作者序
AI 生產力革命，台灣下一個大機遇
林之晨
從1994 年瀏覽器帶來全球網際網路、再到2007 年智慧手機帶動它加速普及以來，數位轉型一直是企業最重要的成長命題。建網站、做App、經營粉絲團、累積會員、導入CRM、上雲端、建立數據池、商情儀表板，這些數位策略為成功執行的企業帶來一波波的紅利。電商、社群、數位廣告、訂閱、平台、行動支付、OMO，也確實帶動了產業的新成長。
數位轉型後，新的成長典範
但走到今天，我們必須誠實面對一件事：
數位產業的大潮早已退去，剩下的企業，卻還是要穿好數位化的泳褲。
數位化仍然重要，但它現在只是入場券，而不是決勝點。
幸好老天爺關上一扇門的同時，總是為我們再打開另一扇，數位後的新大浪，就是AI。
不過AI 升級，不是訂幾套Copilot、讓員工學會下prompt，用生成式AI 把投影片做得更漂亮，就算成功導入。
AI 這個巨型典範轉移真正帶來的，是底層的生產方式重組。
過去，數位轉型主要是讓資訊流動得更快、在快速成長的線上通路迎戰商機、讓商模的疊代更敏捷、管理更透明有效率。
但AI 時代改變的不只是接單、營運模式，更是生產方式本身的直接改變。
AI 能設計網站、做App、分析資料、生成影音、投放廣告、優化策略、直接服務客戶、決策、交易、執行任務，企業面對的不是「要不要」的問題，而是落後部署將帶來的競爭力危機。
企業如何用AI 重構生產體系？這正是《逆分工》這本書想回答的問題。
站在企業經營者的位置，我每天最關心的，不是最新的AI模型有多強，而是它能不能進一步升級我的生產體系。
過去的企業成長，靠的是增加人力、增加部門、增加流程、增加管理，但同時也帶來巨大的切割損。
會議愈來愈多、簽核愈來愈長、穀倉愈來愈高、小齒輪愈來愈不了解大機器。
每個人都很忙，但客戶問題不一定更快被解決；每個部門都完成自己的KPI，但整個組織的韌性更差、更脆弱。
AI 的到來，讓我們第一次有機會反問：這些工作需要分到這麼多人、這麼多部門去完成嗎？如果今天從零開始設計一家AI 原生企業，我們還會這樣分工嗎？
《逆分工》最重要的洞察，就在這裡。
當AI 讓各種領域的專業能力，可以快速用自然語言、被單一工作者調用，一個人就能完成過去多個職能接力才能完成的任務，企業的生產體系該如何重構。
未來最有競爭力的企業，勢必是圍繞著AI 重新分工的。
台灣不能只停在硬體紅利
站在台灣的角度，這場AI 生產體系重構尤其重要。
AI 第一波帶動的是半導體、伺服器、記憶體、散熱、電源、網通、資料中心等基礎建設需求。這一波商機，台灣毫無疑問是全球最大受惠者。
這是台灣厚積薄發、累積半世紀的「亞洲瓦甘達」優勢，一次性大噴發。但令人擔心的是，台灣重蹈九零年代末期「達康四騎士」的覆轍。當年網路經濟發展初期，最受惠的是思科、昇陽、網景、甲骨文等「鏟子供應商」，但當基礎建設到位、用戶跨越關鍵規模，激發上層Google、Amazon、Apple、Meta 等殺手應用高速發展時，四騎士卻完全沒有參與到這些十倍、百倍成長的機會，最終跌下神壇、黯淡無光，昇陽、網景甚至賤賣收場。
因此，台灣下一步真正關鍵的是：如何把AI 硬體紅利，進一步投入到AI 生產體系重構，再從中孕育出新的應用。
台灣有半導體、有伺服器、有通訊、有精密製造，也有電信、零售、醫療、金融、物流、長照、政府服務等真實場域，同時又面對日益嚴重的少子化與缺工問題。
這些場域如果超前部署AI 升級，除了能把「亞洲瓦甘達」帶到全新高度，也會成為全球追逐AI 過程中，可以輸出的應用方案。
新創、企業與政府，都要重新定位
作為台灣大哥大的總經理，我每天都在思考，如何在AI 升級的道路上維持領先。
作為AppWorks 合夥人，過去十年陪伴上百家AI 新創，讓我看到許多希望，也看到這個新典範的最前緣，正在如何發展。
而作為台灣APEC 商務諮詢委員會代表，每年四次與來自21 個經濟體的企業領袖、政府官員交流，更讓我深刻感受，大家都非常焦慮：
AI 會把世界變成什麼模樣？成長機會在哪裡？
我目前看到的前方是，機會無比巨大，但高下將會拉開大幅差距。
企業、新創、政府的領導人，都必須在此刻，真正從第一性原理去認識AI，再基於這個根本的認識加速佈局，也因此，我們花了很大力氣，為各位整理出《逆分工》。
這不是工具書，而是戰略地圖
《逆分工》不是一本AI 入門手冊，我們真正想做到的，是幫你看見AI 背後更大的生產體系重構。
AI 的西部大拓荒時代，已經開跑，規則還沒寫死、新神尚未登基、人的新角色，也還沒有被定義。
我們一起積極參與、塑造、建設，讓這場生產革命，為台灣與全人類帶來最終的豐饒。
（本文作者為台灣大哥大總經理／AppWorks 董事長暨合夥人）
作者序
我們極可能正身處一個
自己還沒有看懂的大時代
蔡祈岩
人類身處巨大轉折時，往往有一個共同盲點：當下的人，很難知道自己正置身於大時代中。後人回看文藝復興、印刷術、工業革命、電力革命與網際網路革命，總覺得歷史路徑清晰可辨；但對身在其中的人而言，革命通常先以新工具、日常焦慮與秩序混亂的形式出現。直到它改變了足夠多人的工作、學習與生產方式，我們才恍然大悟：原來那就是轉折點！
今天的AI，很可能就是這樣的時刻。舉個例子，蘇格拉底身處希臘文字興起的時代，卻反對書寫。他擔心文字使人記憶退化，並產生理解的幻覺，因為閱讀不像對話那樣能被追問、辯論與澄清。今天回頭看，這些擔心似是而非。文字不但沒有摧毀思想，反而讓知識突破個體壽命與面對面傳承的限制，成為科學、法律、教育與現代文明的基礎。蘇格拉底這樣的大師，也落入了「只見存量、未見增量」的靜態思維陷阱：他把文字視為讓人遺忘的外包記憶，卻沒有看見文字作為「知識增量發動機」的力量。閱讀不是思考的終點，而是新思想、新論證與二次創造的起點；低摩擦的知識傳播，讓無數後代得以站在巨人的肩膀上。
AI 也是一樣，如果我們只問人類會失去什麼，就可能忽略新的能力系統正在形成。文字讓知識跨越時間，印刷術讓知識大量複製，網際網路讓資訊即時流動；AI 則讓知識、推理、生成與判斷能力，開始被即時調用、組合與放大。這也是我和Jamie寫《逆分工》時，最想處理的核心問題。
從《AI 的它時代》到《逆分工》
兩年前，我們在《AI 的它時代》提出幾個高價值洞見：資訊科技以五個約二十年的大週期推進，AI 是第五個週期；企業應用AI，必須從提高員工生產力、串接數位平台、連結AI 生態圈、建立企業專屬模型，到AI 倫理與風險，形成五個維度的完整戰略；AI 轉型應從客服、企業模型、員工超級助理與金牌教練等低垂果實開始；而「智力」與「自我意識」是兩個獨立維度，AI 變聰明，不等於它必然產生自我意識。
那本書回答的是：AI 時代為什麼到來、企業如何開始。《逆分工》則進一步追問：當AI 開始承擔任務、重組專業能力、改變組織與交易，甚至走進物理世界，人類的工作、企業的競爭與整個生產力結構，將如何被改寫？
逆分工，將再次大幅提高人類生產力
過去一萬年，人類靠分工提升效率，這套系統曾經有效，卻也逐漸製造了龐大的協作成本。現在，更細的分工帶來的效率提升，已經被更重的協作成本抵銷，這套分工策略已經走到盡頭。
AI 讓我們看到新的道路，當它打包了人類全部的知識並融會貫通，成為每個員工的隨身助理時，專業分工的高牆就能被打通，人類就能從專才逆向演化回通才，企業組織也可以隨之精簡、重新設計。
這將是企業未來十年競爭勝敗的關鍵，因為企業間的競爭，歸根究柢，永遠是生產效率的競爭。誰能用同樣的人力創造更多產出，以更少摩擦完成更複雜的任務，更快回應市場、服務客戶、把想法變成產品，誰就會勝出。
真正照顧員工，是讓員工站上新的生產力曲線
企業經理人如果真的在乎員工，就不能把延後導入AI 誤認為是保護員工的工作權。當競爭對手已經用AI 提高產出、降低摩擦，而自己的企業仍以舊方法運作時，短期看似保住了原有職位，長期卻可能讓整家公司失去競爭力；企業失去競爭力，才是員工最大的風險。
只有企業持續創造價值、獲利與成長，才有能力保障、投資與培養員工。因此，真正照顧員工的唯一可持續方法，是盡快且有系統地導入AI，同時讓員工在真實工作中建立新職能：定義問題、拆解任務、調用AI、判斷結果、修正方向並完成閉環。
企業愈早行動，員工愈早站上新的生產力曲線；越晚行動，員工失去的就不只是一份舊工作，而是升級到新工作世界的時間。
50 年後回望現在
50 年後，人們回看今天，極可能會說：「這是人類萬年以來最大的變革時代。」AI 讓人類接上可以調用、複製與代理的「智力」，這不只是工具換代，而是文明底層生產方式的改變。
在這樣的時代裡，質疑與恐懼一定存在，有些擔憂提醒我們建立治理、責任與邊界；但如果企業、組織、國家或個人只停留在觀望，沒有把新技術轉化成新能力，那些聲音終究只是時代洪流旁的雜音。
歷史一次又一次告訴我們，能在大變局中勝出的，是那些最快消除內部摩擦、重組能力、接上新生產力的人。工業革命時，勝出的是裝上蒸汽機、接上電力並重設工廠的人；熱武器改變戰爭時，勝出的是重新組織軍隊、訓練與後勤的人。AI 時代也一樣，這次，它會以生產力革命的形式Rock the World ！
所以，我們極可能正身處一個自己還沒有看懂的大時代，順之者昌。
（本文作者為台灣大哥大資訊長／IMA 資訊經理人協會理事長／開源基金會董事長）
Chapter 2
逆分工的技術引擎：AI 如何打破專業壁壘
既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？
原因很簡單：過去做不到。
過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。
你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。
直到生成式AI 出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。
AI 為什麼是那個「破牆者」？
要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。
根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。
我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。
AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」─它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。
它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。
這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。
AI 讓這件事變了。
AI 帶來的改變：專業能力邊界消失
當AI 成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。
這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。
但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。
在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。
這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。
「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。
硬知識貶值了，活腦袋才是王道
我們接著談智力。
這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。
我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。
第一種：晶體智力
你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。
例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。
這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。
第二種：流體智力
它更像是你大腦的中央處理器，負責運算速度和靈活性。
它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。
例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。
殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。
如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。
未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。
當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。
AI 生產力革命，台灣下一個大機遇
林之晨
從1994 年瀏覽器帶來全球網際網路、再到2007 年智慧手機帶動它加速普及以來，數位轉型一直是企業最重要的成長命題。建網站、做App、經營粉絲團、累積會員、導入CRM、上雲端、建立數據池、商情儀表板，這些數位策略為成功執行的企業帶來一波波的紅利。電商、社群、數位廣告、訂閱、平台、行動支付、OMO，也確實帶動了產業的新成長。
數位轉型後，新的成長典範
但走到今天，我們必須誠實面對一件事：
數位產業的大潮早已退去，剩下的企業，卻還是要穿好數位化的泳褲。
數位化仍然重要，但它現在只是入場券，而不是決勝點。
幸好老天爺關上一扇門的同時，總是為我們再打開另一扇，數位後的新大浪，就是AI。
不過AI 升級，不是訂幾套Copilot、讓員工學會下prompt，用生成式AI 把投影片做得更漂亮，就算成功導入。
AI 這個巨型典範轉移真正帶來的，是底層的生產方式重組。
過去，數位轉型主要是讓資訊流動得更快、在快速成長的線上通路迎戰商機、讓商模的疊代更敏捷、管理更透明有效率。
但AI 時代改變的不只是接單、營運模式，更是生產方式本身的直接改變。
AI 能設計網站、做App、分析資料、生成影音、投放廣告、優化策略、直接服務客戶、決策、交易、執行任務，企業面對的不是「要不要」的問題，而是落後部署將帶來的競爭力危機。
企業如何用AI 重構生產體系？這正是《逆分工》這本書想回答的問題。
站在企業經營者的位置，我每天最關心的，不是最新的AI模型有多強，而是它能不能進一步升級我的生產體系。
過去的企業成長，靠的是增加人力、增加部門、增加流程、增加管理，但同時也帶來巨大的切割損。
會議愈來愈多、簽核愈來愈長、穀倉愈來愈高、小齒輪愈來愈不了解大機器。
每個人都很忙，但客戶問題不一定更快被解決；每個部門都完成自己的KPI，但整個組織的韌性更差、更脆弱。
AI 的到來，讓我們第一次有機會反問：這些工作需要分到這麼多人、這麼多部門去完成嗎？如果今天從零開始設計一家AI 原生企業，我們還會這樣分工嗎？
《逆分工》最重要的洞察，就在這裡。
當AI 讓各種領域的專業能力，可以快速用自然語言、被單一工作者調用，一個人就能完成過去多個職能接力才能完成的任務，企業的生產體系該如何重構。
未來最有競爭力的企業，勢必是圍繞著AI 重新分工的。
台灣不能只停在硬體紅利
站在台灣的角度，這場AI 生產體系重構尤其重要。
AI 第一波帶動的是半導體、伺服器、記憶體、散熱、電源、網通、資料中心等基礎建設需求。這一波商機，台灣毫無疑問是全球最大受惠者。
這是台灣厚積薄發、累積半世紀的「亞洲瓦甘達」優勢，一次性大噴發。但令人擔心的是，台灣重蹈九零年代末期「達康四騎士」的覆轍。當年網路經濟發展初期，最受惠的是思科、昇陽、網景、甲骨文等「鏟子供應商」，但當基礎建設到位、用戶跨越關鍵規模，激發上層Google、Amazon、Apple、Meta 等殺手應用高速發展時，四騎士卻完全沒有參與到這些十倍、百倍成長的機會，最終跌下神壇、黯淡無光，昇陽、網景甚至賤賣收場。
因此，台灣下一步真正關鍵的是：如何把AI 硬體紅利，進一步投入到AI 生產體系重構，再從中孕育出新的應用。
台灣有半導體、有伺服器、有通訊、有精密製造，也有電信、零售、醫療、金融、物流、長照、政府服務等真實場域，同時又面對日益嚴重的少子化與缺工問題。
這些場域如果超前部署AI 升級，除了能把「亞洲瓦甘達」帶到全新高度，也會成為全球追逐AI 過程中，可以輸出的應用方案。
新創、企業與政府，都要重新定位
作為台灣大哥大的總經理，我每天都在思考，如何在AI 升級的道路上維持領先。
作為AppWorks 合夥人，過去十年陪伴上百家AI 新創，讓我看到許多希望，也看到這個新典範的最前緣，正在如何發展。
而作為台灣APEC 商務諮詢委員會代表，每年四次與來自21 個經濟體的企業領袖、政府官員交流，更讓我深刻感受，大家都非常焦慮：
AI 會把世界變成什麼模樣？成長機會在哪裡？
我目前看到的前方是，機會無比巨大，但高下將會拉開大幅差距。
企業、新創、政府的領導人，都必須在此刻，真正從第一性原理去認識AI，再基於這個根本的認識加速佈局，也因此，我們花了很大力氣，為各位整理出《逆分工》。
這不是工具書，而是戰略地圖
《逆分工》不是一本AI 入門手冊，我們真正想做到的，是幫你看見AI 背後更大的生產體系重構。
AI 的西部大拓荒時代，已經開跑，規則還沒寫死、新神尚未登基、人的新角色，也還沒有被定義。
我們一起積極參與、塑造、建設，讓這場生產革命，為台灣與全人類帶來最終的豐饒。
（本文作者為台灣大哥大總經理／AppWorks 董事長暨合夥人）
作者序
我們極可能正身處一個
自己還沒有看懂的大時代
蔡祈岩
人類身處巨大轉折時，往往有一個共同盲點：當下的人，很難知道自己正置身於大時代中。後人回看文藝復興、印刷術、工業革命、電力革命與網際網路革命，總覺得歷史路徑清晰可辨；但對身在其中的人而言，革命通常先以新工具、日常焦慮與秩序混亂的形式出現。直到它改變了足夠多人的工作、學習與生產方式，我們才恍然大悟：原來那就是轉折點！
今天的AI，很可能就是這樣的時刻。舉個例子，蘇格拉底身處希臘文字興起的時代，卻反對書寫。他擔心文字使人記憶退化，並產生理解的幻覺，因為閱讀不像對話那樣能被追問、辯論與澄清。今天回頭看，這些擔心似是而非。文字不但沒有摧毀思想，反而讓知識突破個體壽命與面對面傳承的限制，成為科學、法律、教育與現代文明的基礎。蘇格拉底這樣的大師，也落入了「只見存量、未見增量」的靜態思維陷阱：他把文字視為讓人遺忘的外包記憶，卻沒有看見文字作為「知識增量發動機」的力量。閱讀不是思考的終點，而是新思想、新論證與二次創造的起點；低摩擦的知識傳播，讓無數後代得以站在巨人的肩膀上。
AI 也是一樣，如果我們只問人類會失去什麼，就可能忽略新的能力系統正在形成。文字讓知識跨越時間，印刷術讓知識大量複製，網際網路讓資訊即時流動；AI 則讓知識、推理、生成與判斷能力，開始被即時調用、組合與放大。這也是我和Jamie寫《逆分工》時，最想處理的核心問題。
從《AI 的它時代》到《逆分工》
兩年前，我們在《AI 的它時代》提出幾個高價值洞見：資訊科技以五個約二十年的大週期推進，AI 是第五個週期；企業應用AI，必須從提高員工生產力、串接數位平台、連結AI 生態圈、建立企業專屬模型，到AI 倫理與風險，形成五個維度的完整戰略；AI 轉型應從客服、企業模型、員工超級助理與金牌教練等低垂果實開始；而「智力」與「自我意識」是兩個獨立維度，AI 變聰明，不等於它必然產生自我意識。
那本書回答的是：AI 時代為什麼到來、企業如何開始。《逆分工》則進一步追問：當AI 開始承擔任務、重組專業能力、改變組織與交易，甚至走進物理世界，人類的工作、企業的競爭與整個生產力結構，將如何被改寫？
逆分工，將再次大幅提高人類生產力
過去一萬年，人類靠分工提升效率，這套系統曾經有效，卻也逐漸製造了龐大的協作成本。現在，更細的分工帶來的效率提升，已經被更重的協作成本抵銷，這套分工策略已經走到盡頭。
AI 讓我們看到新的道路，當它打包了人類全部的知識並融會貫通，成為每個員工的隨身助理時，專業分工的高牆就能被打通，人類就能從專才逆向演化回通才，企業組織也可以隨之精簡、重新設計。
這將是企業未來十年競爭勝敗的關鍵，因為企業間的競爭，歸根究柢，永遠是生產效率的競爭。誰能用同樣的人力創造更多產出，以更少摩擦完成更複雜的任務，更快回應市場、服務客戶、把想法變成產品，誰就會勝出。
真正照顧員工，是讓員工站上新的生產力曲線
企業經理人如果真的在乎員工，就不能把延後導入AI 誤認為是保護員工的工作權。當競爭對手已經用AI 提高產出、降低摩擦，而自己的企業仍以舊方法運作時，短期看似保住了原有職位，長期卻可能讓整家公司失去競爭力；企業失去競爭力，才是員工最大的風險。
只有企業持續創造價值、獲利與成長，才有能力保障、投資與培養員工。因此，真正照顧員工的唯一可持續方法，是盡快且有系統地導入AI，同時讓員工在真實工作中建立新職能：定義問題、拆解任務、調用AI、判斷結果、修正方向並完成閉環。
企業愈早行動，員工愈早站上新的生產力曲線；越晚行動，員工失去的就不只是一份舊工作，而是升級到新工作世界的時間。
50 年後回望現在
50 年後，人們回看今天，極可能會說：「這是人類萬年以來最大的變革時代。」AI 讓人類接上可以調用、複製與代理的「智力」，這不只是工具換代，而是文明底層生產方式的改變。
在這樣的時代裡，質疑與恐懼一定存在，有些擔憂提醒我們建立治理、責任與邊界；但如果企業、組織、國家或個人只停留在觀望，沒有把新技術轉化成新能力，那些聲音終究只是時代洪流旁的雜音。
歷史一次又一次告訴我們，能在大變局中勝出的，是那些最快消除內部摩擦、重組能力、接上新生產力的人。工業革命時，勝出的是裝上蒸汽機、接上電力並重設工廠的人；熱武器改變戰爭時，勝出的是重新組織軍隊、訓練與後勤的人。AI 時代也一樣，這次，它會以生產力革命的形式Rock the World ！
所以，我們極可能正身處一個自己還沒有看懂的大時代，順之者昌。
（本文作者為台灣大哥大資訊長／IMA 資訊經理人協會理事長／開源基金會董事長）
Chapter 2
逆分工的技術引擎：AI 如何打破專業壁壘
既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？
原因很簡單：過去做不到。
過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。
你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。
直到生成式AI 出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。
AI 為什麼是那個「破牆者」？
要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。
根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。
我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。
AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」─它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。
它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。
這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。
AI 讓這件事變了。
AI 帶來的改變：專業能力邊界消失
當AI 成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。
這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。
但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。
在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。
這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。
「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。
硬知識貶值了，活腦袋才是王道
我們接著談智力。
這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。
我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。
第一種：晶體智力
你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。
例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。
這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。
第二種：流體智力
它更像是你大腦的中央處理器，負責運算速度和靈活性。
它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。
例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。
殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。
如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。
未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。
當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。
