AI 給你的都很普通？問題在你沒有野心

用 AI 要有野心。

這是我最近讀到，最想拿給你看的一句話。

寫的人現在在 Anthropic（就是做 Claude 這個 AI 的公司）的工程主管，之前待過微軟、Slack、Stripe、Notion。文章叫〈How to be more ambitious: A tutorial for humans with models〉，意思大概是「寫給用 AI 的人，怎麼變得更有野心」，2026 年 10 月 13 日貼在他自己的部落格。

他整篇其實在講一件事。

你怎麼交代 AI，它就能幫你做到哪裡。

後來我看到一支短影片在講這篇，講得不差。但對照原文，有兩句話新手照做會出事。

一句是「AI 說做不到，就叫它繼續做」。原文真的這樣寫，但少了一道檢查。

一句是「找另一個 AI 來當裁判」。這句原文根本沒有，是影片自己加的。

快，只是入場券

他把野心分成四種。

速度，同樣的事做得更快。

高度，別只盯著眼前這件事，往上想你真正要的結果。

深度，讓 AI 照頂尖專家的方式做事。

廣度，把不同專業的腦袋都找來。

速度他直接跳過，只丟一句：這個我就不講了。

我同意。同樣的事做快一點，誰都做得到。你要是只把 AI 用在這裡，你跟隔壁同事的差別，就只剩誰的訂閱比較貴。

真正值得花力氣的，是後面三個。

高度：別只叫 AI 做事，要跟它說你要什麼結果

他舉的例子是 App 當掉。本來他是出一個問題，就叫 Claude 修一個。後來直接交代一句：讓我們的 App 別再當掉。

差別在哪？

差別在前面那句，修完就結束了。後面那句，沒有結束的時候。

你平常用 ChatGPT 也一樣。「幫我做一份簡報」是叫它做事。「下週開會，我要讓老闆同意多給我一個人手，幫我想這份簡報怎麼講」是跟它要結果。

我現在在幫大都會旅遊做 AI 員工（能自己幫公司做事的 AI）。拿旅遊業來舉例，同一件事往上走，可以有三層：

第一層，把客人的訊息回掉。

第二層，告訴我哪些客人問過卻沒下訂，卡在哪裡。

第三層，設計一套做法，客人快要不理你之前，就知道該主動去叫醒誰。

第一層，AI 是打字員。第三層，它在幫你想生意。

所以一個 AI 員工的成績單，該看的是成交了多少錢、客人的訊息有沒有人回、很久沒消息的老客人叫回來幾個。不是功能做了幾項。

但這裡有一條，原文沒講，我覺得比往上走更要緊：

你交代給 AI 的事，不能超過你驗收得了的範圍。

驗收，說白了就是檢查做出來的東西對不對、能不能用。

結果你看不懂、檢查不了，就先交代簡單一點的。不然你拿到的，是一份寫得很漂亮、你完全不知道對不對的東西。

深度：目標可以訂很高，但一定要有人檢查

深度的意思，是讓 AI 照這個領域最頂尖的人那樣做事。拿真的資料去算，用專業的人在用的工具，不是畫張表就交差。

然後是整篇最嗆的一段。

網站打開要 10 秒，你想降到 5 秒？他說，直接要求 200 毫秒，也就是 0.2 秒。AI 說做不到？再跟它說一次這題解得開，叫它繼續做。

這段原文真的這樣寫。

但你單獨拿去用，會出事。

目標訂得很誇張，又沒有人檢查，AI 要交出 0.2 秒有很多種方法。把圖片全拿掉，首頁剩一行字，也是 0.2 秒。

數字達標了，網站廢了。

原文沒有提這個風險，不過同一段他寫了解藥：Do not ask the model to judge itself，意思是別叫 AI 自己幫自己打分數。要找外面的東西來檢查，最好是 AI 自己就能拿來測試的工具，做完馬上知道對不對。比如網站改完，直接實測打開要幾秒，不是聽它說變快了。他還特別講，這是 2026 年 10 月現在的建議。

影片講到這裡，多加了一句：找來當裁判的第三方，就是另外一個 AI。

原文沒有這句。

叫 AI 檢查 AI 不是不能用，但它們常常會錯在同一個地方。要我排的話，順序是這樣：先看真實數字，再來真的拿去試，再來問真人用過怎麼說，最後才輪到另一個 AI。

為什麼我對這件事這麼敏感？

我做金融那三年學到的就一句：太相信你看到的數字，就是開始賠錢的第一步。

AI 給自己打的分數，也只是一個你看到的數字。

深度裡還有一招，叫 AI 反過來檢查你的想法。

很多人覺得自己學 AI 卡住，是提示詞（就是你打給 AI 的那段話）寫不好。那你別叫它教你寫提示詞。把最近三次做失敗的對話複製貼給它，叫它檢查「是提示詞的問題」這句話對不對。

我猜多半不對。多半是你從頭到尾，沒講清楚你要什麼。

廣度：把名詞換成動詞

這招他是引用 Tom Kelley 和 Jonathan Littman 的《The Art of Innovation》。

翻成白話就是，別講你要一個什麼東西，要講你要讓誰做到什麼事。

「AI 客服」是名詞。你這樣跟 AI 講，它就給你一個客服。

換成動詞：讓一個正在比價的旅客，在離開 LINE 之前相信你，並且願意下訂。

你看，需要的人馬上不一樣了。要懂行程的資深業務，要被退款退怕了的客服主管，要一個算得出這一團扣掉成本還賺多少的人。然後你叫 AI 輪流站在這三個人的角度，各看一遍。

他還有一句我很喜歡。做空的人，是靠公司出問題賺錢的，所以最會抓毛病。他說，別叫 AI 學做空者講話的口氣，要叫它學做空者怎麼查資料。

放到旅遊業，那個人就是拿著行程單來要退款的客人。不是叫 AI 裝兇，是叫它真的去翻合約的每一條，找出你哪裡會被客人抓到。

46 天之後，還有一支碼表

文章後面有個故事。

1954 年 5 月 6 日，Roger Bannister 跑出 3 分 59 秒 4，人類第一次在四分鐘內跑完一英里（大約 1.6 公里）。46 天後，John Landy 跑出 3 分 57 秒 9。

作者拿這個故事講一件事：看到別人做到了，你就比較相信自己也做得到。

我想接一句他沒寫的。

Bannister 那個 3 分 59 秒 4，是有跑道、有碼表、有人在終點線量出來的。

沒有碼表，那就只是一個人說他跑很快。

野心要有。

碼表也要有。

複製這段，下次交代 AI 之前先貼

上面講的，我壓成一段話。ChatGPT、Claude 都能直接貼，第一行換成你自己的事就好。

我要請你幫我做這件事：【換成你本來想叫 AI 做的事，例如：幫我做一份下週開會要用的簡報】

先不要動手，照順序來：

1. 問我最多 3 個問題，弄清楚我真正要的結果：這件事要讓誰、在什麼時候、做到什麼。
2. 等我回答後，把我的要求改寫成一句「要讓誰做到什麼」，給我確認。
3. 開始之前，先列出 3 條檢查標準，每一條都要是我不懂專業也能自己檢查的，例如算得出來的數字、找得到出處的資料，或是可以拿去問真人的問題。等我同意才開始做。
4. 做完之後，不要幫自己打分數。站在最想挑我毛病的人的角度，列出這份東西最可能出錯的 3 個地方，並告訴我要怎麼確認。

不確定的地方直接說不確定，不要用猜的。