AI不等你準備好-也不會停在你學會那天

我每次開企業課、開工作坊，中場休息總會有一兩個人走過來，講一句幾乎一模一樣的話。

「這東西變太快了吧，我看再過半年又不一樣了，現在學會不會太早？」

我懂這句話。它聽起來很成熟，很有風險意識，像是一個懂得等時機的人才講得出來的話。

但這幾年看下來，講這句話的人，跟另一種人，最後常常落在同一個地方。另一種人是這樣的：課上得超認真，筆記抄滿整本，回去之後，就再也沒打開過那個工具。

一個還沒開始，一個學完就停。表面上完全相反，其實是同一個錯。

「太快了，所以先等等」，這是這兩年最貴的一個決定

先講「等等看」這一派。

他們的邏輯很清楚：現在的 AI 就像早年的 DOS，黑畫面、打指令、又難又醜，反正之後一定會有更好、更簡單的版本，何必現在受這個罪。

這個比喻其實蠻準的。現在的 AI Agent 確實還很粗糙，動不動就出錯，設定起來也煩。但結論剛好接反了。

你回頭看那些 1985 年就坐在 DOS 前面敲指令的人。DOS 早就死了，可是那批人沒有。Windows 來了他們學，網路來了他們學，智慧型手機來了他們也學。因為他們很早就練出一件事：不怕那台機器。工具換一輪，他們換一次腦袋，就跟上了。

那一直在等「電腦變簡單一點再用」的人呢？他們等到今天還在等。因為「簡單」從來沒有真的來過。每個時代都有它自己那條學習曲線，曲線只是換了位置，它從來沒有消失。今天在等 AI 變簡單的人，跟當年在等電腦變簡單的人，是同一種人。

速度不是「先別學」的理由，它是差距開始複利的訊號

我知道「變太快」不是隨便講的，數字擺在那邊。

企業裡真的用得上 AI Agent 的比例，2025 年還不到 5%，Gartner 估 2026 年底會衝到 40%。購物這邊，摩根士丹利估到 2030 年，接近一半的線上消費者會用 AI 購物代理人幫自己下單，佔他們花費大約四分之一。而且不用等 2030，現在就有調查說七成三的人已經在購物流程裡用 AI，七成的人已經可以接受讓代理人替自己買東西。

寫程式這邊更猛。OpenAI 的 Codex 在 2026 年 4 月突破每週四百萬名開發者；Anthropic 的 Claude Code 年化營收衝到二十五億美元，週活躍使用者從今年初到現在直接翻倍。JetBrains 一月的調查，九成開發者已經例行在用 AI 工具。AI 生成的程式碼佔比，從 2023 年的一成，兩年就爬到將近一半。Y Combinator 去年冬季那批新創，每四家就有一家，95% 的程式碼是 AI 寫的。

所以「變太快」是真的。但「變太快」不是等它穩下來的理由，它是差距開始複利的訊號。

這裡的重點是複利兩個字。你這個月沒跟上，別人不是領先你一個月的量，是領先你一個月的複利。他多會的那一點，會拿去省下時間，再學下一個東西，再省更多時間。等你半年後決定「好吧我來學」，你追的已經不是當初那個起跑線，是一條被複利拉開、還在繼續拉開的線。

學過一次，不等於你會了

講完等等看那派，來講學完就收工那派。這派我更擔心一點。

技術能力有一個東西叫半衰期。哈佛商業評論和 IBM 都給過一個數字：大約 2.5 年。白話說，你 2020 年學的技術，到 2023 年價值剩一半，而且剩下那一半還在繼續掉。IBM 甚至特別分出一類叫「易腐技能」，就是那種綁死在特定工具上、每隔幾週就被更新掉的能力。

而 AI 這個領域，這條半衰期被壓縮到大概一年。2025 年還很搶手的那些 AI 技能，2026 年很多已經變成「這不是基本盤嗎」的東西。

這就是為什麼「上完課就跟 AI 斷聯」，某種程度上比沒學還危險。因為沒學的人知道自己不會，會小心。學完就收工的人，以為自己會了。你手上那張筆記、那個當時跑得很順的 prompt，正在安靜地過期，而你完全沒感覺，直到有天要用，才發現它早就不靈了。

學 AI 不是打疫苗，不是打一針管十年。它比較像健身。你停練，肌肉就掉，而且是無聲無息地掉，等你哪天真的要用力，才發現力氣不在了。

我最強的那些同學，都不是把 AI 當學問在讀的人

我在台灣帶過的學員裡，最後真的把 AI 用進工作、用出成果的，幾乎都不是課堂上反應最快的那個。是課後還在跟它亂玩的那個。

再講細一點。我最出色的那幾個同學，那些真的懂我脈絡的人，幾乎都有一個共同點：他們把 AI 當朋友，當一個一起工作的夥伴，而不是一台要去操作的機器，更不是一門要去攻克的學問。他們用我教的那套邏輯，跟 AI 一來一回、不停地協作、共創。

他們到現在還是一直來上我的課。但不是為了學什麼新招。多半是來對答案的：看看自己這套做法對不對，或者撿一兩個剛好還沒用到的小技巧。下了課追著我問的，也從來不是「AI 未來會怎樣」這種大哉問，而是很小、很具體的卡點：某個環節就是卡住了，那個小關節到底怎麼轉開。

這樣的同學，我手上現在大概接近二十個。他們散在各行各業，各自跟 AI 玩得火熱。

（小聲說一句）這種能力，沒有一張 AI 證照教得會你。

那些動輒好幾萬、考完發你一張護貝證書的大型 AI 認證，教的是上禮拜的模型、背得起來的萬用 prompt、還有一份考完當天就過期的標準答案。它把 AI 包裝成一門要「研讀」的學問，考卷出得漂漂亮亮，然後你拿著那張證書，對著今天早上又更新一輪的模型，一樣不敢動手。

而且我發現一件有點反直覺的事：越把 AI 當成學術背景去鑽研的人，越害怕它。因為你一旦把它當成一個要「學完、學對、考到滿分」的科目，它每更新一次，就是在提醒你一次：你又落後了，你那份標準答案又錯了。恐懼就是這樣一次一次長出來的。

所以我的課，幾乎沒有「複製貼上這個 prompt」這回事。我不發萬用模板，因為根本沒有萬用這種東西。每一堂，我都是看 AI 當天的狀況，現場跟它一起把 prompt、把 loop、把 content 長出來。學生帶走的不是一份標準答案，是一個人怎麼跟一個一直在變的東西，即時合作。

我自己也是這樣。我每週要寫專案週報，這件事很早就交給 AI 打草稿了。但我沒有一次設好就從此不管，每隔一陣子模型一換、能力一跳，我就回去把整套流程重調一次。這半小時很無聊，沒有上課那種學到新東西的爽感。但它就是我讓自己不掉隊的方式。維持，從來沒有開始那麼性感，可是它才是真正有用的那一段。

最後想說

我對學 AI 的態度，其實跟我對自動化的態度是同一套：能自動的儘量自動，但判斷這件事，要一直練，不能外包。

「等它穩再學」跟「學完就收工」，聽起來是兩種完全相反的人，但他們買的是同一種東西：一種假的安全感。它讓你覺得自己做了一個很成熟、很有分寸的決定，其實你只是把「持續」這件麻煩事，很優雅地推掉了。

而 AI 不太配合這種安排。它不會等你準備好才開始變強，也不會體貼地停在你剛好學會的那一天，讓你歇口氣、喘一下。它就是一直走。

好消息是，你不用學得多快、多深、多猛。工具會一直換，你追不完，也不用追完。你只要別停。一週半小時，讓自己跟得上，就夠了。

別等準備好才開始，也別學會了就離場。這場沒有畢業典禮，只有一件事：你還在不在場。