AI 不能幫你賺錢或省時間，那你只是在玩遊戲——一場關於 AI 超級個體的真實對話

「如果你的 AI 不能讓你創造出更多的時間，也不能幫你賺更多的錢，那其實你只是在玩遊戲。你儲值的是遊戲點數，不是生產力。」

這句話是我的創業導師在一次對談中說的。聽到的當下，我沉默了幾秒——因為這正是我觀察到市場上 80% AI 使用者的真實狀態。

一場關於 AI 超級個體的午後對談。左起：AAMA 院長 Steve、GetClaw 創辦人 Kordan、客戶如芬。

每個人用 AI 的方式，竟然完全不同

那天下午，我到客戶如芬的辦公室進行到府安裝。剛好我的創業導師 Steve（AAMA 院長）也在場，三個人的對話從安裝技術一路聊到商業模式、AI 趨勢、超級個體。

Steve 已經在做他的第五個 AI Agent 計畫。第一個做的是 Schedule Manager——AI 會自動 review 他未來一週和四週的行程，判斷哪些會議該拒絕，拒絕的話就直接幫他拒。

「不見得比較好約到我，但是我比較有紀律了。」Steve 說。

而我自己用 AI 最離不開的場景是跨國行程管理。我代表亞洲金融科技協會出訪日本，底下有日本金融科技協會，協會裡又有成員公司，他們在幫我們安排三井住友、瑞穗銀行、金融廳的拜會時間。想像一團混亂——Excel 共同編輯、行前須知、round table 議程⋯⋯又夾雜日文英文。我全部丟給 AI，搞定。

如果不是 AI 出現，你需要一個隨行秘書才做得到這件事。

如芬則代表了另一種使用者——她同時交替使用免費版的 ChatGPT、Claude、Gemini，每家輪著用，Quota 剛好夠。她的策略很務實：在沒有更好替代方案的時候，才會認真用 AI。

三個人、三種截然不同的使用方式。這正說明了 AI 不是一套標準流程，而是要根據每個人的工作型態去量身定做。

GPT、Claude、Gemini——到底該用哪個？

聊到模型比較，我分享了這幾年實測的心得：

GPT：你的跟班助理

所有 GPT 模型基本上都在服務 80% 的使用者。它比較療癒、會接著問「還要不要幫你什麼」，會想延續對話。你一看就知道是 GPT 寫的。

適合場景：日常事務、brainstorm、需要陪聊的分析討論。

Steve 補充：「我用 GPT 時間最長、訓練他最久。分析策略文件同時丟給兩邊，GPT 分析出來的東西比較符合我的思維。」

Claude：客觀中立的執行者

Claude 就像一個使用者的僕人——你說什麼它就執行什麼，比較客觀中立，不會有特定偏向。

適合場景：程式開發、結構化執行、需要精準產出的任務。

Gemini：時事搜尋之王

想查伊朗跟美國有沒有和解？Gemini 比較強，因為背後接的是 Google 搜尋。Claude 跟 OpenAI 背後接的都不是 Google，同樣的時事新聞，Gemini 品質好很多。

適合場景：即時新聞、時事分析、需要最新資料的研究。

省 Token 的實戰技巧

Steve 分享了一個聰明做法：

先跟 GPT 討論細節、brainstorm 完，再把結果塞給 Claude 開始寫程式。因為這樣比較不傷 Token。

每個模型擅長的確實有差，因為訓練偏向不一樣。不是選最貴的，而是選最對的。

從 80 分到 95 分：AI 超級個體的崛起

Steve 很了解我。我自認是在各個領域都是 80 分的創業者——沒有一個地方特別頂尖，但也沒有任何一個領域難得倒我。寫程式、做產品、跑業務、談監理法規、跟主管機關溝通——能力一直在疊加。

然後 AI 出現了。

我發現 AI 讓我可以瞬間從 80 分到 95 分。

95 到 100 可能是頂尖之勢，但 80 到 95？很多朋友問我的問題，我心裡想的是：「這不就是一個 prompt 就做完了嗎？」

AI 是一個放大器。它放大的不只是個人能力，還有商業模式的可能性。未來可能不是典型的股份有限公司、合夥制，而是契約制、合作關係、面向成果的制度。SaaS 的 pricing 也在變——從 User-based 改成 Token-based。

人才會兩極化，中間消失

一個反直覺的事實：Anthropic 和 OpenAI 根本沒有裁員。 OpenAI 現在人數已經超過四千人。如果照他們說的 AGI 這麼厲害，人數應該一直下降，但為什麼指數上升？

因為優秀的人在 AI 時代變得更有價值。未來的人才結構會兩極化——中間消失。站在這一端的人，基本上會主導未來的世界。

非技術背景的人，門檻到底有多高？

這是一個誠實的問題。

很多人看到工程師用 AI 做出炫目的成果，以為自己也能輕鬆複製。但事實是：看起來不費吹灰之力的背後，往往是十幾年的技術底蘊。

我舉了 AAMA 優秀的創業家同學小畢（Marcus）的例子——他做了一個 AI 每天自動搜尋熱門新聞、錄成 Podcast 讓他通勤時聽的系統。看起來酷炫，但 setup 是需要花三到五天反覆調校的。因為背後要問很多問題：什麼叫「最熱門」？你關注什麼領域？Podcast 喜歡什麼長度？通勤多久？每一個都很客製化。

如芬倒是點出了一個關鍵觀察：「Command line 其實是最有效率的方式，但不熟悉的人很容易把它當成低階工具。熟悉了之後才會發現，它才是真正的捷徑。」

這也是為什麼「有人懂你的業務幫你設計」跟「自己亂試」是天差地別。 重點不是工具，是表達清晰——你到底要 AI 做什麼。

賣大腦，不是賣工具

聊到 GetClaw.tw 的商業模式，如芬問了一個直球：「你的商模到底是什麼？」

課程沒什麼價值。安裝服務到處都有。我覺得賣大腦才有價值。

這個「大腦」是什麼？是一套系統、一個流程、屬於你公司的 context、一個持續成長的記憶。

我的定價邏輯很簡單：你今天請 AI Kordan 加入你的公司，背後的駕駛者還是我，多少錢我願意做？ 本質是賣時間，只是 AI 可以讓我 scale out。

這個靈感來自我自己的經驗。KryptoGO 做 CEO，我付錢付出去最開心的，是花三個月買到一個資深創業者來幫公司解決問題。買的不是工具，是 knowledge。

需要的人肯定很多，但也很多人不知道他需要。經營高價值客戶，口口相傳，低價值的都可以不用理。

資安邊界：在可見範圍內給最大權限

Steve 問了一個好問題：「你的資料邊界是什麼？」

我的做法是帳號隔離。在客戶的 MacBook 上，我會建立一個獨立的 macOS 使用者帳號，完全隔離。如果發現任何隱私問題，直接把這個使用者刪掉——就像 Linux 裡砍掉一個家目錄。

GetClaw.tw 的域名、email、收發信——全部交給 AI 完全控管。但 KryptoGO 和私人的，絕對不給。不會給 1Password、不會給敏感資料。

我的策略是：在可見範圍內給最大權限。 不希望一開始就擔心東擔心西，到最後什麼事都不能做。我想測試 AI 的能力邊界。

你的下一步

如果你讀到這裡，可能心裡正在想：「那我該怎麼開始？」

Steve 給了一個最務實的建議：

先跟 GPT 互動，告訴它「我要做這件事，你告訴我可以怎麼做」。它會給你一個 plan，你跟它討論完，再塞給更強的模型去執行。

先規劃，再執行。先小步驗證，再逐步擴大。

如果你覺得自己搞了很久還是搞不定，那不是你的問題——是因為 AI 跟新員工一樣，需要有人幫它做 onboarding。

想聊聊 AI 怎麼幫你的工作提效:？ 預約免費諮詢 →，15 分鐘，我們先了解你的工作方式，再幫你設計 AI 該做什麼。