以前問人是雙贏，現在問 AI 只贏一次

工作上卡關的時候，你現在的第一反應是什麼？

我發現自己的答案變了。以前是站起來走到同事旁邊，或是丟一句訊息過去：「這個你有遇過嗎？」現在變成打開 AI，把問題丟進去，幾秒鐘就有一個看起來還不錯的答案。整個過程我完全沒有意識到自己做了選擇，直到某天想起，我好像有一陣子沒跟同事一起討論過什麼事了。

這件事同時發生在兩個地方

先說一個數字，蠻震撼的。以前工程師卡關，習慣丟到公開的技術論壇上等人回，那類論壇曾經是最重要的求助管道。如今這些論壇每天新問題數只剩十年前的百分之一，性質類似的知識論壇幾乎全滅。不是工程師突然變厲害了不用問問題，是「問」這件事，換了一個不用等人、也不會被人看到的地方發生。

公司裡也在做一樣的判斷。最近有消息說，Google 已經把整個內部工程教育團隊裁撤掉，那個團隊過去專門把老手的實務經驗整理成教材、辦訓練課程，讓新人不用自己從頭撞牆。理由很直白：現在遇到問題，大家都直接問 AI 了，一個花二十年建立起來、專門把知識整理給別人的部門，就這樣被判定不再需要專職團隊來做。

一個發生在辦公室裡，一個發生在整個技術社群，但其實是同一件事：以前要「問人」才能解決的問題，現在都交給 AI 了。

以前的「問」，其實一舉兩得

這裡有個容易被忽略的地方。以前不管是問同事，還是把問題丟到論壇上，那個動作從來不只是「拿到一個答案」而已，它常常會順便留下一點東西給別人。

丟到論壇上的問題，連同底下的討論，會一直留在那裡。半年後某個素未謀面的人卡在一模一樣的地方，搜尋就能找到，少走一段路。這也是為什麼論壇的問題數會直接反映在論壇的生死上：以前每個提問都是在替以後的人存一筆知識，現在提問都轉去問 AI，論壇自然就空了。

問同事也是同樣的道理，只是留下的東西不太一樣。你去問，對方順便知道你在忙什麼，你也順便知道他最近在忙什麼；旁邊剛好聽到的第三個人，可能因此也學到一點東西，或想起自己也卡在類似的地方。一次小小的請教，常常會在不知不覺間，讓幾個人同時多知道一點彼此，也多了一點默契。

問 AI，只解決眼前這一題

AI 給答案又快又準，但這個過程只有你自己看得到。這一題解完，沒有留在論壇上讓下一個人搜到，也沒有讓辦公室裡任何一個人多知道一點什麼。下一個遇到一模一樣問題的人，不管是同事還是遠方一個素不相識的工程師，還是得自己重新問一次 AI，因為上一次那個人問完，什麼痕跡都沒留下。

以前「問」這個動作內建的那個副作用，不管是幫下一個陌生人，還是讓同事更了解彼此，AI 都沒有辦法一起附送。它給你的，永遠只是這一次、只給你一個人的答案。

少了副作用，其實還少了一件事

有人做過一個小實驗，把工作上一件不知道怎麼開口的事，同時丟給四個不同的 AI，想看看能不能理出一個好的說法。四個 AI 給了四種完全不同的建議，讀完確實很有收穫。但她自己後來的結論是：AI 可以給你十種說法，但只有你自己知道，你要面對的那個人，需要聽到的是哪一種。最關鍵的那一步，四個 AI 都幫不上忙。

這句話點出另一層差別。AI 給的建議再多、再細，都只是根據你打出來的那段文字去回應，它不知道你和那個同事之間，還有哪些沒說出口的過節、哪些心照不宣的默契。但一個真正了解你處境的同事，光是一句話，可能就正中要害，因為他跟你共享著你們兩個都在的那個現場。AI 給的是廣度，人給的是貼合。而且對方回答你的時候，常常會帶出一個你自己完全沒想過的角度，因為他站的位置跟你不一樣，看到的東西也不一樣。這種被別人視角撞一下的感覺，AI 很難給你，因為它沒有跟你站在同一個現場。

一句話總結

AI 很好用，效率也是真的，這篇不是要你以後什麼都不問 AI。而是提醒自己，有些問題丟給 AI 最快解決，但「問人」這件事，值得刻意留一些，不管是留給同事還是留在某個公開的地方，不是為了效率，而是為了那個效率換不到的東西：留給下一個人的一段路，一個你自己想不到的角度，還有問完之後，彼此比原來更了解一點的那份默契。

至於以後 AI 會不會開始把大家問過的東西彼此串起來，變成一種新的公共知識，那又是另一個問題了，這篇先不談。