一份簡報排得很漂亮，客戶卻說：「這不是我要解決的問題。」一封客服信回得很客氣，客人看完反而更生氣。AI可能把你交代的步驟做完，工作卻沒有因此做好。

當工具能自己拆解任務、接著往下做，這個落差更值得注意。連子智新書《讓AI做事，你做主》的節錄，10月22日刊於遠見，將焦點放在人如何掌握意圖、約束與回顧。與其只追求把更多步驟交給AI，工作者需要知道哪些決定仍該自己負責。

以下用一個假設的設計委託拆開來看：小型工作室收到客戶要求，希望規劃新產品的展場攤位。AI很快產出平面配置與展示草案，接下來，設計者還要做什麼？

目的不清楚，漂亮的答案也可能走錯方向

「幫我設計得更吸引人」聽起來明確，卻可能有好幾種意思。客戶想吸引路過人潮，還是讓採購人員安靜洽談？來訪者需要親手體驗產品，還是快速看懂服務流程？

這些問題可以請AI協助列出來，但答案要回到真正的委託者與使用者身上。設計者若沒有問清楚，就可能拿到一張熱鬧的效果圖，卻讓排隊體驗的人堵住洽談區入口。

人要掌握的第一件事，是確認這份工作到底要替誰解決什麼問題。將「多做幾張圖」改成「讓第一次來訪的人順利完成體驗，再找到洽談區」，後續判斷才有依據。需要改變目標時，也應留下原因，避免每個版本都在追不同的方向。

限制要寫成能判斷的條件

第二件事，是決定哪些界線不能越過。對展場攤位而言，可能包括不能超出核准預算、不能占用場館要求保留的通道、設備尺寸必須經過確認，以及施工前由客戶與相關專業人員審閱。

只寫「請小心」「確保正確」不夠實用。試著把要求改成有明確動作的句子：缺少場地尺寸就留待確認；設備資料互相矛盾就停止採用；完成配置草案後先交人審閱。若AI連接了寄信或採購工具，也要分清楚它只能準備詢價草稿，還是已被允許對外下單。

NIST的AI風險管理框架把治理與持續管理放在系統的生命週期裡。對一般工作者而言，可以先落實成一張權限表：什麼能自行處理、什麼需要詢問、什麼一律不能做。這張表應隨任務調整，而非給所有工作同一組最大權限。

回顧要看實際過程，不能只聽AI解釋

第三件事，是回頭確認重要結果如何產生。配置圖的尺寸取自哪一版場館資料？誰移動了展示櫃？哪條動線經過客戶確認？設計者在圖上圈出問題時，需要能回查修改過程；如果只有最後一張效果圖，往往很難找出誤會發生的位置。

OECD的AI問責原則提到資料、流程與決策的可追溯性。白話說，就是有足夠紀錄，讓人查得出事情怎麼走到這一步。這不代表要保存每一句聊天；可以保留需求版本、主要來源、重要修改與核准紀錄。

也要分清楚兩種東西：工具實際做了什麼，以及它事後描述自己做了什麼。AI說「已核對所有來源」，仍應看得到相應資料；它說「檔案已更新」，就該有可查閱的版本。流暢的解釋可以協助理解，不能代替執行證據。

人工確認要有時間，也要能真的喊停

如果公司規定每份內容都由人核准，卻不給閱讀時間，最後很容易只剩按確認鍵。有效的接管，需要讓負責人看見改了什麼、影響哪些對象，以及能否退回上一版。

日常小任務不必建立厚重制度。你可以從明天的一份工作開始，在交給AI前寫下目的、限制與完成標準；交回時，對照重要事實與實際產出。當你能說明為什麼採用這個結果，也知道何時必須停下來，AI才有機會穩定地幫你分擔工作。

常見問題

這是不是表示AI只能做低階工作？

不是。AI可以協助複雜工作，重點在於是否給出清楚目的、合適權限與必要的人工確認。工作重要程度和出錯後果，會影響你需要保留多少控制。

要求AI解釋推理，就能知道結果是否可靠嗎？

不能只靠解釋。還要核對實際來源、修改版本或工具執行結果；AI事後給出的說明，不一定完整反映產出或執行過程。