一、為什麼人特別容易盯著 AI 的錯誤？
假設 AI 一次給 10 個觀點：3 個非常有價值、4 個普通、2 個不準確、1 個明顯錯誤。
很多人的反應會是：「你看，AI 又胡說了！」而不是：「這 3 個觀點我以前沒有想到，我拿走。」
這和幾個心理機制有關。
第一是負面偏誤。
人腦對危險、錯誤、損失特別敏感。從進化角度，漏掉一次危險的成本，遠高於漏掉一次機會。因此「AI 說錯一句」比「AI 給我三個好點子」更容易留下印象。
第二是對機器的期待反而比對人高。
同事開會講 10 句話，5 句沒價值，我們覺得正常；AI 講 10 句話錯 1 句，卻容易覺得「AI 不可靠」。這是一種很有意思的雙重標準。
第三是過去的軟體思維。
計算器算錯一次當然不能接受，ERP 把 10 萬元記成 100 萬元也不能接受。因此大家習慣要求：電腦 = 正確答案。
可是生成式 AI 更像：一個知識極廣、速度極快、但需要你判斷的討論夥伴。這是完全不同的使用範式。
二、「有 30% 優點，就把 30% 截取下來」其實非常重要
我甚至認為這是未來 AI 時代的一種基本能力：
例如討論「0–2 歲兒童應該如何使用 ABCmouse？」您讓 AI 跑 5 次，可能得到 50 個觀點。其中：20 個重複、10 個普通、8 個值得驗證、7 個非常好、5 個錯誤。
一個不會使用 AI 的人看到 5 個錯誤：「AI 有幻覺，不能用。」
一個善於 co-thinking 的人：「這 7 個好觀點我以前沒想到；8 個再查證；5 個錯誤刪除。」
三、「只取 30% 的優點」也有一個重要前提
創意、企劃、戰略討論
完全可以：AI 給 100 個想法，我只拿 20 個好的。因為錯誤想法容易被人淘汰。
法務、財務、幼兒安全、醫療健康等
不能簡單：「70% 錯沒關係，我取 30%。」因為人可能不知道哪 30% 是對的。
所以應該培養兩種不同的 AI 使用紀律：
發散問題：鼓勵 AI 大量產生，人負責選擇。
事實 / 高風險問題：要求資料依據、交叉驗證、專業人員審核。
四、為什麼很多人不願意和 AI co-thinking？
我認為有四種原因，「沒有自信」只是其中之一。
2害怕暴露自己不知道這一點確實和自信有關。有些人會擔心：「如果 AI 比我想得更多，我的價值在哪裡？」於是心理上容易轉成：「我要證明 AI 不可靠。」這是身份防衛，不完全是技術判斷。
4過去教育訓練我們「尋找標準答案」學校經常訓練：這題答案是什麼？AI 時代越來越重要的是：還有什麼可能？我的假設哪裡錯？有沒有第三方案？反方最強論點是什麼？
五、對大地中心員工非常重要
我會把員工分成三個 AI 使用層次：
使用方式
思維
L1 AI 代做
「幫我寫一篇文章」
AI 是工具
「這個問題怎麼解決？」
AI 是專家
L3 AI 共思
「這是我的判斷，請挑戰、補充、反駁，再形成新方案。」
AI 是思考夥伴
六、形成一個「AI 共思原則」
以後員工碰到一個重要問題，不要只問一次。可以採用：
例如項目負責人原本只有 A 方案。不要問：「A 方案好不好？」而是：「這是我的 A 方案。請先找出我遺漏的方案，再提出 B、C 方案；然後分別站在支持與反對 A 的立場辯論；最後告訴我還缺什麼資料才能決定。」這時候 AI 的價值就完全不同。
七、AI 幻覺與 AI 價值並不矛盾
汽車可能發生事故，所以需要剎車、安全帶、駕駛規則；但不會因為汽車不能保證 100% 安全，就堅持走路。AI 也是一樣。
真正成熟的問題不是：「AI 會不會犯錯？」答案當然是會。
更重要的問題應該變成：「什麼事情允許 AI 發散？什麼事情必須驗證？什麼事情必須由人決定？怎樣讓人 + AI 的組合，比單獨的人更強？」
◆ ◆ ◆
而且隨著 AI 能力繼續提高，這個「可取的 30%」很可能逐漸變成 50%、70%、甚至 90%。真正需要持續升級的，反而是人的提問能力、選擇能力和最終判斷能力。
— END —