AI做起事來半調子？那是因為你沒有替他把工作分析清楚！
本書教你把最強大的AI體系（Google AI）轉化成為能力放大器
在 AI 工具越來越普及的時代，很多人以為「會用 AI」就是會打 Prompt，知道怎麼下指令、怎麼要求格式、怎麼讓 AI 寫得更像樣，但本書真正要提醒讀者的是：使用 Google AI 的關鍵不在於工具本身，也不只是 Prompt 技巧，而是在開啟 Gemini、Google Workspace AI、NotebookLM、Gemini Omni 或 Nano Banana 之前，使用者有沒有先把任務想清楚。因為 AI 不是替人思考的魔法棒，而是能力放大器。你給它清楚的目標、完整的背景與明確的規格，它就能放大你的思考成果；你給它模糊的問題、含混的需求，它也只會放大模糊，產生一份看似完整、其實不適用的答案。
你要什麼結果？先想清楚
作者教讀者拿到任務時，第一步不是立刻打開 Google AI，而是先停下來分析任務。這個「停下來」並不是拖延，而是避免把錯誤方向交給 AI 加速執行。很多人接到「做一份簡報」、「寫一封信」、「整理一份報告」時，會馬上輸入：「幫我做一份簡報」或「幫我寫一篇報告」，AI 便很快地就會給出東西，而且通常格式整齊、文字流暢，但問題是它未必能回答真正的需求。
因此，作者提出 AIQ 三問法。第一問是：我要的結果長什麼樣？這不是只回答「我要一份報告」或「我要一份簡報」，而是要具體想像成品的樣子。它是給誰看的？長度多少？用在哪裡？讀者看完後要做什麼決定？第二問是：這件事最難的決策在哪裡？每一項任務背後都有一個真正需要人判斷的核心；例如季報簡報最難的地方，不是把數字排成表格，而是判斷這季要呈現「問題嚴重」還是「轉機出現」。第三問是：哪部分必須由我完成，哪部分可以交給 AI？當這個分界清楚後，讀者就不會把本該由自己負責的判斷，也推給 AI 處理。
任務拆解三結構：目的、內容、格式
當讀者知道自己要什麼之後，下一步是把任務整理成 AI 能理解的結構。作者強調，AI 不像熟悉你的同事或主管，它沒有共同記憶，也不懂你的隱性語境。人類說「幫我寫一封給客戶的信」，同事可能會根據過往經驗知道是哪個客戶、什麼語氣、目前關係如何；但 AI 不會知道。它只能根據你明確提供的資訊來生成內容。如果你不說受眾是誰、背景是什麼、目的為何、語氣要如何，它就只能猜，而猜出來的往往是平均化、普通化的答案。
因此，作者把任務拆解成三個維度：目的、內容、格式。目的維度，是要先說清楚這件事要達到什麼效果，受眾是誰，希望對方看完後有什麼感受或行動。內容維度，是要列出必須包含什麼、不能出現什麼、哪些資料已經有了、哪些需要 AI 協助補充。格式維度，則是明確規定輸出形式，例如字數、語氣、段落結構、是否要標題、是否要條列。這三個維度，就是把人的想法翻譯成 AI 可執行的任務規格。
例如，與其對 Gemini 說：「幫我寫一段保健品 IG 文案」，不如先分析受眾是 28 到 35 歲的都市上班族女性，她們的痛點是睡眠品質差、下班後精神不振，產品主打晚間修復；再要求 AI 寫 150 字以內、語氣溫暖、有共感，結尾加上行動呼籲。這樣一來，AI 得到的不再是一個空泛的要求，而是一份明確的工作說明。輸出自然不再只是通用文案，而會更貼近品牌與讀者。
先把腦袋用清楚，再讓 AI 把自己的思考放大
作者真正想教讀者的，不只是如何把工作交辦給 Google AI，而是如何重新理解人與 AI 的分工。AI 擅長整理資料、生成文字、提出多角度想法、快速製作草稿；但它不擅長判斷這件事在特定情境中是否重要，也不理解主管、客戶、老師或讀者背後的隱性期待。換句話說，AI 可以協助執行，但不能替人完成價值判斷。
這也是本書最重要的工作方法：先由人確認方向，再讓 AI 加速完成。讀者在交辦任務前，要先決定核心立場、受眾需求、成功標準與輸出規格；接著再把這些判斷轉成清楚的指令，交給 Gemini、Workspace AI 或 NotebookLM 等工具處理。當任務需要整理特定資料時，可以交給 NotebookLM；需要寫作、分析、腦力激盪時，可以用 Gemini；需要在文件、郵件、簡報中加速日常工作時，則可以使用 Google Workspace AI。工具各有分工，但使用工具前的思考方法是一致的。
因此，作者教讀者的不是一套會過時的操作步驟，而是一套可遷移的 AI 工作思維。工具會更新，介面會改變，但「先定義問題、再拆解任務、最後交給 AI 執行」的流程不會過時。當讀者養成這種習慣，就不會只是被動等待 AI 給答案，而能主動設計 AI 的工作方式。真正會用 Google AI 的人，不是把腦袋交出去，而是先把腦袋用清楚，再讓 AI 把自己的思考放大。
本書教你把最強大的AI體系（Google AI）轉化成為能力放大器
在 AI 工具越來越普及的時代，很多人以為「會用 AI」就是會打 Prompt，知道怎麼下指令、怎麼要求格式、怎麼讓 AI 寫得更像樣，但本書真正要提醒讀者的是：使用 Google AI 的關鍵不在於工具本身，也不只是 Prompt 技巧，而是在開啟 Gemini、Google Workspace AI、NotebookLM、Gemini Omni 或 Nano Banana 之前，使用者有沒有先把任務想清楚。因為 AI 不是替人思考的魔法棒，而是能力放大器。你給它清楚的目標、完整的背景與明確的規格，它就能放大你的思考成果；你給它模糊的問題、含混的需求，它也只會放大模糊，產生一份看似完整、其實不適用的答案。
你要什麼結果？先想清楚
作者教讀者拿到任務時，第一步不是立刻打開 Google AI，而是先停下來分析任務。這個「停下來」並不是拖延，而是避免把錯誤方向交給 AI 加速執行。很多人接到「做一份簡報」、「寫一封信」、「整理一份報告」時，會馬上輸入：「幫我做一份簡報」或「幫我寫一篇報告」，AI 便很快地就會給出東西，而且通常格式整齊、文字流暢，但問題是它未必能回答真正的需求。
因此，作者提出 AIQ 三問法。第一問是：我要的結果長什麼樣？這不是只回答「我要一份報告」或「我要一份簡報」，而是要具體想像成品的樣子。它是給誰看的？長度多少？用在哪裡？讀者看完後要做什麼決定？第二問是：這件事最難的決策在哪裡？每一項任務背後都有一個真正需要人判斷的核心；例如季報簡報最難的地方，不是把數字排成表格，而是判斷這季要呈現「問題嚴重」還是「轉機出現」。第三問是：哪部分必須由我完成，哪部分可以交給 AI？當這個分界清楚後，讀者就不會把本該由自己負責的判斷，也推給 AI 處理。
任務拆解三結構：目的、內容、格式
當讀者知道自己要什麼之後，下一步是把任務整理成 AI 能理解的結構。作者強調，AI 不像熟悉你的同事或主管，它沒有共同記憶，也不懂你的隱性語境。人類說「幫我寫一封給客戶的信」，同事可能會根據過往經驗知道是哪個客戶、什麼語氣、目前關係如何；但 AI 不會知道。它只能根據你明確提供的資訊來生成內容。如果你不說受眾是誰、背景是什麼、目的為何、語氣要如何，它就只能猜，而猜出來的往往是平均化、普通化的答案。
因此，作者把任務拆解成三個維度：目的、內容、格式。目的維度，是要先說清楚這件事要達到什麼效果，受眾是誰，希望對方看完後有什麼感受或行動。內容維度，是要列出必須包含什麼、不能出現什麼、哪些資料已經有了、哪些需要 AI 協助補充。格式維度，則是明確規定輸出形式，例如字數、語氣、段落結構、是否要標題、是否要條列。這三個維度，就是把人的想法翻譯成 AI 可執行的任務規格。
例如，與其對 Gemini 說：「幫我寫一段保健品 IG 文案」，不如先分析受眾是 28 到 35 歲的都市上班族女性，她們的痛點是睡眠品質差、下班後精神不振，產品主打晚間修復；再要求 AI 寫 150 字以內、語氣溫暖、有共感，結尾加上行動呼籲。這樣一來，AI 得到的不再是一個空泛的要求，而是一份明確的工作說明。輸出自然不再只是通用文案，而會更貼近品牌與讀者。
先把腦袋用清楚，再讓 AI 把自己的思考放大
作者真正想教讀者的，不只是如何把工作交辦給 Google AI，而是如何重新理解人與 AI 的分工。AI 擅長整理資料、生成文字、提出多角度想法、快速製作草稿；但它不擅長判斷這件事在特定情境中是否重要，也不理解主管、客戶、老師或讀者背後的隱性期待。換句話說，AI 可以協助執行，但不能替人完成價值判斷。
這也是本書最重要的工作方法：先由人確認方向，再讓 AI 加速完成。讀者在交辦任務前，要先決定核心立場、受眾需求、成功標準與輸出規格；接著再把這些判斷轉成清楚的指令，交給 Gemini、Workspace AI 或 NotebookLM 等工具處理。當任務需要整理特定資料時，可以交給 NotebookLM；需要寫作、分析、腦力激盪時，可以用 Gemini；需要在文件、郵件、簡報中加速日常工作時，則可以使用 Google Workspace AI。工具各有分工，但使用工具前的思考方法是一致的。
因此，作者教讀者的不是一套會過時的操作步驟，而是一套可遷移的 AI 工作思維。工具會更新，介面會改變，但「先定義問題、再拆解任務、最後交給 AI 執行」的流程不會過時。當讀者養成這種習慣，就不會只是被動等待 AI 給答案，而能主動設計 AI 的工作方式。真正會用 Google AI 的人，不是把腦袋交出去，而是先把腦袋用清楚，再讓 AI 把自己的思考放大。
