AI讓我頭痛的地方--不是原本想的地方

AI工作帶來的是生產力上升，生產的成本下降，但同時帶來的，是決策的困難度增加。因為AI產出的東西，很可能會超過自己的認知邊界。

最近就有這樣的體悟。

前幾天某個業主突然來了個問題，說是某一個工項在相鄰各標都有編列，但發現為什麼每個標段編的金額不同。他要我們公司給個說法。

這個工項的預算可以說是近年來的標配，業主也有相對應的工作規範，但單價怎麼編沒有明確規定。這種工作說真的，A公司一個價，B公司一個價，沒有什麼標準，不是沒有規定該做什麼，而是這個項目本來就是有高度不確定性，和基地條件很有關係。工作項目本身是不變的，不確定的是規模、頻率及參與工作的深度，講白的就是產出報告書的品質。如果找得到有經驗有規模的好公司，可能會貴一點，但品質水準之上，不用太擔心，反之用養猴子的錢就只能得到猴子產出的品質，這樣講很直白了。

可這位業主的大爺，就是想知道我們是怎麼編預算的。這可真的有點難。本來就是根據經驗編的，也沒有經過什麼深入的邏輯推理。要說是個黑箱也不為過。而且這三個標雖然都在同一個大專案下，但設計時程及發包時程都不一樣，在預算編製時，這3個標的關聯性不高，真是一個頭兩個大。

好在這個案子先前有生態環境調查的相關內容，和先前設計階段的相關內容，我想到的就是先利用AI整理資料，可以的話看看能不能找出可行的邏輯，先用來自圓其說。雖然這是個倒果為因的過程，但如果能推出一個生態檢核的估價模型，至少是個思考邏輯，不是像現在，根本和瞎猜沒兩樣，當然這個工作有其本身的難度，變數太多，不在設計單位的掌握中，這個邏輯頂多就代表，我們是「可以這麼想」的，生態檢核有他的業界環境，我也不想拿著一個還不成熟的邏輯，就到處去說價錢可以這樣估。擋人財路的事可不能隨便做。

我貪心，分別將資料丟給Codex和Claude，想讓他們去跑出各自的解答。和我預想的沒錯，兩個模型的思路類似，都從生態資料的佔比出發，但Claude比較像學者，從數學的角度去計算佔比的意義，Codex則自己去找了相應工作的人月資料，去推每個路段各佔成本。兩個推出來的模式，都有點超過我自己的認知以外了@@，許多時候不得不停下來，在模型繼續往前推之前，我得問問這個思路所代表的是什麼意思。其實我最開始的初衷，也只是要一個先說服業主的方法，在過程中並不想造假，我想就用既有的手邊資料，整理並推理。結果有點出乎意料之外，我得先解決AI帶來的許多問題的問題，才能開始真正理解我原先的那個問題。後來我覺得，這個狀態實在是太燒腦了。看著AI產出的文件，第一次不是被AI所驚豔，而是頭痛啊!

後來我得停下來，先回頭看看是不是我的問題太鳥定義不清，資料的範圍太廣，還是AI的幻覺實在是太嚴重，更開始加強管控上下文視窗的長度，嗯最後還是看了一下所有的回答，找一找還能理解邏輯的，另開thread繼續發展，也乾脆直白的和AI說，啊你講的我不懂啦!換個方式再發展。

最後我從原始報規劃報告中，對生態指數計算的方式下手，要AI先完全理解這個方法，再去講其它有的沒的，兩套AI終歸用各自的邏輯，找到了最後的判斷方法，推演出各自的模型。但也同時證明，如果理性分析了與空間相關的生態指數，和當初預算編制的結果不符。唉!這個結果也早在我的預想中，那個數字本來就不是因為模型或其它方式推出來的，只能以報告書中非數值的方式，試著回應業主的疑問。那這個推出來的模型，真的可以應用在未來的工作嗎?坦白說我不確定。因為這個模型可以推得出來，是因為這個案子有來自數值化，可計算，且經過驗證的資料，餵給AI剛好，但其它的案子會有這些資料嗎?目前看是沒有，或許我應該再和AI研究，如何取得需要的資料。或許我想得太複雜，用人月法就可以推了，和什麼空間什麼生態沒什麼關係。

這樣想下去細思極恐。到頭來這個問題應該是從人月下手，或許我問錯了問題了。可見AI真的是個放大器，它可以把能力放大，也可以把愚昧放大。對問題深入的理解，並且有足夠的專業和經驗，評判AI的成果是否正確，中間的生產可以交給AI，但如何有好的開始，好的成果，AI是解方，也可能是問題產生的所在。

所以，AI會取代誰？誰又不會被AI取代？問題不會在這種2分法中找到的。有AI的工作流中，發想、產出和決策間，應該會是U型和倒U型的拉扯了。