最值錢的，不是答案

——AI 時代，老闆真正不能外包的三件事：選題、判斷、承擔

> 撬動諮詢 · 觀點文章｜AI 主題

> 素材：AMD 執行長蘇姿丰演講重點整理

這半年，我在企業裡最常被問到的問題，幾乎都跟 AI 有關。

「我們要不要導入 AI？」「員工是不是該去上 AI 的課？」「同業都在用了，我是不是已經落後了？」

問的人語氣都很急。有人已經幫全公司買了工具帳號，有人自己報名了三堂課，有人請了懂 AI 的年輕人，想先把公司「升級」起來再說。

這些動作都不算錯。但我聽得出來，這些問題背後藏著同一個擔心：AI 越來越會做事，那我——還有我的公司——還值多少？

我認為，這個問題的答案，跟多數人想的方向相反。

AI 正在讓「答案」變得越來越便宜。而答案越便宜，那些能決定要問什麼、要選哪一個、出事了誰來扛的人，就越值錢。

在一家中小企業裡，那個人通常就是老闆。

一、答案正在變便宜

過去，我們花錢買的，很大一部分是答案。

請一位資深業務，是買他知道客戶要什麼；請一位老會計，是買他知道帳該怎麼做；請顧問，是買他知道這個問題別人怎麼解。經驗值錢，因為答案稀少。

現在，寫一份提案、整理一份法規、比較三家供應商、分析一季的銷售數字，AI 幾分鐘就能給你一份像樣的版本。它不一定完美，但已經夠好，而且每個月都在變得更好。

當一樣東西變得便宜，價值就會移動到它旁邊那個還稀少的東西上。

AMD 執行長蘇姿丰在一場演講裡，把這個「旁邊的東西」講得很清楚。她說，AI 很強大，可以加速醫學研究、加快很多領域的突破；但有三件事，它做不到：

它不能決定哪些問題值得被解決。它不能在資訊不完整的時候，替你做出選擇。它也不能為錯誤的結果負責。

我第一次聽到這段話時，心裡想的是：這三件事，不就是老闆每天在做的事嗎？

二、一位工程師的自信

蘇姿丰會這樣說，跟她自己走過的路有關。

她回憶，自己十七歲進入麻省理工學院（MIT）時，原本覺得自己數學很好，結果開學兩週，就被基礎課程打擊得很徹底。接下來的幾年，是無數個熬夜解不出來的題目、一次又一次失敗的晶圓實驗，還有被她燒壞的電路。

她後來說，那段日子教會她一件事：真正的自信，不是永遠都知道答案，而是就算眼前不知道答案，也相信自己能想辦法把它搞明白。

二十五歲進入 IBM 時，一位導師告訴她：工程這一行，不看你的年資，看的是你有沒有更好的想法，所以不要躲開難題。她把這句話變成了一個原則——衝向最難的問題。

2014 年，她接下正陷入低谷的 AMD。在很多人不看好的時候，她把公司押在高效能運算這個方向上。後來的故事，大家都知道了。

這個故事值得看的，不是她有多聰明。而是她的價值，從一開始就不在「知道答案」，而在於面對一個還不知道答案的問題時，敢不敢往前走。

這種能力，AI 取代不了。因為它本來就不是關於答案的能力。

三、老闆不能外包的三件事

把蘇姿丰說的三件事，放到一家中小企業裡看，會變得很具體。

第一件，選題。

AI 可以幫你把一件事做得更快、更好，但它不會告訴你，這件事到底值不值得做。

我看過不少企業導入 AI 之後，行銷素材產量變成三倍，報表跑得更快，簡報做得更漂亮。但公司真正的問題——定位不清楚、定價太低、獲利集中在少數幾個客戶——一個字都沒動。

選錯了題，AI 只會讓你更快地走錯方向。決定公司這一年要解哪個問題，是老闆的第一份工作，也是最容易被「先把工具用起來」擠掉的工作。

第二件，判斷。

老闆做的重要決定，幾乎沒有一個是在資訊完整的時候做的。要不要擴廠、要不要漲價、要不要接那張利潤很薄的大單、要不要換掉一位跟了你十年的主管——每一個決定，都是在「還不確定」的時候做的。

AI 可以幫你整理出十種分析、五種情境、三個建議。但最後那一下，要選哪一個，要由人來選。

而且，等資訊都齊了再決定，通常代表你已經讓對手先決定了。

第三件，承擔。

AI 不會為結果負責。決定錯了，它不會失眠，不會去跟員工解釋，也不會去跟銀行重新談條件。

承擔這件事，影響的不只是老闆自己。團隊一直在看：出錯的時候，老闆站在哪裡。如果犯錯的代價全部由底下的人扛，就不會有人願意去碰難題；只要老闆願意站在前面，團隊才敢往難的地方走。

這三件事有一個共同點：它們都不會因為你多學一套工具而變強。

如果老闆把對 AI 的焦慮，全部花在「我也要學會用」上面，最後很可能是工具用得越來越熟，但這三件真正屬於老闆的事，反而沒有人在做。

四、每家公司都有一個繞過去的難題

蘇姿丰的原則是「衝向最難的問題」。這句話放在企業裡，我會換一個說法：

每一家公司，都有一個老闆一直繞過去的難題。

可能是接班，誰來接、什麼時候開始交。可能是財務數字，從來沒有真正攤開來看過。可能是一位資深主管，大家都知道他跟不上了，但沒有人開口。也可能是定價，明知道太低，卻怕一漲就流失客戶。

這些問題有一個特性：它們不急。每一週，都有更急的事排在前面。

AI 時代，這種難題不會變簡單，反而會變得更顯眼。因為簡單的事，正在一件一件被工具接走；剩下需要老闆親自處理的，幾乎都是難的。

這時候，蘇姿丰對自信的那個定義，就變得很重要。不是知道答案才敢面對，而是相信自己能把它搞明白，所以先面對。

我也想補一句：「搞明白」不等於「自己一個人搞明白」。我發現，那些真的願意碰難題的老闆，通常也最願意找一個外面的人，陪他把問題拆開來看。這不是示弱，這是工程師的做法——遇到解不開的電路，先把它一段一段拆開，而不是盯著整塊板子發愁。

五、把價值移到對的位置，其實是三件事

如果答案正在變便宜，老闆該做的，就是把自己的時間和注意力，移到還值錢的地方。我把它拆成三步。

第一步，先定題，再選工具。

先寫下公司現在最貴的三個問題：最花錢的、最卡住成長的、最讓你睡不著的。然後才問：這三個問題裡，哪些是 AI 能幫上忙的？哪些不是？

順序一反過來，就會變成拿著工具找問題。這一步需要誠實，也需要一個外面的眼睛，因為老闆最常繞過去的，往往就是排在第一名的那個。

第二步，把你的判斷變成可以被討論的東西。

做重要決定時，把你的依據寫下來：你相信什麼、你假設了什麼、什麼情況出現時你會改變主意。

判斷一旦被寫下來，AI 就能幫你測試那些假設，團隊也能挑戰你的推論。原本只存在老闆腦子裡的直覺，會變成公司可以一起檢驗、一起學習的框架。

第三步，定期回頭看決定的結果。

承擔不是一句口號，而是事後願不願意誠實地檢討：當初的判斷對了多少、錯在哪裡、下次要怎麼調整。這件事一個人很難持續，因為沒有人喜歡回頭看自己做錯的決定。所以它需要固定的節奏，也需要有人陪著看。

診斷、框架、陪跑——順序不能顛倒，也不能只做前面兩件。

六、你不需要成為最會用 AI 的人

回到那個問題：「我是不是已經落後了？」

如果你說的是工具，也許是。但工具的差距很容易追上，而且每個月都在變。

真正拉開企業之間距離的，是另外一件事：在答案越來越便宜的時代，誰還願意為「問對問題、做出選擇、承擔結果」負起責任。

蘇姿丰的故事給我的提醒是：她最值錢的，從來不是她知道多少答案，而是她面對一個還沒有答案的問題時，選擇往前走。

所以，與其問「我要不要學 AI」，或許可以先問自己一個問題：

你公司裡那個一直被繞過去的難題，是什麼？

AI 可以陪你找答案。但決定去面對它的，只能是你。

撬動諮詢｜用吸引力，撬動一切力