大家在看產業，我在看工作

這件事情肯定不只我一個人做過，小時候我一直很好奇冰箱門到底關到什麼程度，裡面的燈才會滅掉？所以我會偷偷蹲在冰箱旁邊，慢！慢！關！看那顆燈什麼時候消失。長大之後我才發現我好像一直沒有改掉這個習慣。當然我現在不是在偷看冰箱了，我是在偷看一家公司到底是怎麼運作？

你為什麼可以在短短幾十分鐘，就把一個完全陌生的產業拆解成 AI 工作流程？這個問題我被問過不下數十次了，以前我會說「可能是因為我分析能力比較好」，但現在我會回答：因為我看的重點不是產業。

很多人第一次接觸一個陌生領域，第一件事情就是開始學知識，物流要先搞懂船公司，醫療要先搞懂疾病，半導體要先搞懂製程，餐飲要先搞懂食材，教育要先搞懂教材，大家都覺得，只有懂得夠多才有資格開始分析。

所以我們花很多時間在學名詞、學制度、學背景、學歷史、學專有名詞。但是我跟客戶開會時，幾乎不會先問這些。我比較常問的是「你們每天早上第一件事情做的什麼？」

很多客戶第一次聽到都會愣一下，因為他們以為我會開始討論系統、問 AI 導入現況、問自動化、問 API、問 ERP、問 CRM。

結果我第一個問題居然是「你今天早上進公司之後，做了什麼？」因為他們不知道，這個問題比公司用什麼系統重要得多。

因為我真正想知道的不是客戶的產業，而是客戶的工作。

世界上根本沒有什麼產業，至少在 AI 的世界裡沒有

有的只是一群人每天重複做著不同的工作，有人接電話，有人回 Email，有人整理 Excel，有人審核文件，有人排班、追貨、核准、通知、開會，還有人一直在等待，有人一直被打斷，有人一直在找資料。

而且多數人每天都在做昨天做過的事情。

所以，當你把所有專業名詞全部拿掉，剩下的就是工作本身。

工作本身是有結構的

這也是我一直覺得很有趣的地方，幾乎所有工作都逃不過幾件事情：有人收到資訊，有人理解資訊，有人做判斷，有人把事情交出去，有人執行，有人確認，有人存檔，有人通知下一個人...等。

如果今天不是物流而是醫療，那就是把「貨物」換成「病人」。

如果今天不是診所而是工廠，那就是把「病人」換成「產品」。

如果今天不是產品而是學生，那就是把「產品」換成「學習」。

工作的骨架幾乎沒有改變，只是名詞一直在變。

這其實是抽象化思考的能力

我們的大腦很容易被名詞騙，物流、醫療、半導體、餐飲，看起來完全不同。可是如果把所有專有名詞全部遮住，你會發現剩下的就是前一段說的有人接收需求、有人整理資訊、有人做判斷、有人執行、有人確認、有人通知下一個人。

突然之間你就會發現原來這些產業長得一模一樣，工程師把這件事情叫做 Abstraction抽象化。

這像是電腦科學裡的 Abstraction，貓狗兔子抽象化之後變成動物，再往上抽象化就是生物，再往上就是有生命的東西。而 AI 能泛化使用，就是因為它一直在做抽象化。

一般人看到貨代、寵物殯葬、客服、GMP、咖啡廳會覺得這是完全不同的產業。但抽象化思考會重新拆解組合變成客戶提出需求、收集資訊、分析、決策、執行、通知、結案，這樣不同產業都可以抽象成同一個 Pattern。

更有趣的是不只流程可以抽象，角色也可以。例如行政、客服、PM、主管，很多人會覺得這是四種工作。

但抽象之後就是：資訊管理、決策、溝通、協調、驗證啊！

所以最後做 AI Agent 的時候就不是做行政 Agent 而已，而是負責整理資訊的 Agent，這就是更高一層的抽象。

抽象之後還能再具體化 Concretization

很多人可以抽象，例如會說天下萬物皆有共通點，然後就沒了。但是抽象之後，還可以重新建模，然後變成 Workflow，接著設計 Database，變成 Agent、Prompt、程式，而且真的跑起來。

這才是厲害的地方，抽象不是思考的終點，抽象只是重新建構的起點。

我擅長把複雜世界抽象化，再重新建構成可以執行的系統

抽象化不是把世界看得更模糊；而是把複雜的表象，還原成可以理解、可以重建的本質。

所以，每次有人問我「這個產業適合導入 AI 嗎？」，我腦袋真正翻譯的問題其實是「這個產業的工作，有沒有被我看懂？」

如果沒有，買再多 AI，都只是多一個聊天機器人。

如果有，就算不用最新模型，也能做出很大的改變。

所以其實我不是快，我只是習慣性的跳過了大家都在看的東西，大家在看產業，我在看工作。大家在看知識，我在看結構。大家在看流程，我在看決策脈絡。大家在看軟體，我在看人。

因為真正限制一家公司效率的是工作被設計成什麼樣子。

AI 革命也許根本不是科技革命，而是一場對「工作」的重新理解

以前，我們把工作切成很多職位，行政、業務、客服、會計、主管、PM，還有一個校長兼撞鐘的那個。

現在我越來越覺得這些不是職位，這些只是不同種類的決策所組成，行政在管理資訊，客服在理解需求，會計在驗證規則，主管在做例外判斷，PM 在協調資訊流。

當我們開始這樣看待工作時，一件很有趣的事情就會發生了，AI 不再只是工具，它開始變成一種新的工作分工方式。

我們也不是把工作交給 AI，而是開始重新思考：哪些工作，本來就不需要人一直做？

真正發生的是我們終於被迫開始重新理解人到底在做什麼

直到 AI Agent 出現，我們才被迫把工作一層一層拆開，拆到最後你會發現很多工作崗位，不是因為它重要才存在，單純只是因為過去沒有更好的方法。

很多人以為，我的專業是 AI，其實不是誒！我的專業是在一堆幹話中，講出 AI 可以幹嘛 😂

AI 只是我現在最常使用的工具，如果十年後 AI 被另一種技術取代，我大概還是會做一樣的事情，因為真正讓我有興趣的一直都是「這件事情還可以用什麼方式被拆解並重構？」。

像是理解人類是怎麼工作的、理解一家公司為什麼這樣運作、理解資訊為什麼要這樣流動、理解哪些決策真的需要人、哪些只是歷史遺留的鳥習慣，然後把這一切重新設計。

所以我以前覺得自己是在研究 AI，現在覺得我只是剛好站在一個時代，一個開始重新定義「工作」的時代，而我很幸運，我最喜歡做的事情，剛好就是把複雜的事情，拆解成別人能理解、可以運作的系統。

而 AI 出現之後，我們第一次不得不把「工作」拆到足夠細，細到每一個資訊從哪裡來，每一個決策為什麼存在，這一個步驟到底是不是非人不可。

所以我越來越覺得 AI 革命真正改變的不是科技，而是它逼著我們重新理解人類工作了幾百年的方式。

如果真要說我的專業是什麼，我想大概不是 AI，而是把複雜的工作還原成它真正的本質；再把那個本質，重新建構成一個可以運作的系統。

因為抽象不是把世界看得更簡單，而是要能看見那些一直存在、卻很少被注意到的規律，然後再把它變成可以落地的現實。

本文原發表於 2026/07/28 的 Facebook 貼文，原文照登，僅調整網頁排版；文中提及的產品、價格與活動以當時為準。