前一天留下一個問題，每個人做過的判斷，要怎麼累積成組織接得住的東西。企業最常給的答案是再開一門課、再導入一個工具。
一年下來，很多公司陸續開放了聊天助理、會議摘要、簡報生成和 agent 平台，課程也一堂接著一堂。同仁的工具箱越裝越滿，問起「上個月哪一件工作因此做得不一樣」，不少人要想很久才答得出來。
工具每多一個，要學的操作、要檢查的地方、要追的用量也跟著多一份。工具教得再多，判斷沒有跟著長出來，工作就不會變輕。
把這個系列已經發布的標題排在一起看，軌跡很清楚。Day 1 到 5 談的是先把流程說清楚、分辨值不值得自動化、找出藏在工作裡的判斷。Day 17 到 20 實際用 Power Automate 和 plugin 把流程建出來。到了 Day 21 之後，幾乎沒有再介紹新的工具，篇幅都留給驗收、介入點、狀態、權限和值不值得。
寫作過程中，工具更新的速度一直都感受得到。
另一邊，有些題目從第一週就在系列裡，寫得越後面份量越重。Day 9 談技能樹不能只有硬技能，Day 13 問「AI 是這麼說的，那你的大腦也是這麼說的嗎」，這兩篇講的都是人的能力，跟工具改到第幾版沒有關係。
寫到這裡，我越來越確定工具會一直更新，從人的角度要具備的技能，才是更重要、也更值得投資的地方。貶值的是操作，升值的是定義。
依各篇標題整理，這段時間練過的事都對應到一項不會跟著工具換代的能力。
| 天數 | 系列裡練過的事 | 會一直帶著走的能力 |
|---|---|---|
| Day 1–5 | 先把流程說清楚，分辨每天在做的事值不值得自動化，找出藏在工作裡的判斷，發現卡住工作的常常是資訊找不到 | 拆解工作、看出卡點 |
| Day 6–10 | 把知道的事變成下次還能用的知識，把不知道的空白補起來，用知識樹撐起技能樹，面對不同的人調整工作流程 | 累積知識、建立脈絡 |
| Day 11–15 | 分清楚生成和完成，用自己的判斷檢查 AI 的說法，處理流程停下來之後的下一步，讓 AI 協助把目標拆成流程節點 | 檢驗與推進 |
| Day 16–20 | 用講的把規格建成流程，先建觸發再接動作，拿掉手動觸發之後，為別人會依賴的流程負責 | 把經驗變成規則 |
| Day 21–28 | 讓 AI 只做最擅長的一段，確認答案、設好人工介入點，掌握狀態與權限，判斷值不值得 | 劃邊界、承擔結果 |
接下來會引用三類資料，性質不同，讀的時候要分開看。
| 資料 | 性質 | 讀的時候要注意 |
|---|---|---|
| Gartner 新聞稿 | 分析機構對未來的預測 | 屬於推估，事情還沒發生，機構之後也可能修正 |
| 世界經濟論壇 Future of Jobs Report 2025 | 對全球 1,000 多家大型雇主的調查，涵蓋 55 個經濟體 | 反映的是雇主的預期，未必等於每個產業、每家公司的實際變化 |
| 微軟 2026 Work Trend Index | 對 10 個市場、兩萬名已在使用 AI 的知識工作者所做的問卷，搭配 Microsoft 365 的使用數據 | 受訪者都是 AI 使用者，答案是自評，分析結果只能看出關聯，無法說明因果，發布者本身也是 AI 產品供應商 |
下表左欄是機構原本的說法，右欄是本文的解讀。
| 時間點 | 機構的說法 | 本文的解讀 |
|---|---|---|
| 2026 年內 | Gartner 在 2025 年 10 月預測，生成式 AI 造成的批判思考能力退化，會促使全球 50% 的組織要求「不用 AI」的技能評估 | 不靠 AI 也想得清楚，可能成為被檢驗的能力 |
| 2027 年 | Gartner 同一份預測指出，75% 的招募流程會納入職場 AI 熟練度的認證與測驗 | AI 使用能力可能變成招募時的基本檢查項目 |
| 2027 年底前 | Gartner 在 2025 年 6 月預測，超過 40% 的 agentic AI 專案會因成本攀升、商業價值不明或風險控管不足而取消 | 值不值得、風險收不收得住，會影響專案能不能留下來 |
| 2028 年 | Gartner 同一份新聞稿預測，至少 15% 的日常工作決策會透過 agentic AI 自主做出，33% 的企業軟體會內建 agentic AI | 沒有人看著時做出的決定變多，邊界需要事先畫好 |
| 2030 年 | 世界經濟論壇的雇主調查中，受訪雇主預期 2025 到 2030 年間，員工現有技能約有 39% 會轉變或過時，分析思考是雇主最看重的核心技能 | 技能需要定期重新盤點 |
這幾份資料的時間、對象和方法都不一樣，數字不能放在一起相加。可以說的是它們描述的方向相近，AI 會接手更多執行，執行前後的判斷越來越落在人身上。
微軟 2026 年 5 月發布的 Work Trend Index，有幾個數字跟這個方向有關。
這些數字反映的是受訪者自己的回答，看得出哪些做法常一起出現，看不出照著做就一定會有成效。對照這個系列一路練的事，開工前先決定分工、刻意保留自己動手的能力，方向倒是相近。
AI 接手的執行越多，人的工作越集中在一頭一尾，開頭定方向，結尾扛結果。
把上面的趨勢和這個系列練過的事放在一起看，接下來兩年值得投資的是這幾項。
最後一項接回前一天的問題。微軟把這類隨時間累積、屬於這家公司、別人也很難複製的做事知識稱為 Owned Intelligence。工具買得到，這一塊只能靠組織裡的人一點一點寫下來。
| 角色 | 現在就能做 | 接下來一兩年要想清楚 |
|---|---|---|
| 一般工作者 | 挑一件每週都做的工作，寫下做完的樣子和驗收條件，再決定 AI 放在哪一段 | agent 能自己跑完一段流程之後，自己的價值落在定方向、驗收，還是跟人協調 |
| 部門主管 | 盤點團隊裡的 AI 工作流，每一條指定負責人和停止條件 | 交給 agent 的那幾段，新人還有沒有機會練到基本功，團隊裡還有沒有人看得懂它在做什麼 |
| IT 與資安 | 讓用量、權限和成本看得見，先從誰在用、跑了多少開始 | agent 越來越多之後，它們的身分、權限和停用流程要怎麼管 |
| 負責推動 AI 的培訓團隊 | 課程從工具操作改成拆解工作、定義驗收、判斷值不值得 | 衡量指標從使用率換成工作結果，看同仁能不能自己辨識問題、判斷 AI 該介入到哪裡 |
| 高階主管 | 問每一個 AI 專案支撐哪一個業務指標，說不出來的先暫停 | 願不願意肯定「試了但沒成功」的工作重新設計，領導團隊對 AI 的方向是否一致 |
這張表裡沒有一格寫著再學一個新工具。 工具還是會一直進來，差別在於進來之前，有沒有人先問它要解決什麼。
把過去一個月用過的 AI 工具全部列出來，每一個旁邊寫一件因為它而改變的工作結果，寫不出來的先放到一邊，再填這三格。
過去一個月用過＿＿個 AI 工具，讓工作結果變得不一樣的是＿＿＿，那一次在開始之前先想清楚了＿＿＿。
第三格填進去的，就是會一直帶著走的那項能力。
想整理得更完整，可以請 AI 幫忙盤點，條件是不准推薦新工具。
下面是我過去一個月用過的 AI 工具，以及我用它們處理過的工作。請幫我盤點，不要推薦任何新工具。
請依序回答
1. 哪幾件工作的結果因為用了 AI 而改變，例如變快、品質變好或少了重工，請說明依據
2. 哪幾個工具的用途重疊，或用了之後工作結果沒有明顯變化
3. 那幾件有改變的工作，我在開始之前做了哪些判斷，例如先定義做完的樣子、先決定哪一段留給人
4. 下個月最值得練的一項判斷能力是什麼，並設計一個先不用 AI、自己動手做一次的小練習
判斷規則
- 只根據我提供的內容判斷，資訊不足時列出需要我補充的地方
- 用途重疊的工具，請建議保留哪一個並說明理由
工具與工作清單
<填入工具名稱、用它處理過的工作，以及大概用了幾次>
這段時間介紹過不少工具和做法，它們會繼續改版、換名字，有些明年可能就不在了。留得下來的是拆解工作、定義做完的樣子、劃邊界和扛結果這幾項能力，企業推 AI 時最該投資的也是這一塊。
明天是最後一天。如果把這三十天裝進工具箱的東西全部收起來，留在你身上的，還剩下什麼？
iThome鐵人賽
看影片追技術