Hi，
這一場的對象是一位工程師，前陣子剛從一家外商科技公司離職，正在找下一份工作。
他在職的時候是用 AI 寫程式的，拿它做過一些概念驗證。離職之後改用免費的方案，最近主要拿來準備面試。最近很紅的那幾個個人助理產品，他說他沒有自己用過，只看別人寫的文章。
我約他的時候請他帶一件想解決的事。他帶來的題目是家裡要換房子。
這件事跟他的工作沒有關係。他要規劃新家的空間，之前自己試過用 AI 生 3D 模型，他的形容是一直都不到位。
那天我們換了一條路。先把房子的平面圖給它，不是描述，就是那張圖。
它很快把空間配置抓出來了。接著我們把家裡每個人的狀況告訴它，讓它去分配小孩的房間。然後配置家具。然後請它去看設計師家具的網頁，從上面挑。最後那天的產出是一個網頁，裡面的家具可以自己拖著移動、調整。
他看完的反應是很驚訝。讓他驚訝的是這一整串事情它全部都做得了，從讀圖一路到那個可以拖著玩的頁面。
大部分人心裡的 AI 是一個生成東西的工具。生文字、生圖、生程式碼。所以當手上的事情長得不像「生成」的時候，它根本不會進入選項。那不是評估之後否決掉的，是壓根沒想到可以交出去。
比較準的邊界是這樣：凡是一個人坐在電腦前面，用滑鼠和鍵盤做得完的事，AI 都做得到。
登入後台把數字抄下來，可以。兩百個檔案照一套規則改名，可以。在地圖服務裡面整理一份清單，可以。把一張平面圖讀成空間配置，再去別人的網頁上挑家具，再把結果變成一個可以互動的頁面，也可以。
差別只在值不值得，以及它需不需要你的登入身分。需要登入的那一類照樣做得到，而那一類剛好是最常被誤判成做不到的。
做得到不等於該做。自動化要從「怎麼又要做這個」長出來，不要從「這個工具可以做那個」長出來。我自己交出去的事情，幾乎都是先被重複煩了很多次，才去做的。那天他的房子是一次性的題目，但是那個題目剛好把範圍給他看清楚了，接下來他自己判斷什麼該交出去。
所以我在陪跑的時候不太在意題目是公事還是私事。私事常常更好用，因為你對它的細節最清楚，講得出來的條件最多，而那些條件就是 AI 要的東西。
Kidult
