Hi，
八月開始，我做了一件之前沒做過的事：坐到別人旁邊，看著他們從零建起自己的 AI 助理。
那天在一家創意行銷公司。原本說好十二個人，當天其他人都在加班，實際到了四個。
那天的創意總監給了我一張便條紙，上面寫三件事。
- 專案報價
- 公文書寫
- 算薪水
三件全部是他一個人在做。他是創意總監，手下有兩個專案經理，但這三件事沒有下放。
我當下的判讀是，他要的不是 AI 幫他做，是把流程做成別人也能跑的東西。
這句話把整件事的性質換掉了。我們不是在做一個總監專用的 AI 助手，是把他腦袋裡的判斷寫下來、讓別人照著跑。AI 是那份規則的執行殼，不是主角。
聊到算薪水的時候，他說「規則有一點太複雜」。
我追問下去，發現複雜分兩種。一種是級距多、變數多，不同職級不同算法，工時、加班、專案抽成、獎金各自有規則。另一種是例外多，某某人狀況特殊，某某案子當初講好不一樣。
他的是前者。
我覺得這個分類決定了可不可行。級距與變數是規則明確、條件多的問題，人腦跑一次很累、跑十次會出錯，正好是可以被寫下來的那一類。真正難做的是散落在各處、沒寫在任何地方的例外。
所以「規則太複雜」其實是好消息。規則確實存在，只是還沒被寫下來。寫成文字之後，「能不能下放給別人」就從能力問題變成權限問題。
但那天最有價值的一句話，不是他說的。
是其中一位專案經理說的。她擔心的不是 AI 會不會做，是——
AI 幫她算出來的估價數字，她不知道該不該相信。
這不是技術問題。她要的不是更準的 AI，是一個讓她能夠檢查的方法。
她判斷不出來的那個地方，正好就是她該學的地方。但她的處境更難一點，那個數字不是她自己要用，是要報給客戶的。錯了是她的責任。
我後來的回答是這樣。不要問「這個數字對不對」，要問「這個數字是怎麼算出來的」。讓它把中間的每一步攤開，你檢查的不是結果，是過程裡有沒有哪一步的假設你不同意。
你可能驗不了一個數字，但你一定驗得了一個假設。因為假設是用你自己的語言講的。
那天我只收到一張便條紙。四個人裡面只有一個人寫了東西給我。
這件事本身也是資料。
Kidult
