等的人，和做的人
——AI 時代，公司之間的差距，從誰先動手開始
> 撬動諮詢 · 觀點文章｜AI 主題
> 素材：李飛飛對談重點整理（影片摘要）
我在一家公司看過這樣的場景。
老闆在週一的會議上宣布，全公司開通 AI 工具的帳號。會後，兩位同樣資歷的同事，走向了完全不同的方向。
第一位當天下午就開始用。她先拿來整理客戶的來信，接著試著做報價比較，一週後跑來問老闆：「這段流程可以改一下嗎？我發現有三個步驟其實不用等。」
第二位也很認真。他在等——等公司辦教育訓練，等主管告訴他該怎麼用，等確定「用 AI 做的東西會不會被說不行」。
三個月後，第一位同事手上多了好幾個她自己做出來的小工具，開會時講話越來越有底氣。第二位還在等那場教育訓練。
這兩個人之間，一開始只差了一個下午。
我認為，AI 時代真正拉開差距的，不是誰的工具比較好，而是誰先動手。而在一家中小企業裡，這個「先動手」的習慣，通常是從老闆開始的——也常常是在老闆那裡被擋住的。
一、學會一件事的成本，崩塌了
史丹佛大學教授、被稱為「AI 教母」的李飛飛，在一場對談裡提過一個觀察，我覺得很值得老闆們想一想。
過去幾十年來，大家公認最有效的學習方式，是一對一的家教。一個好老師，針對你卡住的地方，一題一題地陪你拆解。問題是，它非常昂貴，只有少數人負擔得起。
AI 改變的，正是這件事。現在，一個有耐心、隨時在線、可以一直追問的「家教」，只要極低的成本，任何人都能擁有。
這件事的意義，遠遠超過教育。
當學會一件事的成本趨近於零，「我不會」就不再是一個成立的理由。人和人之間的差距，會從「誰懂得多」，移到「誰願意開口問、誰願意先試」。
李飛飛把人分成兩種：一種主動拿 AI 去做出東西，越用越有底氣；另一種一直等別人告訴他該怎麼做，越等越沒有競爭力。她的判斷是，這兩種人之間的差距，會很快從一條縫變成一道鴻溝。
她也談到學校：擁抱 AI 的學校和禁用 AI 的學校，十年後教出來的學生，會很不一樣。
我聽到這裡，想的不是學校，是公司。
二、流程被壓縮之後，什麼變值錢了
李飛飛舉了一個產品經理的例子。
過去，一個產品經理要做出一個能展示的原型，得協調工程師、協調設計師，排時程、開會、來回修改，常常要好幾個月。現在，他可以自己用 AI 先做出一個粗略的版本，拿去給客戶看、給團隊討論，把週期縮短到幾週。
同樣的事，在中小企業裡每天都在發生。
一份市場調查、一個活動頁面、一份提案簡報、一套客服回覆範本——過去要外包、要排隊、要等某個「會做的人」有空。現在，一個願意動手的人，可以先做出一個七十分的版本，再拿去討論。
這改變了一件很根本的事：價值從「照流程走」，移到了「把事情推到完成」。
我還發現一件很多老闆沒注意到的事：中小企業，本來就是這樣的地方。
一個人身兼好幾個角色、什麼都要會一點——過去我們把這當成「規模小的無奈」。但在 AI 時代，它可能正好翻轉成優勢。大企業的流程又長又重，改一個步驟要簽好幾關；中小企業只要老闆點頭，明天就能換一種做法。
前提是，老闆真的點頭。
三、中小企業該留住哪兩種人
李飛飛對未來最有價值的人才，有一個很清楚的判斷。
第一種，是頂尖的深度專家。普通水準的專業，會越來越容易被 AI 做到；真正難以取代的，是在某個領域鑽得極深的那一小群人。
第二種，是有判斷力、也有執行力的通才。他們用 AI 跨過自己原本不熟的專業門檻，能夠獨立把一個專案從頭推到尾。
而她認為最強的組合，是這兩種人一起合作。
放到中小企業裡，我會這樣翻譯：
頂尖的深度專家，你很難請、也很難留。這是現實，不用勉強。但你可以在需要的時候，找到外部的專家、夥伴或顧問，借用他們的深度。
真正要在公司內部養起來的，是第二種人。那些願意動手、能用 AI 補齊自己不會的部分、可以把一件事推到完成的人。這種人不一定學歷最好、資歷最深，但他們會是公司在 AI 時代的骨幹。
至於那些「普通水準、照流程做」的位置，我不認為答案是裁撤。而是老闆需要重新想一遍：這個位置的價值，在 AI 做得到的部分之外，還剩下什麼？可以長出什麼？
外部借深度，內部養推動力。這可能是中小企業在這一波變化裡，最務實的人才策略。
四、最貴的不是工具費，是「等」
講到這裡，很多老闆的反應是：那我要多鼓勵員工用 AI。
鼓勵當然有用，但我想先問一個比較不舒服的問題：公司裡的人，為什麼會等？
等，通常不是個性問題，是被訓練出來的。
如果每一件事最後都要老闆拍板，如果主動做了、做錯了會被念，如果「照規定來」永遠比「試試看」安全——那麼在這家公司裡，等待就是最理性的選擇。員工不是不會動，是他們學會了：動了沒有好處。
而老闆自己，其實也常常在等。
等工具再成熟一點，等同業先試出結果，等有空再好好研究，等有人來教。每一個理由都很合理，但加起來，就是一個月、一季、一年。
李飛飛給了一個很簡單的建議：如果不知道怎麼開始，就去問身邊熟悉 AI 的年輕人，甚至是孩子，請他們示範實際怎麼用。這比看任何教學都有效。
這個建議聽起來很小，但對很多老闆來說，它可能比學 AI 本身還難。因為它要你反過來，向公司裡最年輕的同事請教，或者坐下來，讓家裡的二代教你。
可是，這一步的意義不只是學會工具。當老闆願意先動手、願意開口問，整家公司會收到一個訊號：在這裡，動手比資歷重要，嘗試比完美重要。
李飛飛也提醒，AI 不會讓人變笨。就像工業革命沒有消滅勞動，而是改變了勞動的方式；人類還有很多 AI 仍然很難做到的能力，例如她長期研究的「空間智能」——我們理解、移動、整理真實世界的那種能力。
所以，這不是一件需要恐慌的事。只是一件需要開始的事。
五、讓公司從「等」變成「做」，其實是三件事
我把這個轉換拆成三步。
第一步，看清楚公司裡哪裡在等。
不是去評價誰積極、誰消極，而是看流程：哪些事卡在等批准、等資料、等老闆有空？哪些步驟存在，只是因為「以前一直這樣做」？把這些等待的點一個一個標出來，你會發現，很多時候擋住團隊的不是能力，是流程。這一步最需要外部的眼睛，因為在裡面待久了，每一個等待都會看起來很合理。
第二步，重新設計「誰可以先動手」。
不需要一次全面放開。先挑出那些「做錯了代價很低」的事：初稿、草案、內部提案、客服範本。明確地告訴團隊：這些事，可以先用 AI 做出一版，再拿來討論；做錯了，沒關係。
把試驗的範圍、權限和底線講清楚，團隊才敢動。
第三步，讓嘗試變成習慣，而不是一陣風。
設一個固定的節奏，例如每個月一次，讓每個人分享：這個月用 AI 做了什麼、省下了什麼、哪裡失敗了。失敗的那部分最重要，因為它讓大家知道，試錯在這裡是被允許的。
這種節奏最容易在忙的時候被跳過。所以它需要有人一直回頭看，確認公司沒有在不知不覺中，又退回等待的狀態。
說穿了，這就是診斷、框架、陪跑。順序不能顛倒，也不能只做前面兩件。
六、差距一開始，只有一個下午
回到開頭那兩位同事。
他們之間的差距，一開始真的很小。一個下午，一週幾個小時，看起來微不足道。
但一邊是越做越有底氣，另一邊是越等越沒把握。三個月、半年、一年之後，那已經不是能不能用 AI 的差別，而是兩種完全不同的工作方式。
公司和公司之間，也是一樣。
AI 讓學習變得前所未有地便宜。在這樣的時代，最貴的東西，反而變成了「還在等」。
所以，我想留一個很簡單的問題給你：
這個星期，你自己有沒有親手用 AI，做完一件真正的工作？
如果還沒有，明天也許可以先做一件小事——走到公司裡最年輕的那位同事旁邊，請他示範給你看。
做的人會越來越有底氣。而等的人，只會越等越遠。
撬動諮詢｜用吸引力，撬動一切力