那兩行字是幾乎同時浮上來的。
題目只有一句：你覺得 AI 時代會帶來什麼問題。大家用匿名代碼在手機上打，誰也看不到誰打了什麼（以下引述的答案都經過文字整理，語意維持原樣）。牆上多數是變笨、詐騙、假影片，都在預料之中。然後角落跳出這一行。
「個人能力的差距會縮小。」
沒過幾秒，旁邊又長出另一行。
「會拉大數位資訊的隔閡。」
同一場課、同一個題目、同一批人。一個說縮小，一個說拉大。他們彼此看不到對方寫了什麼，兩邊都不是隨口打的，而且兩邊我都同意。
整面牆上提到落差的人其實很少，少到幾乎看不見。但我盯著這兩行看了很久，因為在所有的擔憂裡，只有這一組是正面對撞的。
重點速答
落差會縮小還是拉大，不取決於誰比較會用 AI。真正的分界只有一句：你手上那件事，做完之後還需不需要你負責。需要，AI 就是槓桿，它把你的判斷放大；不需要，AI 就是替換，它把你從流程裡拿掉。同一個工具、同一份教材，兩種完全相反的結果，差別在責任的位置，不在熟練度。
同一份內容在不同情境中，會轉化為不同層次的產出
這幾年我站的位置有點特別。這個禮拜在公部門講公文，下個禮拜在企業講提案，再過幾天面對的是一整間大學生。同一套教材、同一組操作流程，連中場那個梗我都刻意留著，為的是把變因壓到最低：如果最後結果差很多，那個差異就不會是我造成的。
但落到三個房間裡，長出來的東西完全不同。
公部門把它用在公文的字句上：生成、潤飾、查法規、排行程，用途題那面牆上「寫公文」三個字出現的密度高得驚人。企業拿去做簡報、寫文案、整理會議紀錄、潤新聞稿，全部繞著「要交出去給某個人看」打轉。大學生的答案則乾脆得多，幾乎都指向同一個詞：作業。
前面兩種，AI 進來之後，人還站在原本的位置做事，只是快了。第三種不一樣。作業從頭到尾就是一份要交出去的產出，中間沒有其他人會插手，AI 可以整份接手。
這不是誰比較認真的問題。是這三件事本來的體質就不一樣。
越熟悉 AI 的使用者，越清楚思考被稀釋的風險
如果你以為學生是那批「還不太會用」的人，那結論完全相反。學生場次的答案裡，工具名稱最新、用法最順、講得最具體，不需要我在台上示範第二次。有人寫得非常直接。
「最近幾個月，我幾乎都只用 Gemini 做作業。」
但同一場課，牆上的自我批評也是所有場次裡最重的。我帶過不少企業內訓，沒有一場的員工會用這種力道講自己。
「將來人們的平均智商，會不會因此下降？」
那個問句是他自己提出來的。他不是在譴責別人，他在問自己，而且是在沒有人知道他是誰的情況下問的。這種句子不會出現在一個懶得動腦的人身上。
所以我沒有辦法把這件事寫成「現在的年輕人怎麼樣」。他們不笨也不懶。他們只是很誠實地站在一個破口上，而那個破口不是他們挖的。
破口在這裡
作業這個東西的設計前提是「產出等於練習」：你交出一份報告，代表你走過了寫報告的整個過程，老師看產出就等於看見了你的練習。AI 把產出跟練習拆成兩件事之後，這個等號就不成立了。可是收作業、給分數的方式還停在原地。這是制度還沒跟上，不是十九歲的人有問題。
把責任推給學生是最省事的講法，也是最沒有用的講法。真正該被改的是那個等號，而改它的人不坐在教室裡。
AI 可以協助完成文字與視覺呈現，但責任判斷仍須由人承擔
反過來看公部門，同一個道理也成立，只是方向相反。
他們用得沒有學生順。不少人是那天才第一次認真打開對話框，打字的時候還會回頭看隔壁同事一眼，怕自己按錯什麼。照理說，這樣的落後應該讓他們更危險才對。但他們的工作並沒有被整份吃掉，原因不是比較高明，也不是比較資深，更不是機關裡有什麼防護罩。
是因為公文跑到最後，有一格要蓋章。那一格底下寫著一個人的名字，這件事情出了狀況，是這個名字扛。章不能給機器蓋。
所以 AI 進到那個流程裡，只能停在草稿的位置。它可以把一份簽呈從三小時壓到三分鐘，但最後讀一遍、確認法條沒引錯、決定要不要送出去的，還是那個要簽名的人。責任把人留在流程裡，AI 再強也繞不過那一格。
企業也是同一件事，只是那一格不叫章，叫做「這個案子出包，客戶會打電話找誰」。
一句話的判準
你手上那件事，做完之後還需不需要你負責。需要，AI 就是槓桿；不需要，AI 就是替換。
AI 同時降低入門門檻，也放大資源與能力的差距
回到牆上那兩行字。我不打算幫他們選一邊，因為兩邊都對，只是他們講的不是同一件事。
-
被抹平的那一邊
做完之後，沒有人會回頭找你
交出去就結束，不會有人事後追問你為什麼這樣寫。這種事 AI 可以整份接手，而且交出來的東西跟你做的看起來差不多。差距在這裡確實縮小了，縮小到幾乎為零，但代價是這一格本來就不太需要一個人站著。
-
被放大的那一邊
做完之後，出事的還是你
AI 給的第一版一定有幾處不對，而你看得出來，因為錯了要負責的是你。你會停下來想「不行，這樣送出去會出事」。這一種人愈用愈強，因為每一輪都在練判斷。差距在這裡被拉開，而且愈拉愈快。
-
縮小是真的
門檻整個掉下來了
很多以前做不出來的東西，現在誰都做得出來，做得還不難看。
-
拉大也是真的
看不看得出哪裡不對，一點都沒變簡單
這件事反而因為稀有，變得比以前更值錢。
先看縮小那一邊。以前要把一件事做對，第一步往往不是動手，而是找到一個懂的人。資訊與人脈本身就是門檻，卡在那裡的人多半不是能力不夠，是問不到路。現在那道門檻幾乎歸零，有想法但沒有預算、沒有團隊的人，可以直接把東西做出來。
拉大那一邊也一樣。AI 的產出品質高度依賴你餵給它什麼。手上有累積的人，餵得進去的是真實案例、既有資料與自己的判準；手上沒有東西的人只能空手發問，拿回來的也是誰都拿得到的通用答案。更關鍵的是看不看得出它哪裡錯：同一份初稿，有人一眼看出中間那段接不上，有人只覺得寫得很順。
兩邊講的其實不是同一種落差：一種決定你進不進得了門，一種決定你交出來的東西能不能用
| 取得知識的落差 | 運用知識的落差 | |
|---|---|---|
| 方向 | 正在縮小 | 正在拉大 |
| 決定什麼 | 你進不進得了門 | 你交出來的東西能不能用 |
| 靠什麼跨過 | 打開工具就跨過了 | 手上有沒有東西可以餵、看不看得出它錯在哪 |
| 要花多久 | 一個下午學得完 | 只能一件一件做出來 |
當人人都做得出東西，能不能做對就成了唯一的分辨方式。接下來大概也是如此：入門會繼續變容易，但差距不會消失，只是往上層轉移。
兩層落差，同一個判準
做完之後，還需不需要你負責。
需要的人被迫累積、被迫判斷，於是愈用愈強。
不需要的人連該餵什麼都不知道，因為他從來沒有為結果承擔過。
而且這兩件事會同時發生在同一個人身上。你手上有些事正在被放大，有些事正在被慢慢拿掉，只是你從來沒有把它們分開來看，所以感覺起來就是一團模糊的不安。
寫下縮小那一行的人，看到的是自己終於做得出以前做不出的東西。寫下拉大那一行的人，看到的是另一群人正在被留在原地。他們站在同一場課裡，各自都只看見了一半。
用責任歸屬重新分類你的工作價值
AI 不是單純讓所有人站上同一條起跑線的工具。它確實降低了入門門檻，讓原本缺乏預算、團隊或技術支援的人，更快把想法轉成可見的成果。但同時，它也會放大那些本來就有脈絡、有資料、有判斷能力的人，因為他們餵得進去的材料更完整，拿得出來的結果也更接近真正可用。
接下來的差距，不會只出現在工具熟練度，而會出現在責任密度。有資源可餵、有結果要承擔的人，會把 AI 變成槓桿，讓專業判斷、內容產製與視覺呈現被同步放大。只把 AI 當成交差工具的人，則可能在流程中被逐漸替換，因為他提供的不是判斷，而只是產出。
這也是 AI 最值得觀察的雙面性。它讓更多人有機會做出以前做不到的事，也讓更多原本含糊的工作價值被重新檢視。真正被拉開的，不是會不會使用 AI，而是使用之後誰還能為結果負責，誰只是把結果交出去。
內文精華總結
六個帶得走的重點
- 兩行相反的答案都是對的：同一場課上，有人寫落差會縮小，有人寫落差會拉大，他們各自看見了同一件事的一半。
- 分界不在熟練度，在責任：你手上那件事做完之後，還需不需要你負責。需要，AI 是槓桿；不需要，AI 是替換。
- 同一份教材會長成三種東西：落到公部門停在草稿、落到企業繞著要交給某個人看打轉、落到教室裡則是一份可以被整份接手的產出。
- 用得最熟的那一群，罵自己罵得最重：這不是世代問題，是制度還把「交出產出」當成「走過練習」的證明，而 AI 已經把這兩件事拆開了。
- 章不能給機器蓋：速度可以壓縮，最後簽名的那一格不能外包。責任把人留在流程裡，AI 再強也繞不過去。
- 縮小與拉大會同時發生在同一個人身上：你手上有些事正在被放大，有些事正在被慢慢拿掉，不分開看，就只剩下一團模糊的不安。
關於作者
- 525+場企業與校園培訓
- 19,500+位學員
- 130家合作單位
延伸閱讀
- 用 AI 會變笨嗎？真正被切斷的不是記憶，是判斷力
- AI 只能拿來查資料嗎？真正被浪費的不是它，是你手上的材料
- AI 會取代我的工作嗎？被換掉的不是職業，是你手上的任務
- AI 能代替我操作電腦嗎？該交出去的工作與絕不能交的界線
- AI 時代教學與反思：過度依賴 AI 背後的隱形代價及認知負債
重點整理
AI 到底會讓落差縮小，還是拉大？
兩件事同時在發生，而且常常發生在同一個人身上。門檻確實整個掉下來了，很多以前做不出來的東西現在誰都做得出來，做得還不難看，這一邊的落差縮小到幾乎為零。但能不能看出成品哪裡不對、敢不敢把它擋下來，這件事一點都沒有變簡單，反而因為稀有而更值錢，這一邊的落差愈拉愈快。所以問題從來不是選一邊站，是把你手上的事分成這兩堆。
怎麼判斷我手上這件事，AI 是槓桿還是替換？
問一個很短的問題就夠了：這件事做完，出了問題誰會被找。答案是你自己，AI 就是槓桿，可以大膽用、用力用，因為你看得出第一版哪裡不對，每一輪都在練你的判斷。答案是沒有人，或者是「反正交出去就沒事了」，那就要小心，AI 在這裡是替換，它可以整份接手，交出來的東西跟你做的看起來還差不多。
學生拿 AI 做作業，是不是特別糟糕？
不是。課堂上用得最熟、工具講得最具體的常常就是學生，而同一批人對自己的批評也是最重的，重到我在企業內訓裡幾乎沒聽過那種力道。問題出在任務本身的體質：作業的設計前提是產出等於練習，你交一份報告，代表你走過了寫報告的整個過程。AI 把產出跟練習拆開之後，這個等號就不成立了，但收作業與給分的方式還停在原地。該被改的是那個等號，而改它的人不坐在教室裡。
用得不熟的人，是不是反而比較危險？
不一定。課堂上有一整群人是那天才第一次認真打開對話框，打字時還會回頭看隔壁同事一眼，照理說最危險，但他們的工作並沒有被整份吃掉。原因不是比較高明，是流程最後有一格要蓋章，那一格底下寫著一個人的名字，出了狀況是這個名字扛。AI 可以把一份簽呈從三小時壓到三分鐘，但最後讀一遍、確認法條沒引錯的還是那個人。留住人的是責任，不是熟練度。
我的工作大部分都沒有人會回頭追問，是不是就沒救了？
先分清楚兩件事：是這份工作真的不需要人負責，還是只是目前沒有人在追。前者代表這一格本來就不太需要一個人站著，AI 只是讓它提早被看見，這時候該做的是把省下來的時間挪到需要你簽名的那一堆，而不是把它做得更快。後者其實更常見，也比較好處理：主動把責任撿回來，讓自己成為那個會被追問的人，這件事通常不必等誰批准。
怎麼分辨一份報告是不是整份由 AI 生成、沒有人真的修過？
不要從成品去抓，要從過程去問。排版整齊、語氣四平八穩、形容詞很多而具體細節很少，這些都只是嫌疑，不是證據。有效的做法是當面追問三個問題：這個數字或說法哪裡來的、為什麼選這個做法而不是另一個、如果對方不同意你會怎麼回。真的自己走過一遍的人答得出來，而且答得很快。答不出來的那幾秒，比任何偵測工具都準。
老師或主管可以怎麼設計任務，讓 AI 不會整份接手？
把責任放回流程裡，比禁止使用有效得多。當一件事做完之後不會有任何人回頭問「這句你確定嗎」，AI 就會非常自然地整份接手，這跟年紀、跟世代都沒有關係。可以做的有幾件：要求交出處而不只是交結論、把驗收改成當面追問而不是只看檔案、明確指定哪一段必須是本人判斷、把過程中的取捨也算進評分。讓交出去不等於結束，等號才會重新成立。
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。
