Vista電子報 No.133：當答案變得不值錢，判斷力就是你唯一的複利資產
注意力、微決策與心智預演：三根柱子撐起 AI 時代真正稀缺的能力，附一份每週九十分鐘的練習
上週有位讀者寫信問我一個問題，我想了兩天才知道怎麼回答。
這位名為 Helen 的朋友告訴我，過去這一年她真的很認真。訂閱了三個 AI 工具、跟完兩門線上課不說，每個禮拜還花一兩個小時追新 AI 工具的發布動態，存放在 Notion 裡面的提示詞筆記，累積到四百多則。但是，她的升遷速度並沒有比較快，接案報價更無法調高，甚至連自己想寫的那本書都還停在大綱發想階段。
她最後有點沮喪地問我：「是不是我學得還不夠？」
我要她別想太多，因為她不是學得不夠，而是把力氣放在會貶值的那一半了！
所以，在這一期電子報，我想把過去半年寫過的幾篇文章整合起來，講一件我愈來愈確定的事：當答案變得便宜，判斷力就是唯一還會複利的資產。而判斷力不是天賦，它由三根柱子撐著，三根都可以練。
學得快，已經不算優勢了
先說一個殘酷的事實。
世界經濟論壇的《2025 年未來工作報告》估計，2025 年至 2030 年間，工作者現有技能平均有 39% 將改變或過時。國際勞工組織在同年的研究則指出，全球約四分之一的勞工，其職業對生成式 AI 有一定程度的暴露，但落在最高暴露類別的只有 3.3%。
把這兩個數字放在一起讀，結論不是 AI 會取代你，而是更麻煩的一件事：你的工作內容會不斷重新洗牌。
這件事的實質後果是：學得快的投資報酬率，正在下降。
不是說學習不重要，而是說：當一項技能的半衰期只剩兩年，你把時間押在技能本身，就是在買一張持續貶值的資產。今天學提示詞，明天研究代理人，後天擔心剛建好的流程被新版本淘汰。這種焦慮會讓人不停蒐集資訊，卻遲遲交不出作品。
我在《別再追逐工具了！在 AI 時代打造屬於你的不敗系統》裡寫過一句話，現在我更確定它是對的：工具加速平庸，系統創造價值。工具會換，能力的骨架才是你帶得走的東西。
那麼，什麼東西不會貶值？
答案是：決定「該學什麼、該做什麼、該相信什麼」的那個能力。也就是判斷力。
問題在於，判斷力聽起來像一種玄學。即便你花錢去上了一門「判斷力課」，也沒辦法用老師教你的方法來累積。所以多數人知道它重要，卻不知道怎麼練習，最後又回頭去學下一個工具。
我這半年寫了幾篇看似無關的文章，回頭一看才發現它們指向同一件事。判斷力其實是三個具體能力的合成，每一個都可以拆解、可以練習、可以驗收。
第一根柱子：注意力，是判斷力的原料
判斷力沒辦法在雜訊裡長出來。
美國微軟公司在 2025 年公布的工作資料顯示，高訊息量使用者在核心工作時間，平均每兩分鐘就受到一次會議、電子郵件或聊天訊息打斷，一天可達 275 次。
我第一次看到這個數字時，第一反應不是「現代人好忙」，而是「難怪大家都在做淺薄的決定」。
一個被切成兩分鐘一段的大腦，能處理的只有反射性的回應：回覆訊息、確認收到、把事情往下丟。真正需要判斷的事情，例如這個案子要不要接、這個方向該不該轉、這個客戶的沉默代表什麼，都需要一段不被打斷的連續思考。而那段時間，被吃掉了。
我在《專注力是你最珍貴的資產》裡談過這件事，當時我的重點放在「專注力是稀缺資源」。現在我想再往前推一步：專注力不只是稀缺，它是判斷力的原料。你不可能在一個每兩分鐘被中斷一次的腦袋裡，做出任何值得信任的判斷。
所以，保護注意力不是為了「效率」這種聽起來很生產力的理由。而是因為，那是你唯一能產出高品質決策的環境。
具體怎麼做？我自己只設法守住下面三個原則：
每天留一段不被通訊軟體切割的時間，關掉所有通知，不是靜音而是關掉。這段時間只做需要判斷的事，不做能被交代的事。
把回應跟思考分開。回訊息、處理雜務集中在固定時段，其餘時間不進收件匣。
替市場與職場的變化，設定固定的檢視頻率，例如每週一次。不讓每一則新聞、每一次模型發布都當場接管你的注意力。
第三條特別重要。今年 AI 的新聞密度高到不合理，如果你每則都追，你會有一種很忙很跟得上的錯覺，但那個錯覺，是拿判斷力換來的。
第二根柱子：微決策，是判斷力真正發生的地方
第二篇是萬維鋼的《人比AI凶》。
我在《你的微決策，才是 AI 無法取代的關鍵》裡寫過這個概念。他說人的不可取代性，不在於比 AI 聰明，而在於那些散落在日常裡、看起來不重要的微小決定。
這句話我一開始覺得抽象，直到我開始認真觀察自己的工作。
嗯，讓我以寫一篇文章來舉例。AI 可以生出結構、可以補資料、可以把句子改順。但整個過程裡，真正決定成品好壞的，是一連串沒有標準答案的小選擇：這個開場要用故事還是數據？這段論證會不會太快？這個詞讀者聽得懂嗎？這句話講出來，會不會傷到某個我沒想到的人？
這些都不是大決策，沒有一個值得開會討論。但它們加總起來，就是專業與業餘的全部差距。
AI 給不了這些，不是因為它笨，而是因為它不知道你的讀者是誰、不知道你上次踩過什麼坑、不知道你想成為什麼樣的人。這些微決策的品質，來自你的經驗與價值觀，而那正是你花了十年二十年累積的東西。
所以，我現在看待人機分工的方式，跟一年前完全不同。與其籠統地問「AI 會不會取代我」，不如把每天的工作拆解開來看，分成以下三類：
哪些任務適合整包交給 AI？例如查資料、整理逐字稿、產出初稿的骨架。
哪些結果需要人類覆核？例如資料引用、事實查核、任何會掛你名字出去的東西。
哪些判斷牽涉信任、溝通與責任，必須由自己承擔？例如定價、拒絕、道歉、以及決定不做什麼。
LinkedIn 執行長提出的 5C 框架，其實在講同一件事。我在《AI 做不到的五件事》裡拆過那五個 C：好奇心、勇氣、創造力、同理心、溝通力。你會發現它們沒有一個是技能，全部都是判斷。
而這件事最反直覺的地方在於：
當 AI 愈強，微決策愈重要。
因為當執行變得幾乎免費，決定「執行什麼」就成了唯一的變數。
我自己有過一次很痛的驗證。今年年初，AI 讓開發變得太容易，我一度每天都能做出一個新工具，亢奮了好一陣子。直到停下來盤點才發現：真正有人用、有人付錢的，寥寥可數。那次盤點帶給我的教訓比任何課都值錢：我不缺執行力，我缺的是判斷值不值得做的能力。
第三根柱子：預演，是判斷力的練習場
前兩根柱子講的是「保護原料」跟「認出戰場」。但判斷力真正的難處在於，它多半要在壓力最大、時間最少的時候使用。
這就是第三根柱子要解決的問題。
我這週讀了瑪雅・瑞丘秋的《做對大腦練習，表現就升級》，寫成了〈世界愈不確定，愈要先在腦中跑過一次〉。書中談的心智預演，不是閉上眼睛幻想成功，而是先在腦中模擬目標、步驟、情緒與風險，降低真正行動時的混亂。
書裡提出五種視覺化技巧，我認為對工作者最實用的是這三種。
第一種是過程視覺化。與其反覆想像簡報結束後的掌聲，不如在腦中走一次開場、轉場、被質疑，以及忘詞之後如何接回來。前者讓人短暫興奮，後者才會減少臨場耗損。心智預演的價值，不是讓事情照劇本發生，而是讓大腦不必在壓力最高時，第一次處理那個場景。
第二種是結果視覺化，但它要跟過程視覺化搭配才有用。先看見自己希望具備的能力，例如獨立完成一份研究報告；接著倒推流程，預演如何界定問題、查核來源、使用 AI 整理材料，以及親自做出最後判斷。這樣一來，學習就不再追著工具清單跑，而是服務一個清楚的能力目標。
第三種是負面視覺化，這是我最看重的。世界經濟論壇的《2026 年全球風險報告》彙整超過 1,300 名專家的看法，把地緣經濟對抗列為 2026 年最可能引發全球危機的首要風險，另有 50% 的受訪者預期，未來兩年的全球局勢將持續動盪，甚至高度不穩定。
這些數字不是預言，而是專家對風險的集體判斷。它們提醒我們，政策、供應鏈、市場與科技規則都可能突然轉向。對個人與企業而言，一條路走到底的安全感正在減少。
負面視覺化不是在腦中重播災難，而是預演合理的最壞狀況：重要客戶突然離開怎麼辦？平臺改變規則怎麼辦？原本熟悉的任務被 AI 接手一半，又該把能力移往哪裡？
而且預演之後，一定要替每個風險安排第一個動作。建立自有名單、保留現金緩衝、分散收入來源，或把經驗整理成可移轉的知識資產。當備案已經存在，大腦就不必每天用模糊的恐懼提醒你可能出事。
局勢不穩定時，韌性不是相信一切都會很好，而是事情偏離計畫後，你仍有能力更新判斷並採取下一步。
三根柱子怎麼合起來用
到這裡你可能會覺得，這三件事各自都有道理，但湊在一起好像有點勉強。所以，我想給大家一個具體的合體用法。
把 AI 當成預演的對手，而不是答案的來源。
我在《讓 AI 成為思考夥伴，而非只是產製答案的機器》裡談過深度對話的架構，核心是提問密度：你給的資訊量，決定它能陪你思考多深。當時我的重點是怎麼問出洞見，現在我想補一個更實用的用法。
在腦中預先演練一次新的工作流程，然後把這個流程丟給 AI，請它扮演三個角色：
扮演最挑剔的審稿人或客戶，針對你的方案寫一封拒絕信，把最可能被打的點先攤出來。
扮演六個月後的自己，回頭指出這個決定當初忽略了什麼。
扮演一個完全不懂你這行的人，問你三個最基本、最難回答的問題。
這三個角色都不是要 AI 給答案，而是要它幫你把預演跑得更完整。你的判斷還是你的判斷，但它經過壓力測試了。
我做過一次很有趣的實驗，寫在《我不會作曲，卻做了一首會自己彈的鋼琴曲》裡。那次經驗讓我看清一件事：我的角色從執行者變成了下判斷的人。我不會作曲，但我知道哪一版聽起來對、哪一版差了一點、差在哪裡。技術我沒有，判斷我有，而最後成品的品質，取決於後者。
真正稀缺的，從來不是技能，而是判斷力。
一份每週九十分鐘的練習
講到這裡，我想給你一份可以真正執行的東西，而不是又一組概念。
每天只需要花五分鐘：
先用三十秒看見今天想完成的結果，再花兩分鐘預演幾個關鍵步驟。接著用一分鐘想像最可能出現的干擾，替它安排回應方式。最後問自己：現在可以完成的第一個動作是什麼？然後立即開始。
每週六十分鐘：
前二十分鐘，挑一項這週真實做過的任務，拆解成「AI 可代勞、人需覆核、人必須判斷」三類。寫下來，不要只在腦中想。
中間二十分鐘，針對下週最重要的那一件事做完整預演：走一次流程、想一次最壞狀況、替最壞狀況寫下第一個動作。
最後二十分鐘，把這個預演丟給 AI，讓它扮演上面那三個角色，看看你漏了什麼。
每季做一次：
盤點你這一季做出來的東西，不是學了什麼，而是交出了什麼。有人用嗎？有人付錢嗎？如果答案是沒有，問題多半不在執行力，而在最初那個判斷。
這份練習每週只佔九十分鐘，但它練的東西，下一個模型淘汰不了。
最後
回到開頭那位讀者 Helen 的問題。
我後來這樣回她：你的四百則提示詞筆記不會白費，但它們是原料，不是資產。真正的資產，是你決定什麼值得做的能力，而你現在還沒把它當成一件需要練習的事。
當每個人都能快速取得答案，能否管理注意力、認出關鍵的微決策、並且在事情發生前先預演一次，反而更能拉開差距。
除了持續升級工具，我們也要升級使用工具、承擔選擇並持續前進的自己。
如果你是研究者、研究生或知識工作者，想把這套判斷力真正練成日常的工作流程，歡迎來我的工作坊。我會帶你把文獻爬梳、資料整理這類繁瑣工作交給 AI，同時守住學術倫理的界線，把最關鍵的提問、論證與判斷牢牢握在自己手裡。
🚀 課程資訊在這裡：AI 賦能學術研究與寫作實戰工作坊
好了，這一期電子報就到這裡進入尾聲。如果本期內容對你有幫助，歡迎轉寄給那位也在拚命學工具、卻覺得自己沒有前進的朋友。
我們下期見。