黃仁勳說 90% 的人都用錯 AI ，別當枴杖，用它當槓桿

你是不是也這樣？ 一上來就讓 AI 給答案。 快，省事，但越用越“笨”。

為什麼？ 因為你把思考外包了。

黃仁勳說：“我每天都在用 AI，但 90% 的人用錯了。” 我們把 AI 當枴杖，而聰明人把它當成放大思考的工具。

兩種姿勢，兩種結果

• 錯誤姿勢：把 AI 當枴杖。 讓它替你思考，結果是你的思考能力在萎縮。
• 正確姿勢：把 AI 當槓桿。 用它放大你的思考，拓展認知邊界，解決複雜問題。

記住黃仁勳說的：“問出好問題是一種高度認知的技能。”提問，才是使用 AI 最高級的方式。

大多數人是怎麼“用廢”AI 的？

他們把 AI 當成一個高級的“搜尋框”或“實習生”：

• 要答案，不要過程。 逃避自己思考、拆解、判斷的責任。
• 讓 AI 做選擇。 把本該自己做的主動思考，外包了出去。
• 提模糊問題。 不給約束，不給目標，自然得到一堆垃圾。

結果是什麼？不是你用了 AI，是 AI“用”了你。 你的思考能力在不知不覺中退化。

高手怎麼用 AI？三條鐵律

高手用 AI，不是為了“偷懶”，而是為了“增強”。

1. 用 AI 拓展認知邊界。 主動問它：“我不知道什麼？”、“我的盲點在哪？”
2. 用 AI 解決複雜問題。 讓它幫你拆解問題，提供框架，設計解決路徑。
3. 用 AI 逼自己思考。 你來提問、你來定義標準，AI只是你用來驗證和生成選項的工具。

看到了嗎？永遠是人來主導問題，而不是讓 AI 主導答案。

對比：錯誤 vs 正確

提問，才是你的核心競爭力

• 四要素：目標、邊界、限制、證據。
• 三層提問法：
• 認知層：本質是什麼？關鍵變數有哪些？
• 機制層：變數如何作用？有哪些模式與反例？
• 路徑層：在我的約束下，最可行的方案與驗證步驟是什麼？

高品質提問範本

認知拓展：

我在做[場景]。請列出我可能忽略的關鍵因素與盲點，按重要性排序，並附上每項的經典案例或資料來源。

複雜問題求解：

我的目標是[目標]，約束是[資源/時間/預算]。請給出3套不同策略的路徑圖，每套包含：步驟、風險點、驗證指標、失敗應對。

主動思考與校準：

這是我當前的假設：[假設]。請從對立觀點出發，提供3個強反駁，並給出我需要收集的證據清單與優先順序。

跟我走：用 AI 搞定複雜事的 5 步工作流

• 界定目標與邊界：明確成敗標準與約束。
• 列未知與假設：寫出你不知道的和你猜測的。
• 建構問題樹：從目標向下拆解三層。
• 讓 AI 出結構化方案：要路徑、要指標、要失敗備選。
• 小步落地與驗證：收資料，校準，迭代。

示例：新產品市場進入

你可以這樣問：

我要進入[行業/區域]市場。使用者細分、核心痛點、支付意願的關鍵變數有哪些？請給我一個三層問題樹和每層的驗證方法。

在預算[X]、時間[Y]下，給三套進入方案：管道、內容、轉化鏈路、短期KPI與長期復盤指標。

請從競爭對手角度，提出我最可能失敗的3個原因，並設計對應的預案與預警訊號。

執行：選一套方案，跑小規模實驗，收資料復盤，再讓AI幫助你歸因與改版。

養成兩個習慣，把AI用到骨子裡

1. 做“問題清單”，而不是“答案我的最愛”。 思考的價值在於過程，不在於結果。
2. 每週復盤。 問自己：這周通過 AI，我的哪個認知被刷新了？哪個假設被推翻了？

記住：先開始，再完美。

最後，記住兩句話

• 不要把 AI 當成枴杖，而要把它當成放大你思考的工具。
• 問出好問題，是一種高度認知的技能。

別光看，馬上做

今天就做三件事：

• 列出你在做的一個項目，用三層提問法寫出 5 個關鍵問題。
• 選一個你無法合理解決的難題，讓 AI 給 3 套結構化路徑與驗證指標。
• 執行一個小實驗，把資料與結論寫成卡片，多次迭代提問。 (楓哥Prompter)