AI 時代，不再問「學什麼才不會被淘汰」：問你真心想把什麼做好
AI 出現之後，我自己一直在想，身邊的人也常問起一個問題：「有了 AI 之後，我還需要花時間學這個嗎？」
- 還需要學寫程式嗎？以後 AI 就可以幫我寫程式了。
- 還需要學做簡報嗎？以後 AI 就可以幫我做簡報了。
- 還需要學分析數據嗎？以後 AI 就可以幫我分析數據了。
- 還需要學設計嗎？以後 AI 就可以幫我設計了。
- 還需要學……嗎？以後 AI 就能幫我……了。
這個問題看似是在問「要不要學某項技能」，但我覺得它背後其實有更深一層的不安：如果 AI 什麼都做得到，那我到底還需要把什麼能力留在自己身上？
我一開始也很想用熟悉的方式回答：「還是得學，因為有些東西 AI 幫不了你。」但說出口後，我又有點心虛。因為我知道，很多今天 AI 還做不到的事，可能很快就做得到了。
如果 AI 都做得到，什麼還值得學？
這個問題，我來回想了很久。很多人談這題，是從「別讓 AI 代替你學習」出發：有哪些東西是 AI 做不到，所以還值得我學的？
比方說，有人說該學程式架構、系統設計，因為 AI 目前還做不來。也有人說該練的是把模糊需求問清楚、跟人溝通協作，因為這種事 AI 還接不住。但再往下想就會發現，這條路不太站得住腳。因為這些「AI 做不到」，很多其實只是「現在的 AI」做不到。過半年、過一年，它或許就做得到了。
也有人說，AI 是你能力的放大器：你有 1 分，它放大到 10 分；你有 10 分，它放大到 100 分。這個說法我也同意一部分。但我在想的是：會不會未來即使我只有 1 分，AI 也能幫我做到 100 分？如果答案是可能的，那「因為 AI 還做不到，所以我才要學」就不是一個穩固的理由。因為 AI 的能力一直在變 ，今天還值得學的，明天可能就被它追上了。
上面這些答案，都說服不了我。
與其想「什麼能力 AI 取代不了」，不如老實承認 AI 能代替我做很多事
所以在「要學什麼」這件事上，我覺得不能只用 AI 的能力當尺。真正的尺，應該從自己身上長出來，對我來說，那把尺就叫做「品味」。
AI 給得了品質，給不了品味
AI 已經能產出有一定品質的內容。它可以寫文章、做簡報、產生程式碼、整理資料、提出設計方向。很多時候，它產出的東西甚至比我們倉促完成的版本更完整、更像樣。
但品質和品味不一樣。品質可以有某種客觀標準：清不清楚、能不能用、錯誤多不多、結構是否完整。品味則更靠近一個人的判斷：我覺得這樣才好，這樣才對，這樣才值得保留；這個版本雖然也能用，但我不喜歡它的取捨。同一份產出，每個人的感受、判斷、覺得好不好，可能都不一樣——而那個「我覺得這樣才好」，沒有人能替你決定。那就是你獨一無二的品味。
產出的品質可以外包，品味無法外包。
同樣是寫一篇教學文章，AI 可以幫我生成內容，也可以整理出清楚的大綱。但哪個段落應該多舉一個例子？哪裡需要放慢節奏？哪裡其實可以刪掉？怎樣的編排對讀者才真正好懂？這些判斷，來自我自己的品味。
寫程式也是一樣。AI 現在可以大量產出程式碼，但這段程式該怎麼拆、命名是否清楚、架構是否能讓未來接手的人讀懂、這個抽象是否值得，這些都不是單純「能跑」就結束的事。
AI 可以給我十個版本，而且每個版本看起來都還不錯。但品味是：我能不能在這十個版本裡，挑出真正好的那個，並且說得出它好在哪裡、代價是什麼。
品味不是 prompt 出來的，而是累積出來的
品味買不到，也不是多下一次 prompt 就能直接生成出來。它通常是在你親手做過、修改過、比較過、踩過坑、做出取捨，甚至經歷過「我知道這樣可以，但我就是覺得還不夠好」之後，才慢慢長出來的。
這也是為什麼我覺得，在 AI 時代，「學習」不該只是為了避免被取代。如果只是為了防守，我們很容易陷入焦慮：今天這個能力還有價值，明天 AI 追上來了，那是不是又要換下一個？
但如果學習是為了培養品味，問題就不一樣了。你不是因為 AI 做不到才學，而是因為你在乎這件事，所以想看得更深、判斷得更準、做得更好。這樣的學習，不是跟 AI 比賽誰比較會做，而是讓 AI 成為你打磨判斷力的工具。
用 AI 學習，而不是用 AI 跳過學習
我很喜歡 Addy Osmani 在〈Don't Outsource the Learning〉裡提醒的一件事：現在我們太容易讓 AI 把事情做完，自己卻跳過了真正的學習，bug 修好了，心智模型卻沒往前。
例如 debug 的時候，我們可以把整段 error trace 貼給 AI，請它分析問題在哪，然後照著建議修掉。這當然很快，也很有效。但如果每次都只是把錯誤貼上去、拿到解法、修完就結束，下次遇到類似問題時，我們可能還是不知道它為什麼發生。那時候真正被外包出去的，不只是「修好這個 bug」，而是「如何分析錯誤」這個能力本身。
當然，這不代表不能用 AI。相反地，我覺得 AI 很適合拿來幫助學習，只是使用方式要刻意一點。同樣的工具，換個用法就完全不一樣。現在不少 AI 工具開始提供偏教學、引導式的模式，像 Claude Code 的 Learning output style、Gemini 的 Guided Learning。與其讓 AI 直接給答案，也許可以請它先引導你釐清問題、問你幾個關鍵判斷、要求你先提出假設，再一起檢查推理。
同樣是用 AI，一種用法是在拿答案，另一種用法是在練判斷。前者讓你更快完成工作，後者讓你慢慢長出品味。對我來說，這就是用 AI 來磨利品味，而不是用 AI 來取代品味。
真正該問的順序變 了：先決定想在哪裡有品味，再決定怎麼學
所以在 AI 時代，我覺得問題不再只是「這個能力還值不值得學？」，而是要先問：「哪些事情，是我不想只停在會用 AI 做出來，而是真的想判斷它好不好？」
那些你想擁有品味的地方，就是你該繼續學、繼續練、繼續把心智模型留在自己身上的地方；其他的，不必強迫自己學習，放手交給 AI 其實也沒關係。
你不可能對每件事都有品味，也不需要對每件事都有品味。很多對你而言，不那麼重要、不那麼在乎的部分，交給 AI 完成其實很好。但總會有一些事情，是你做完之後會特別有成就感，會忍不住想再調整一下，會在意這樣到底好不好。那些地方，可能就是你 不該完全外包出去的地方。
別讓 AI 決定你最終的產出，讓你的品味決定
前陣子我也有過一些自我懷疑：如果我做出來的東西，有很多都是 AI 幫我生成、幫我寫的，那它還算是我的作品嗎？
後來我慢慢覺得，關鍵不只是「是不是由我親手逐字做出來」，而是裡面有沒有我的判斷、我的取捨、我的品味。如果我只是照單全收，那它比較像是 AI 的產出。但如果我知道自己要什麼，能判斷哪裡好、哪裡不對，能決定保留什麼、刪掉什麼、改成什麼樣子，那它就開始有了我的樣子。
產出可以外包，工具可以協助，流程可以加速。但在那些你真正在乎的地方，別把品味也一起外包出去。因為最後讓一個作品成為「你的」的，往往不是你花了多少力氣逐字完成，而是你在其中留下了什麼樣的判斷。
至於其他不在意的部分，就放心外包給 AI 吧！把精力留給你真正想有品味的地方。