進入他們描述工作的方式。而一件你描述不出來的事，是沒有辦法被決定的。
送出前的最後一句
這件事裡面有幾種不同的工作？
我現在一次丟出去的，是不是全部？
分開處理的收穫有兩個。留在自己手上的那幾段，最後長什麼樣子由你決定；交出去的那幾段，萬一出了事，你還改得動。整份交出去的東西錯了只能整份重來，分開交出去的東西錯了，你知道是哪一樣出問題、回頭改那一樣就好。
你手上這件事裡面有幾種不同的工作，哪幾樣你打算自己做，哪幾樣打算交出去？
六個帶得走的重點
六個帶得走的重點
- 一件事通常不只一種工作：你打的那一句「幫我做一份報告」，等於四種工作一起外包。
- 名詞看不出組成：把「做一份簡報」講成五個動作，才看得出它們需要的能力差多少。
- 有標準答案的先交：翻譯、統一格式、壓縮字數風險低；要靠你選的那幾樣留著。
- 一份簡報是四種工作：資料收集、邏輯架構、視覺排版、二次驗證，交出去的那幾樣各開一個新對話。
- PM 的那張圖現在很值錢：懂每個環節該發生什麼，就分得出誰該負責哪一樣。
- 交錯了看不出來：758 位顧問的實驗顯示，超出 AI 能力邊界的題目，用 AI 反而低 19 個百分點。
關於作者
- 525+場企業與組織培訓
- 19,500+位學員
- 150+家教育培訓場域
延伸閱讀
- PICK 選用｜AI 工具怎麼選：同組的下一步。交出去的那幾樣工作，要用什麼工具承接。
- ASK 提問｜同樣問 AI，為什麼別人的答案能直接用：動手分之前，先把那件事本身想清楚。
- AIM 指令｜AI 指令怎麼下才精準：決定哪幾樣交出去之後，那幾樣要怎麼講。
- CHECK 查證｜AI 幻覺是什麼：二次驗證那一格，實際上要怎麼查。
- COACH 帶人｜團隊都導入 AI 工具了，卻沒有員工願意使用：你自己會分之後，怎麼讓團隊也用得起來。
- AI 會取代我的工作嗎？被換掉的不是職業，是你手上的任務：那篇談被動被換掉的部分，這篇談你主動交出去的單位。
- LOOP 固化｜AI 做到第五次，你改的量有變少嗎：同組的下一步。這一次切好的分工，怎麼固化成下一次不必再切一遍。
重點整理
哪些工作可以交給 AI？
比較有用的問法不是「哪些工作」，而是「這件事裡面有哪幾種工作」。把手上那件事講成一串步驟之後，通常會發現裡面同時有很適合交出去的部分（翻譯、統一格式、把長的縮短、查定義）和很不適合的部分（決定講給誰聽、哪個論點放第一個、哪一段刪掉）。前者有相對明確的對錯，後者只有取捨。一次全部丟出去的問題不在於交錯，而在於你連分辨的機會都沒有。
怎麼判斷某一種工作適不適合交給 AI？
問一句話就夠了：這一段做完，有沒有一個不用討論的對錯。有的話風險低，可以交；只有取捨沒有對錯的，不要連「選」這個動作一起交出去。你仍然可以請它把選項列出來、幫你看看有沒有漏掉的，但「最後選哪一個」要留在自己手上，否則過兩天有人問你為什麼是這個版本，你會答不出來。另一個實務判準是這件事會不會被別人拿去做決定，會的話就要分得更細，你得說得出裡面每一樣是誰做的。
一份簡報要怎麼分成幾個角色交給 AI？
一份簡報其實是四件不同的事：資料收集（把散落的數字、案例、來源找齊）、簡報邏輯架構（決定先講什麼、哪一頁是重點）、視覺排版（版面、字級、圖表怎麼配）、二次內容驗證（回頭查數字與出處有沒有錯）。第一、三、四樣都很適合交出去，第二樣最好留在自己手上，因為它決定了其他三段要往哪裡跑。實際操作上，要交出去的那幾樣各開一個新的對話，把上一個角色交出來的東西複製起來，當成材料貼進下一個對話，不要在同一串裡接著打，這樣負責驗證的那一個才真的看不到前面三樣是怎麼做出來的；驗證那個對話另外再貼一份最原始的資料，它才有東西可以對照。
什麼是 sub-agent？跟直接問 AI 有什麼不同？
子代理（sub-agent）的概念，是把一個完整任務分成幾個角色，每個角色只負責一樣工作、只看自己該看的東西，最後由你把它們兜起來。跟整包問 AI 的差別在於責任範圍：整包問的時候，它同時在收集資料、決定架構、排版和自我檢查，而一個同時做四件事的對象，沒有辦法客觀檢查自己。分開之後，負責驗證的那一個不需要知道前面是怎麼做的，它只要拿著成品去對照原始資料就好。
為什麼做過 PM 的人在這件事上比較有優勢？
因為一個做得好的專案管理者，腦裡本來就裝著一整張圖：這件事要完成會經過哪些環節、每個環節該產出什麼、誰卡住會拖到誰、哪一段最容易出包。這張圖過去的用途是調度人，現在同一張圖可以拿來調度 AI，用法幾乎一樣。所以在 AI 時代，這種「極度清楚每個環節該發生什麼事」的能力，價值反而被放大了，因為它正好就是分工的前提。
我怎麼知道自己交錯了？
多數情況下你從結果看不出來，這正是最麻煩的地方。有一份 758 位顧問參與的現場實驗顯示，在 AI 能力所及的題目上使用 AI 的人表現明顯變好，但在刻意挑選、落在能力邊界之外的那一題上，用 AI 的人答對比例反而低了 19 個百分點，而兩種情況交出來的東西看起來一樣完整。所以哪幾樣要交出去，必須在送出之前決定，事後補救的機會很小。
一定要每件事都拆開嗎？會不會反而更花時間？
不用。成本低、做壞可以直接丟、而且不會有人拿去做決定的事情，整包交出去完全合理，例如想活動名稱、把一句話換幾種講法、生一張只給自己看的示意圖。還有一種情況是你根本還不知道自己要什麼，那先整份丟出去看它給什麼，是很有效率的探索。需要分開處理的是那些會被別人拿去用、或是出錯時要由你去解釋的事。
本文更新於 2026 年 8 月。AI 與數位工具改版快速，實際功能與名稱可能已有變動，建議以官方文件為準。
