作為資深工作者，面對 AI 新任務的誘惑，應如何運用「晶體智力」做出更精準的判斷，而不是盲目追趕？ | 經理人

資深工作者如何運用「晶體智力」判斷 AI 新任務？

面對 AI 新任務的誘惑，資深工作者應運用長期經驗積累的「晶體智力」，而非盲目追趕。首先要認知到，AI 新任務可分為工具型、技能型、資產型、探索型和修補型。資產型任務愈做愈省力，值得優先投入，而探索型和修補型任務雖有即時成果，卻難以帶來可持續的產出。

如何評估 AI 新任務的 TCO？

評估 AI 新任務時，不應只看「學會要多久」，更要計算「總持有成本 (TCO)」。TCO 包括學習成本、整合成本、維護更新成本和注意力切換成本。間接成本容易被低估，卻可能佔總成本的一半以上。同時，也要評估新任務能否對主要工作目標帶來價值，以及能否資產化，轉化為可重複使用的模板、檢查表或流程。

如何將判準轉化為行動？

面對 AI 新任務，可採取四種行動：

• 做：TCO 合理、回報明確、且能資產化，值得正式排入計畫。
• 試：回報和 TCO 尚未明朗，用小規模試驗獲取資訊後再決定。
• 交：任務值得做，但不一定要自己做，可外包或交由團隊成員處理。
• 停：TCO 高、「回報」不明確、或動機來自焦慮，應明確喊停。

資深工作者應避免「我跟不上了」的焦慮或「什麼都要學」的慌亂，判斷哪些任務值得投入、投入到什麼程度、以及何時停止。

This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容