你真的懂得使用 AI吗？还是只懂得在对话框输入文字？｜苏仲成
我正在招聘的，是“懂得运用 AI 工作”的人
最近我正在招聘人才，而我希望找到的，不只是“懂得使用 AI”的人，而是真正懂得“运用 AI 完成工作”的人。
文：Michael C.S. So ｜ AiX Society
这句话听起来似乎很简单，但当我真正坐在面试桌前，与不同应征者交流之后，才发现大家对“懂得使用 AI”这件事的理解，与我的想像存在非常大的差距。
现在面试时，我通常会先问对方一个问题：
“你目前部署了多少个 AI Agent，正在替你工作？”
很多应征者听到这个问题时，都会停顿一下，然后回答：
“Agent？我的确有使用 ChatGPT。”
于是我会再追问：
“那么，你有没有部署过一些 AI Agent，按照指定时间自动执行工作？又或者当某些事件、条件或敏感讯号出现时，自动启动并完成相关任务？”
到了这一步，绝大部分人便答不上来。
因为在很多人心目中，“使用 AI”仍然等同于打开一个网页，在对话框输入问题，要求 AI 帮忙写电邮、修改文章、翻译文件，或者整理一些资料。
这当然也是使用 AI。
但如果问我，这是否已经算得上“懂得利用 AI 工作”，我的答案是：还远远不够。
甚么才算真正懂得使用 AI？
我认为，真正懂得使用 AI 的人，其 AI 系统不应该只是“等待指令后才开始工作”。
真正成熟的 AI 工作方式，应该是 AI 在不同时间、不同场景中，持续在背景替你工作。
例如，你早上起床之前，AI Agent 已经替你读完昨晚的重要电邮，整理好今天的待办事项，甚至标示出需要优先处理的工作。
当你外出午膳时，AI 仍然可以在背景分析数据、整理文件或研究市场资讯。
当你下班、休息甚至睡觉时，AI 仍然可以替你监察业务指标、定时产生报告、追踪任务进度，或者留意是否出现异常情况。
更成熟的设定，甚至可以让 AI 根据你的工作情境主动采取行动。
例如，当你打开试算表时，AI 已经将刚收到的数据清洗、分类并整理好；当你在工作群组中谈到某个项目时，AI 已经自动建立工作任务、记录负责人，甚至安排相关会议。
这种“你不需要逐次发出指令，但 AI 已经知道应该做甚么，并主动完成工作”的状态，才是今天我们真正应该追求的 AI 工作模式。
换句话说，AI 不应只是等待你下指令的工具，而应该逐步成为一名在背景持续运作的数码同事。
你休假，它仍然可以工作；你睡觉，它仍然可以监察、整理与执行任务。
这才是 AI 真正改变生产力的关键。
为甚么很多人以为自己懂得 AI，其实并不是？
如果你问身边的人：
“你会使用 AI 吗？”
或者：
“你平日有没有使用 AI？”
很多人都会很快回答：
“有，我每天都在用。”
可是，如果你再问一句：
“那么，AI 每天究竟替你完成多少项工作？”
很多人可能便要想一想。
最后的答案往往是：
“帮我找资料、修改文字、写几封电邮。”
问题就在这里。
如果你的 AI 每天只是替你做几件事情，而且每一次都是由你主动打开对话框、输入指令，它才开始工作，那么你实际上仍然只是把 AI 当成一部更聪明的搜寻器、字典，或者写作工具。
你仍然未真正发挥 AI 最重要的两种能力：
自主性，以及自动化。
我经常跟团队说，真正困难的，不是学懂如何向 AI 下指令，而是如何做到“你不再需要每一次都叫它做事”。
当你的日常工作之中，有数十项、甚至数百项任务，是由 AI Agent 在背景自动完成，而你根本不需要逐项管理时，你才真正开始掌握 AI 的价值。
因此，如果要判断一个人是否真的懂得使用 AI，我认为有一条非常实际的问题：
“你每天有多少项工作，是由 AI 主动、自动完成，而不需要你逐次下指令？”
如果能够具体回答，而且数量持续增加，才代表这个人真正开始进入 AI 原生的工作方式。
AI 可以如何做到 24 小时自动运作？
那么，AI 究竟如何做到这种持续、自动而主动的工作模式？
以下几种方法，是我认为目前最实际，但亦最容易被低估的应用。
一、透过 MCP 与排程机制建立定时工作
MCP，即 Model Context Protocol，可以让 AI 接驳不同外部工具、资料来源与企业系统。
当 AI 能够连接外部工具，再配合排程机制，例如 cron job，便可以建立大量自动化工作。
例如：
每天早上九时，自动撷取前一天的销售数据，整理、分析并生成报告，再发送到指定工作群组；
每小时检查一次伺服器或系统状态，一旦发现异常便作出通知；
每逢星期五下午，自动整理一星期的工作进度，产生周报初稿。
这些工作毋须人手记住，也毋须每一次重新输入指令。
Agent 会按照既定时间自行执行。
这就是“即使你已经下班，AI 仍然在替你工作”最基本的形式。
二、利用 Multi-Agent 与 Expert Agent 建立 AI 团队
下一个层次，是不再只使用一个 AI，而是建立一队具有不同角色与专长的 Agent。
例如：
一个 Analyst Agent 负责读取数据并找出洞见；
一个 Research Agent 负责搜集与验证资料；
一个 Writer Agent 将分析结果整理成文章、报告或简报；
再由 Reviewer Agent 检查内容品质、逻辑与准确性。
几个 Agent 可以互相传递任务，自动完成整个生产流程。
最终可以产生报告、社交媒体内容、程式码，甚至产品原型。
这才是 AI 所带来的真正生产力提升。
重点不是你亲手做得更快，而是你开始由“执行者”变成“AI 团队的管理者”。
三、让 AI 替你编写程式与自动化工具
很多人使用 AI 时，只会要求它“帮我完成一次”。
但更高阶的思维应该是：
这件事情既然会重复发生，为甚么不让 AI 帮我建立一套以后可以自动执行的工具？
例如，一项重复性的资料整理工作，与其每次都要求 AI 帮忙处理，不如直接让 AI 编写一段 Script 或 Automation。
从此以后，每当相同情况出现，系统便自动执行。
换句话说，今天 AI 替你完成的一项工作，明天应该有机会变成一个可以自行运作的工具。
当思维由“利用 AI 做事情”转变成“利用 AI 制造工具”，生产力才会真正出现倍数增长。
四、建立条件性触发与敏感事件监察
这亦是我在面试时特别喜欢问的一项能力。
成熟的 AI 系统，不应只懂得按照时间表工作，也应该懂得因应某些事件或条件，自动启动工作。
例如：
当收到合约相关电邮时，Agent 自动阅读条款、标示潜在风险，并整理需要人工覆核的地方；
当工作群组出现“出现问题”、“期限”、“客户投诉”等关键讯息时，自动建立紧急任务并通知负责人；
当某项数据跌穿指定门槛时，自动产生异常报告，并提出可能的跟进建议。
这类工作本质上就是 Event-Driven Automation。
人不需要时刻监察，AI 可以替你站岗。
真正的价值，在于系统可以在问题出现的一刻开始行动，而不是等待有人发现问题之后才处理。
五、真正理解甚么是 AI Agent
AI Agent 与一般 Chatbot 最大的分别，不只是介面或者名称不同。
真正的 Agent 通常具备几项重要能力：
它有明确目标；
能够保存或利用上下文与记忆；
能够调用不同工具；
能够拆解任务；
能够执行多个步骤；
亦能根据执行结果调整下一步行动。
换句话说，你不只是向它问一个问题，而是给它一个任务。
它会尝试判断应该如何完成、需要使用甚么工具、应该执行哪些步骤，最终把结果交付给你。
这种能力，才令 Agent 开始接近一名真正的“数码同事”。
如何开始建立自己的 AI 工作模式？
如果你看到这里，发现自己目前仍然主要停留在“打开对话框、输入指令”的阶段，其实并不需要一次过建立非常复杂的系统。
最实际的方法，是由最简单的工作开始。
第一，找出你每天最烦、最重复的一项工作，尝试把它变成由 Agent 定时自动执行的任务。
第二，利用 MCP 或其他整合方式，将 AI 接驳到你日常使用的工具，例如电邮、日历、文件系统、资料库和工作群组。
第三，尝试将一项大型工作拆成几个角色，交由不同专长的 Agent 协作完成。
第四，重新检视你的日常流程，找出哪些工作其实存在明确的“如果发生 A，就应该执行 B”逻辑，然后把它变成事件驱动的自动化流程。
当你开始这样思考，你会发现 AI 的角色已经不再只是“回答问题”。
它开始参与你的营运流程。
结语：未来的竞争力，是管理 AI 工作，而不是向 AI 提问
因此，当我在招聘时问：
“你会不会使用 AI？”
其实这并不是我真正想知道的问题。
我真正想知道的是：
你目前部署了多少个 AI Agent，在背景替你工作？
当中有多少个是按照时间自动运作？
有多少个会因为特定事件、条件或异常讯号而自动启动？
又有多少工作，是你根本不需要逐次提醒，AI 已经可以自行完成？
因为到了今天，懂得在对话框输入问题，只能算是最基本的 AI 素养。
真正具有竞争力的人，是懂得设计流程、部署 Agent、设定触发条件、建立自动化，并让 AI 自己运作、自己执行、自己交付成果的人。
未来职场真正拉开差距的，不是谁比较懂得问 AI 问题。
而是谁能够建立一支真正会替自己工作的“数码团队”。
如果你今天仍然未部署自己的第一个 AI Agent，也许最简单的开始，就是先问自己一条问题：