AI 墊高了你的地板，但動機決定你的天花板
▲ AI 墊高了你的地板，但天花板有多高，從來都是你自己決定的。
昨天我看了一支影片，標題很聳動——〈I hate that this is true〉（我討厭這竟然是真的）。
點進去之前，我以為又是一支唱衰 AI 的影片。看完之後才發現，作者討厭的不是 AI，而是他不得不承認的一個事實：AI 確實讓那些原本很弱的工程師，變得沒那麼有殺傷力了。
這個結論聽起來像在誇 AI，但它真正殘酷的地方，藏在後半段。我邊看邊想到的，根本不只是工程師——而是現在每一個靠內容、靠專業吃飯的人，包括正在讀這篇文章的你和我。
先說一下這支影片的主講者
這支影片的作者是 Theo Browne，網路上更多人叫他 t3.gg。
他是歐美前端圈相當有份量的一個意見領袖。早年在 Twitch 當工程師，後來自己創業，做過直播協作工具 Ping、拿過 Y Combinator 的投資，也是 T3 stack（一套很受歡迎的全端開發框架）的作者，現在則在經營 AI 產品 T3 Chat。
我之所以特別介紹他的背景，是因為這支影片的份量，跟誰在講很有關係。Theo 不是站在岸上評論的人——他自己每天用 AI 寫程式、帶過十年的工程團隊、面試過各種程度的人。他講的不是理論，是他在真實戰場上看到的東西。這也呼應了影片裡一個很重要的概念，等一下會講到：證明（proof），比觀點本身更重要。
如果你不排斥英文，我很推薦花四十分鐘把它完整看一遍：
第一個重點：AI 墊高的是地板，不是天花板
Theo 引用了一篇文章，標題叫〈AI makes weak engineers less harmful〉（AI 讓弱工程師沒那麼有害）。
他的觀察是這樣的：以前一個很弱的工程師，會交出根本跑不起來、一上線就出事的東西。但現在有了 AI，他最糟也只是交出一份標準的 AI 產出——某些地方出錯、某些地方莫名其妙，但至少逐行能跑、不會蠢到外行人一眼看穿。
換句話說，AI 沒有讓頂尖的人變神，它做的是把最底層的那條線往上抬。
這件事，你把工程師換成任何一種專業，邏輯都一樣成立。
以前不會寫文案的人，寫出來的東西慘不忍睹；現在他丟給 AI，至少能生出一篇結構完整、讀得下去的貼文。以前不會做圖的人交不出東西；現在他用幾個提示詞，就能產出一張看起來還行的設計。以前不會剪影片、不會做簡報、不會寫企劃的人，現在都能交出一個及格的版本。
嗯，這就是地板被墊高的意思。在臺灣，你只要打開 Threads 或 Facebook，就能感覺到這股浪潮——突然之間，人人都能產出看起來很專業的內容了。
對很多人來說，這是好消息。但如果你本來就是靠比別人會一點什麼在謀生的，這其實是個很值得警惕的訊號。因為當地板被墊高，原本墊在地板上那一點點的高度，瞬間就被抹平了。
第二個重點：真正拉開差距的，是動機不是工具
影片裡最打到我的，是他說同樣是新手、同樣很依賴 AI、同樣因為 AI 而產出變多的兩個人，最後會走向完全相反的方向：
- 一種人，把 AI 當成無限學習機。遇到不懂的東西就追問為什麼、把一張看不懂的圖截下來丟給 AI 問到懂為止。這種人的成長曲線會直接往上彎，可能幾年內就衝到過去要十年才到的高度。
- 另一種人，把 AI 當成不用學習的藉口。反正它會生，我複製、貼上、交差就好。這種人的成長曲線會立刻打平——他永遠停在能交差的那條線上，再也不往上動。
Theo 講了一句我很喜歡的話：差別不在 AI，而在這個人想不想成長？而這件事，是你很難從外面改變一個人的。
他在影片裡分享了一個很生動的反例。他有個前同事，履歷上掛著「首席工程師」的頭銜，做了八年，卻連把一支影片正確嵌進部落格都搞不定——把 4K 影片轉成兩百多 MB 的 GIF、整個頁面要載將近 1GB，來回搞了兩週還是一團糟。Theo 半開玩笑地問：你覺得今天的 AI，會不會比這位做了八年的工程師更好？
答案不言而喻。而這正是殘酷的地方：經驗的年資，從來不等於能力。 那位工程師之所以能撐這麼久，只是因為過去這個產業太缺人，不夠好也有工作。
這一點，臺灣的職場特別有感。我們很習慣用工作年資來衡量一個人，但接下來的時代，年資能保護你的成分會越來越低。Theo 講得很直白：接下來，底層大約三成的工作者，日子會變得很不好過。
換成內容創作者，這套邏輯一模一樣
我之所以想寫這篇，是因為這套框架完全可以搬到內容創作上。
過去這一年，我聽過太多人說：「AI 都能寫了，那我還寫什麼？」「現在大家都用 AI 生內容，根本沒有差異化了。」
我懂這種焦慮。但 Theo 這支影片給我的提醒是——你會不會被取代，從來不是看 AI 能不能做你做的事，而是看你願不願意比 AI 更深入一步。
把 AI 當不用學習的藉口的創作者，會落入一個很典型的陷阱：他用 AI 生出一篇又一篇正確但無聊的內容，因為他自己也沒搞懂這個主題，只是把提示詞丟出去、把結果貼回來。讀者一眼就能聞到那股 AI 味——四平八穩、沒有觀點、沒有體溫。
而把 AI 當無限學習機的創作者，做的是完全相反的事：他用 AI 加速研究、快速理解一個陌生領域、把十幾篇資料和幾支影片的逐字稿丟進去，逼自己在更短的時間內長出真正的觀點，然後用自己的聲音講出來。AI 幫他把研究和草稿的時間從八小時壓到一小時，省下來的七小時，他拿去想「我到底想說什麼、跟別人有什麼不一樣」。
這也是為什麼，我一直跟學員強調：AI 時代的內容護城河，不是你會不會用工具，而是你有沒有只有你能給的證明與觀點。 這正好跟 Theo 影片裡那個 proof 的概念對上了——當人人都能產出看起來很專業的東西，真正稀缺的，是背後那個有血有肉、有真實經驗的人。我在〈提示詞會過期，你不會〉這篇裡也談過同一條趨勢線：當執行被技術抹平，稀缺性就會往上游跑，跑到提問、品味與你的聲音這些指回你的地方。
我的看法：別爭地板，去搶天花板
老實說，這支影片看完，我心情有點複雜。
一方面我很興奮，因為它印證了我這兩年一直在做的事——用 AI 當槓桿，把一個人的產出放大到過去一個團隊的規模。但另一方面，它也提醒我：地板被墊高之後，所有人都站在同一條起跑線上了，真正的競爭，是在天花板那一端。
而通往天花板的路，沒有捷徑。它不是某個更厲害的工具、某組更神的提示詞，而是一個很樸素的東西：你還想不想學、願不願意比別人多想一步？
Theo 在影片最後給了一個很實在的建議——每天寫一篇學習日誌，記下今天學到了什麼；如果睡前發現一片空白，那就在睡前把它補上。能看到這種影片、願意花時間思考的你，其實已經贏過平均值了。
剩下的，就是別停下來。
如果你也想把 AI 用在天花板那一端
講了這麼多動機和觀點，你可能會問：那具體要怎麼做？
我把這套用 AI 加速、但把省下的時間拿去長觀點的方法，做成了一場實作工作坊——AI 內容產製系統工作坊。
這不是教你怎麼叫 AI 生一篇貼文那種表層的東西。我們會用 Claude Code 建立一套完整的五層內容產製架構，讓你一份素材，自動產出六種不同格式的內容——但前提是，這套系統放大的是你的觀點，不是 AI 的平均值。三小時實作、限 16 人小班制。
如果你已經厭倦了當 AI 的複製貼上工人，想真正把 AI 變成你的無限學習機和產出槓桿，歡迎來報名這場工作坊，把你的天花板，往上推一截。
誠然，AI 墊高了你的地板。但天花板有多高，從來都是你自己決定的。
