曾安業 - AI到底應該怎樣學？ | 安業興邦
發佈時間：02:00 2026-09-22 HKT
剛發表的《施政報告》提出加大力度推動全民AI培訓，在「全民AI」普惠計劃下，至2028年首季將推出超過200項培訓課程及活動，讓更多人接觸AI及不同的實務應用。這令我想起前幾天一位朋友分享，她最近參加了一個由民間組織舉辦的AI圖像設計課程。課堂會教不同的AI工具、指令和方法，讓參加者更快做出想要的圖片。
我聽完後，不禁思考：AI到底應該怎樣學？
如果是一個普通的圖像設計軟件，我們可以逐步學習不同功能和工具怎樣使用。但AI工具不斷更新，今天有效的指令，幾個月後可能已經有更好的做法。就算學懂了，下一個版本出現後，又要重新摸索。
也許真正需要學的，從來不止是「怎樣使用AI」，而是「如何與AI一起工作」。
這種需求其實已經出現在職場。
一位做HR的朋友最近跟我分享，企業現在也越來越重視員工如何與AI協作。以前不少上班族用AI，還有一點「靜雞雞」的感覺，怕老闆或客戶知道後，以為自己偷懶。但AI現在已經慢慢從一個偷偷使用的工具，變成公開的工作夥伴。
有人用AI幫忙整理資料、寫初稿、做簡報，原本幾個小時的工作可能半小時便完成。另一個人可能也用同一個工具，但最後交出來的成品卻完全不同。
專業經驗融入AI生成效果
差別可能不在於誰比較懂得下指令，而在於誰知道應該問甚麼、哪些答案不能照單全收，以及最後應該作甚麼決定。
這些判斷，並不是懂得下一個指令便可以得到答案，而是需要靠實際工作的經驗慢慢累積。
這也解釋了為甚麼AI越普及，經驗反而可能越重要。當AI可以在幾秒鐘內完成很多以前需要花幾個小時處理的工作，人真正提供的價值，反而變得更加清晰。
老師可以用AI準備教材，但仍然要判斷學生真正不明白的是甚麼；律師可以用AI整理大量文件，但仍然要知道哪一個細節可能影響整個案件；設計師可以用AI快速產生不同視覺方向，但仍然要理解品牌、客戶和目標受眾的喜好。
AI可以幫我們做得更快，但不代表它可以替我們決定應該做甚麼。
這或許也改變了我們理解「學AI」的方式。過去學習一種工具，往往是先掌握基本功能，再逐步應用到工作上。但AI可能恰恰相反：很多時候，我們是在遇到問題時才找AI幫忙，再從一次次使用中摸索出適合自己的方法。
這種學習沒有一個明確的「畢業」時刻，因為工具會繼續變，問題也會繼續變。今天學懂如何生成一張圖片，明天可能要學的是如何判斷一張AI圖片是否適合使用；今天學懂如何叫AI整理資料，下一步可能是學會如何發現它遺漏了甚麼。
所以，當AI成為人人都可以使用的工具，單純懂得使用AI本身，可能很快便不再是一項特別的優勢。真正需要培養的，是在真實的工作和生活情境中，學懂如何提出問題、如何判斷AI的答案，以及如何把自己的專業經驗融入AI生成的成果。
曾安業
