當你在搜尋引擎查詢問題時，你是在尋找資料；當你向生成式 AI 提問時，你是在請 AI 整理、解釋、轉換或產生內容。
自從 ChatGPT、Microsoft Copilot、Gemini 等工具出現後，很多人開始把 AI 當成搜尋引擎使用。
例如：
如何寫一封請假的 Email？
什麼是雲端運算？
台南兩天一夜怎麼安排？
這些問題無論使用搜尋引擎或生成式 AI，似乎都能得到答案。
於是很多人開始疑惑：
AI 不就是比較厲害的搜尋引擎嗎？
其實，這是一個常見的誤解。
雖然搜尋引擎與生成式 AI 都能幫助我們取得資訊，但兩者的運作方式、優點及限制並不相同。了解其中差異，才能知道什麼時候該使用搜尋引擎，什麼時候適合使用 AI，以及什麼時候應該把兩者搭配使用。
生成式 AI（Generative AI）是一類能夠根據使用者提供的指令、問題或資料，產生新內容的人工智慧技術。
所謂的「生成」，可能包括：
這和單純查詢既有資訊不完全相同。
例如，當我們輸入：
請幫我寫一封通知同仁完成資安教育訓練的 Email。
生成式 AI 通常不是單純從網路上找到一封現成的 Email，再直接複製給使用者，而是根據指令中的目標、情境及語言結構，組織出一份新的內容。
因此，生成式 AI 的核心價值，不只是幫助我們「找到資料」，還能協助我們：
不過，AI 能夠產生內容，並不代表產生的內容一定正確。這一點會在後面的章節進一步說明。
先看一個簡單的例子。
假設我們提出以下問題：
什麼是 ERP？
搜尋引擎通常會提供：
使用者接下來需要自行開啟網頁、閱讀內容、比較不同來源，再整理出自己的答案。
大致流程如下：
輸入關鍵字
↓
查看搜尋結果
↓
選擇網站
↓
閱讀內容
↓
比較來源
↓
整理答案
搜尋引擎的優點包括：
可能的限制包括：
生成式 AI 通常會直接整理成一段回答，例如：
ERP 是 Enterprise Resource Planning 的縮寫，
中文通常稱為「企業資源規劃」。
ERP 系統主要用來整合企業內部的財務、採購、
庫存、生產、銷售及人力資源等營運資料，
讓不同部門能在一致的流程與資料基礎上協作。
大致流程如下：
提出問題
↓
AI 分析指令及上下文
↓
組織並產生回答
↓
使用者閱讀、追問與查證
生成式 AI 的優點包括：
可能的限制包括：
可以先用一個簡單方式理解兩者差異：
搜尋引擎知道哪些網頁可能包含相關資訊，並提供連結讓使用者自行閱讀。
它的主要價值是：
帶你找到資料所在的位置。
生成式 AI 可以根據使用者提出的問題，將內容整理、解釋或改寫成指定格式。
它的主要價值是：
協助你理解資料，並將資料轉換成可使用的內容。
不過，這個比喻只是方便理解。現在部分搜尋引擎也加入 AI 摘要功能，而部分 AI 工具也具備連網搜尋及引用來源的能力，因此兩者的功能界線正在逐漸靠近。
對使用者來說，比工具名稱更重要的是：
傳統搜尋通常需要不斷更換關鍵字，才能逐步縮小搜尋範圍。
生成式 AI 則可以根據前面的對話內容繼續追問。
例如，第一輪先問：
什麼是 ERP？
接著可以繼續要求：
請用國中生能理解的方式說明。
再進一步追問：
請用一家餐廳的營運方式來比喻 ERP。
還可以繼續比較：
ERP 和 Excel 有什麼差異？
最後加入實際情境：
如果是一家製造業公司，ERP 可以協助管理哪些流程？
請用採購、生產、庫存及財務四個面向說明。
這種逐步追問的方式，是生成式 AI 最有價值的能力之一。
使用者不必一次就寫出完美的問題，而是可以透過多輪對話逐步補充背景、調整難度及修正輸出格式。
很多人認為生成式 AI 只能用來聊天，其實生成式 AI 已經可以處理多種不同形式的內容。
常見應用包括：
範例：
請幫我撰寫一封延期交貨通知信。
收件者：客戶
目的：說明交期將延後三天
語氣：正式、負責且不過度推卸責任
輸出內容：Email 主旨及正文
生成式 AI 可以根據場景描述建立圖片，例如：
產生一張 16:9 橫式圖片，主題為一般人學習 AI，
使用藍白科技風格，右側為 AI 機器人與筆電，
左側保留可放置文章標題的區域，不要加入任何文字。
產生圖片後，再透過 PowerPoint、Canva 或其他設計工具加入正確的繁體中文，通常比要求 AI 直接在圖片中產生大量文字更可靠。
語音生成可以用於：
使用語音生成時，仍應注意聲音授權、個人聲紋及冒用風險。
生成式 AI 也可以協助產生或解釋程式碼，例如：
請提供一個 Excel 公式，判斷 C2 是否為空白。
如果是空白，顯示「未完成」；否則顯示「已完成」。
請逐段解釋公式，並提供測試方式。
不具備程式背景的人，也可以請 AI 用一般人能理解的方式說明程式用途、輸入、輸出及可能風險。
但對於來源不明、要求高權限或可能連線外部系統的程式碼，不應未經檢查就直接執行。
這是今天最重要的觀念。
很多初學者容易把 AI 的回答視為標準答案：
AI 回答 = 正確答案
但更合適的理解應該是：
AI 回答 = 根據指令及可用資訊產生的候選內容
生成式 AI 的回答可能非常通順、結構完整，甚至使用很有自信的語氣，但這些特徵都不能保證內容一定真實。
AI 可能出現以下問題：
這類看似合理、實際上卻不正確或缺乏根據的內容，通常被稱為 AI 幻覺（Hallucination）。
因此，使用 AI 時不能只問：
AI 有沒有回答？
還應該進一步確認：
AI 的回答是否正確、完整、符合情境，而且能找到可靠來源支持？
今天可以實際比較以下問題：
企業導入生成式 AI 有哪些效益與風險？
你是一位企業資訊顧問。
請整理企業導入生成式 AI 的效益與風險。
請依下列格式輸出：
1. 五項可能效益
2. 五項主要風險
3. 導入前需要確認的事項
4. 需要進一步查證的資訊
報告對象為非技術背景的企業主管。
請使用繁體中文及表格呈現。
不要自行虛構統計數據或來源。
可以從以下面向進行比較：
完成比較後，通常會發現搜尋引擎和生成式 AI 並不是互相取代，而是各自負責不同工作。
如果目標是尋找原始資料、近期資訊或官方說明，通常應優先使用搜尋引擎。
例如：
這類問題通常具有時效性，或者必須回到原始來源確認，因此不能只依賴未標示來源的 AI 回答。
如果目標是理解、整理、轉換或產生初稿，生成式 AI 通常更有效率。
例如：
不過，如果 AI 的回答涉及數字、日期、法規、價格、健康、財務、資安或重大決策，仍應回到可信來源進行確認。
搜尋引擎與生成式 AI 並不是二選一。
更有效率的做法是把兩者結合：
第一步：使用搜尋引擎尋找官方或可靠來源
↓
第二步：閱讀並確認資料內容
↓
第三步：將可公開使用的資料交給 AI 整理
↓
第四步：要求 AI 產生摘要、比較表或報告大綱
↓
第五步：人工核對 AI 的輸出與原始資料
例如，要了解某項軟體的功能，可以先找到官方產品文件，再將公開且不涉及機密的內容交給 AI，要求 AI 用表格整理功能、限制及適用情境。
這種方式同時保留了搜尋引擎的可查證性，以及生成式 AI 的整理效率。
請同時開啟：
輸入同一個問題：
什麼是雲端運算？
接著記錄以下觀察：
完成第一輪後，再向 AI 追問：
請用「租房子和買房子」的方式，
向沒有資訊背景的人解釋雲端運算。
觀察 AI 是否能夠根據指定對象及比喻方式調整回答。
請列出三個適合使用搜尋引擎處理的問題，並說明原因。
參考方向：
請列出三個適合使用生成式 AI 處理的問題，並說明希望 AI 提供何種輸出格式。
參考方向：
選擇一個自己在工作或生活中常遇到的問題，先使用搜尋引擎查詢，再使用生成式 AI 詢問。
請記錄：
進行今天的實作時，請注意以下原則：
很多人認為 AI 無所不能，也有人認為 AI 只是聊天工具。
下一篇將進一步討論：
透過實際例子，建立更正確的 AI 使用觀念。
iThome鐵人賽
看影片追技術