用AI用得越多，我越有一種感覺。
聰明的重心，正從「知道答案」轉向「能決定該問什麼」。
以前，知識量多的人比較吃香。會搜尋的、記得牢的、能快速答對的人，往往更容易受到肯定。
可現在，只要問一下ChatGPT這類AI，一般性的知識和整理得有條理的回答馬上就有。當然，AI的答案需要查證，但光是「給出某種答案」，已經變得容易許多。
那麼，留給人類的還有什麼？
我認為，就是「設計問題的能力」。
所謂議程設計，簡單說就是決定「今天要定什麼」
「議程」這個詞，多半用在開會的場合。
今天的議題是什麼？要討論什麼？到最後定下什麼才算成功？決定這些，就是議程。
這不只適用於開會。
工作、換工作、向AI提問、人生的煩惱，道理都一樣。
比方說，只問一句「我該換工作嗎？」，得到的答案會很單薄。
但換成這樣問，就不一樣了。
- 如果留在現在的公司，哪些地方獲得改善，才值得留下？
- 如果轉調部門，應該去那邊拿到什麼成績？
- 如果換工作，年薪、遠端工作、被消耗的程度、職務方向，這幾項優先哪一個？
- 是該馬上行動，還是先花一段時間累積成績？
拆到這個程度，AI就不再是算命師，而是輔助判斷的工具。
也就是說，用好AI並不是學會什麼神奇的提示詞。
而是把自己的處境、目的、限制條件和判斷標準說清楚，整理成AI能處理的形式。
在研究和實務中，「問題設計」也很受重視
這不只是憑感覺說說。
OpenAI的提示詞設計指南說明，提示詞就是寫出「有效的指令」，讓模型產出你想要的結果。換句話說，AI的輸出在很大程度上取決於一開始的指令。
Google針對機器學習的問題定義指南，同樣強調要先釐清「理想結果」「模型目標」「所需輸出」「成功指標」。這雖然談的是AI開發，但放到一般工作中也完全適用。
此外，在學習和解決問題的研究中，有個概念叫「後設認知」。簡單說，就是從高一層的位置看自己在想什麼的能力。MIT的教學資料把後設認知解釋為：運用對任務、學習方法和自身的認識，來擬定計畫、檢查進度、評估結果。
所以，厲害的人並不只是在思考。
他們還會留意：
「我現在到底想解決什麼？」 「照這個做法走，對嗎？」 「問題本身是不是一開始就偏了？」
這種能力，在AI時代會變得相當重要。
會設計問題的人，把AI當加工機器，而不是搜尋框
用了AI卻只得到淺薄答案的人，常常是把AI當成Google搜尋的替代品。
「有什麼推薦的？」 「該怎麼辦？」 「正確答案是什麼？」
當然，這樣問也能得到一定程度的答案。
但真正產生價值的，是替問題加上背景的時候。
比方說想養成閱讀習慣。與其問：
「怎麼樣才能養成閱讀的習慣？」
不如這樣問：
「平日上班很累，晚上老是忍不住滑手機。我很容易三分鐘熱度。想先試著每天只讀10分鐘並持續下去，什麼樣的環境安排和規則比較有效？」
答案一下子就變得實用了。
這與其說是AI效能的差別，不如說是提問的差別。
把自己的處境說清楚，列出限制條件，設定目標，連想要的輸出格式都指定好。
做到這一步，其實問題已經解決了一半。
我能做到這一點，大概很大程度要歸功於「在模糊環境裡被燒過」的經驗
就我自己而言，為什麼能設計問題？
大概不只是天生的個性。
我覺得更關鍵的是，我在模糊的環境裡吃過苦頭。
目的不明確。不知道誰來拍板。看不到完成的標準。事後被說「我不是這個意思」。責任範圍含糊不清。靠氣氛和態度來評價人。
在這樣的環境裡，一上來就埋頭做事，只會把自己燒光。
所以自然而然就養成了先確認的習慣。
- 目的是什麼？
- 誰來判斷？
- 什麼時候要？
- 最低做到什麼程度就行？
- 優先順序是什麼？
- 哪些事不用做？
- 完成的標準是什麼？
這與其說是漂亮的職場技能，不如說是一種生存策略。
做事之前不先把議題釐清，被消耗的就是自己。於是，議程設計作為一種防禦技能被磨練了出來。
對「違和感」放不下的人，更容易提出問題
另一個關鍵是，我沒辦法放著違和感不管。
不會停在「是不是有點奇怪？」，而是想接著拆解：
- 到底哪裡奇怪？
- 哪個前提錯位了？
- 誰的責任混在一起了？
- 定下什麼才能往前走？
- 這是情緒問題，還是結構問題？
這個習慣很累人。
但它和AI非常合拍。
因為你給AI的背景和條件越多，它就越強。
不只是問一句「你怎麼看這個？」，而是能說出：
「在這個前提下」 「在這些限制內」 「如果目的是這個」 「把論點分開」 「用最精簡的配置」 「面試用」 「用Markdown格式」 「寫成給Codex的指令」
能這樣交代的人，就能把AI當作加工思考的機器，而不只是一台回答機。
能提出問題的人的副作用：「問題太多」
不過，會提問也有副作用。
不會提問的人，因為不知道該想什麼而停住。
而太會提問的人，則因為問題越來越多而停住。
比方說，在思考工作煩惱的時候，會一下子擴散到：
- 該留在現在的公司嗎？
- 轉調能拿到什麼？
- 如果換工作，選哪個職務方向？
- 現在的疲憊是暫時的，還是結構性的？
- 年薪和自由，優先哪個？
- 這跟未來的資產累積有什麼關係？
- 說到底，我人生中想守住的是什麼？
這當然是一種能力。
但在疲憊的時候想把所有問題同時處理，大腦會直接當機。
所以，會提問的人需要的，不是問得更多的能力。
而是捨棄「現在不必問的問題」的能力。
接下來需要的，是把問題分成4類
問題層出不窮的人，最好不要把所有問題都等量齊觀。
對我來說，分成下面4類，整理起來輕鬆很多。
1. 現在就要定的問題
與今天的行動有關的問題。
例如：明天之前交什麼？這週要不要投履歷？今晚是睡覺還是工作？
這類問題要處理掉。
2. 以後再想的問題
重要，但不必馬上得出結論的問題。
例如：幾個月後的職涯發展、婚戀觀、資產累積的大方向。
這類問題先記到備忘裡。
3. 想了也意義不大的問題
對方的真實想法、過去的岔路口、完美的標準答案等等。
想想也許多少有點收穫，但很難轉化成現在的行動。
這類問題不要長時間糾纏。
4. 最好先睡一覺的問題
夜裡冒出來的沉重問題。
被疲勞、飢餓、孤獨、憤怒、不安放大的問題，到隔天早上往往會小得多。
這類問題不要分析，交給睡眠。
AI時代的強大，不是「給出正確答案的能力」，而是「把問題整理好的能力」
在AI時代，人類要是想跟AI正面競爭，會很吃力。
在知識量、速度和涵蓋範圍上，很難贏過AI。
但如果站在使用AI的一方，情況就不同了。
需要的不是用漂亮的措辭下命令。
而是整理自己的處境、設定目的、列出限制、建立判斷標準、指定輸出格式。
也就是把問題整理好的能力。
比起「給出答案的人」，更重要的是「能決定該問什麼的人」。
比起「手握標準答案的人」，更重要的是「能說清此時此刻定下什麼才能往前走的人」。
AI越聰明，這種能力就越值錢。
問題貧乏，答案也會貧乏。
問題具體，AI就是相當得力的夥伴。
所以今後該鍛鍊的，不只是提示詞技巧。
而是直視自己的現實、提出問題，必要時還要捨棄問題的能力。
會做議程的人，在AI時代也相當有優勢。
不過，做得太多的人，最後最好再問自己一句：
「那麼，此時此刻真正要定的是哪個問題？」
能回到這一個問題上，思考就能真正向前推進。
內部連結備選
- 工作累的原因，與其說是「工作量」，不如說是「目的不明」和「事後變卦」
- 猶豫要不要換工作時，先定義「留下來的條件」
- 用了AI也做不出成果的人，卡的不是提示詞，而是前提沒釐清
- 反覆琢磨停不下來時，把要想的問題和該睡一覺的問題分開
- 30歲前後的人生岔路口，需要的是建立判斷標準，而不是尋找標準答案
相關文章企劃
- 〈給被太多問題搞累的人：只要把思考分成4類，就會輕鬆很多〉
- 〈AI時代的工作方法：問ChatGPT之前要先決定的5件事〉
- 〈不被模糊指令消耗的需求定義備忘〉
- 〈什麼是後設認知：從高一層看自己思考的能力〉
- 〈在換工作、轉調、留任之間猶豫時的議程設計〉
參考與出處備忘
- OpenAI API Docs, “Prompt engineering”
https://developers.openai.com/api/docs/guides/prompt-engineering - OpenAI Cookbook, “GPT-5 prompting guide”
https://developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide - Google for Developers, “Framing an ML problem”
https://developers.google.com/machine-learning/problem-framing/ml-framing - MIT Teaching + Learning Lab, “Metacognition”
https://tll.mit.edu/teaching-resources/how-people-learn/metacognition/ - Harvard Business Review, “AI Prompt Engineering Isn’t the Future”
https://hbr.org/2023/06/ai-prompt-engineering-isnt-the-future - García et al. (2014), “The effects of question-generation training on metacognitive knowledge, self regulation and learning approaches in Science”
https://pubmed.ncbi.nlm.nih.gov/25069559/
發布時備忘
- 沒有寫入職場專有名詞、人名和具體的公司內部狀況，所以比較容易公開。
- 不過「在模糊環境裡吃苦頭」這一段自述色彩較強，如果在求職期間發布，可以再進一步概括。
- SEO入口大致是「AI時代 聰明」「提問的能力」「會用ChatGPT的人 差別」「議程設計」。
- 草稿日期：2026-07-01
