AI 很會交作業，但不一定會對答案

你一定看過這種場面：請 AI 整理一份企畫、分析一份問卷，幾秒後它很有自信地回答：「已完成！」

標題很漂亮、條列很整齊、語氣像顧問公司熬夜三天交出的報告。直到你真的拿去核對，才發現資料沒有來源、結論跑得比證據還快，甚至連題目問什麼都理解錯了。

AI 的「完成」，通常只代表它已經產出內容；我們要的完成，卻是成果正確、完整，而且真的能拿來用。兩者看似只差一張驗收單，實際上可能差了一整場災難。

這也是我參加這次鐵人賽的原因。

為什麼我要做 30 天成果查核實驗？

過去我經常接觸競賽提案、問卷研究、市場調查、企畫撰寫、簡報製作與資料整理。這些工作現在都能請 ChatGPT 協助，遇到檔案、資料夾、程式或需要實際操作的任務，也可以交給 Codex。

效率確實變快了，但新的問題也跟著出現：

• AI 寫出的市場數據是真的嗎？
• 問卷分析的百分比加起來合理嗎？
• 企畫中的洞察、策略、執行與成效真的接得起來嗎？
• Codex 說檔案已完成，公式、格式與功能都能正常使用嗎？
• AI 省下的時間，會不會最後全部拿去修改錯誤？

如果沒有驗收，我們可能只是把「自己慢慢做錯」升級成「AI 快速做錯」。

這 30 天，我會怎麼驗收？

我會把 ChatGPT 與 Codex 放進真實的學習和企畫情境，從競賽、問卷、企畫、簡報、文件到數位工具逐一測試。每一天聚焦一個任務，不只展示 AI 做出了什麼，也記錄它在哪裡翻車、我如何發現，以及怎麼修改才真的能用。

所有成果都會用同一組五項標準檢查：

1. 正確性

資料、計算、引用與功能是否正確？

看起來合理，不代表真的合理。數據至少要能重新計算，資訊也要回到原始來源核對。

2. 完整性

AI 有沒有漏掉需求、限制或必要步驟？

例如企畫寫得很熱血，卻沒有目標客群、執行成本與 KPI，就像夜市攤位招牌做得超亮，結果忘了準備商品。

3. 可追溯性

結論能不能找到依據？

每一項重要判斷，都應該知道它來自哪份資料、哪個題目、哪段訪談或哪次測試。

4. 可使用性

成果能不能讓真正的使用者完成任務？

檔案能打開只是最低門檻；內容要看得懂、功能能操作，交給別人也不能立刻迷路。

5. 人工修正成本

AI 到底省了多少時間？

如果生成只花三分鐘，核對與重做卻花三小時，這份成果的效率就要重新計算。

ChatGPT 與 Codex，誰負責什麼？

在這個系列中，我會把 ChatGPT 當成一起拆需求、找盲點與整理表達的討論夥伴；Codex 則負責需要讀取檔案、執行操作、建立工具與實際驗證的工作。

但工具分工不是重點，真正的核心是：無論 AI 多有自信，最後都要留下人類可以檢查的證據。

今天的結論

從今天開始，我不再把「AI 有產出」當成「任務已完成」。

真正的完成至少要回答五個問題：

• 結果正確嗎？
• 需求做完整了嗎？
• 每個結論找得到證據嗎？
• 別人真的能使用嗎？
• 加上修改時間後，還有效率嗎？

接下來 29 天，我會用真實任務一項一項測試。AI 可以當神隊友，也可能穿著神隊友的衣服偷偷挖坑。

既然它說完成了，那就打開成果，開始驗收。