2025年7月，Steve找大家開了一場會，說接下來組織要往 AI Agent 的方向走。他一個一個點名專案負責人，輪到我的時候，給了我一個新角色：總教頭。

那天訂下的目標很直接：一個月內，組織裡每個人都要有自己的 Agent。

會後，我想到三個月前那個早上。當時我只是跟 Steve 聊了聊，自己怎麼用 Cursor 接手專案、看懂別人的程式碼。他聽完很興奮，還說下週二要我去花蓮教他。那時我不明白，自己不過是在想辦法把工作做完，為什麼他會這麼有興趣。

如今換成我要想：如果這件事值得讓每個人學會，我到底能教什麼？

那些不太順利的經驗，後來都用上了

我最初以為自己用 AI 比較順，是因為有技術背景，做過 TPM，也能跟工程師討論程式。可是技術只能解釋一部分。真正影響我怎麼跟 AI 工作的，還包括過去那些做得很不順的經驗。

剛進業界時，我不知道自己該怎麼做好 PM，就拚命學工具；換了工作題目，又會懷疑原本學會的東西還有沒有用。後來我在團隊裡推 Scrum，也曾經把會議和流程做得像模像樣，卻沒有真的理解它要改善什麼。

最痛的一次，是覺得舊的資料標註平台太亂，提議打掉重練。我們嘗試了兩次，都沒有成功。直到不再想一次取代整套系統，回頭看標註現場哪一段工作最卡，才慢慢做出大家用得上的改變。

這些經驗讓我養成了習慣：看到新工具、新方法，先停下來問，現在究竟卡在哪裡？這個問題值得解決嗎？如果值得，能不能先從一小段真實工作試起？

AI 讓做出工具變得容易，這個習慣反而更重要。它可以很快幫我寫程式、做出介面、搭一個 Agent；但如果我還沒看懂使用者怎麼工作，速度只會讓我更快走到錯的地方。

把工作交出去，需要的不只是信任

另一種習慣，是我跟工程師合作時慢慢練出來的。

我曾經坐在辦公室裡，用一封接一封的信追問工程師進度，直到有人提醒我走過去聊，才聽懂對方真正遇到的難處。後來在 Sprint Planning，工程師又常常追問我「為什麼要做？」問到我答不上來，只好回去找業務端和使用者確認。

當時有些挫折，現在回頭看，這些互動讓我學會：合作要有說真話的空間，也要把目的和脈絡講清楚。問題定義清楚，才有辦法討論什麼樣的結果算完成。

但即使交代清楚，事情也沒有結束。資深工程師講得有道理，我仍然需要聽其他人的看法、比較不同方案；有人多做了規格以外的功能，我也得看它是否真的幫到使用者。把工作交出去，最後的判斷和責任還在我身上。

跟 AI 合作時，我幾乎也是這樣做。我會交代背景、請它追問我沒講清楚的地方，跟它一起拆解工作；拿到成果，再檢查重要的事實、假設和例外。所謂「把 AI 當人」，對我來說是一種合作方式：願意給它脈絡與空間，也知道它不會替我承擔責任。

過去跟人一起工作的經驗，讓我比較容易想像 AI 能做的，不只是一道題、一篇初稿。我開始看整段工作：資訊從哪裡來，誰在中間做判斷，結果要交給誰？哪些步驟可以讓 AI 協助，哪些應該用固定規則自動化，哪些必須由人確認？當這些關係看得比較清楚，才有機會重新安排工作，而不是在原有流程旁邊再添一個工具。

「人人有 Agent」不是發給每人一個工具

這也是「總教頭」這個角色真正難的地方。

我可以示範自己怎麼用 Cursor，教大家建立一個 GPT，或是幫同事做出第一個 Agent。但一個月後，每個人的帳號裡都多了一個 Agent，是否就表示工作真的改變了？

對我來說，更值得問的是：一個人能不能從自己的工作裡找出一段值得交付的事情，說清楚目標、脈絡和限制，知道 AI 做完後怎麼驗收；遇到不確定的地方，也知道何時要自己接手。不同職務的人，答案不會長得一模一樣。

這些能力，我自己也不是聽完一堂課就學會的。它們是從自我懷疑、跟工程師磨合、做錯產品，再回到現場看問題的過程裡，一點一點練出來的。我不能要求大家在一個月內走完我走過的路，更不能把自己的工作方法原封不動套到每個人身上。

這讓我重新看待最初那個有點不安的問題：當 AI 越來越能做事，我的角色會不會也被取代？我現在仍然沒有篤定的答案。但如果我能協助更多人看懂自己的工作，找到和 AI 合作的方法，那個「只有我比較會用」的狀態，或許本來就不該是我要守住的東西。

Steve 給我的題目，表面上是一個月內讓每個人都有 Agent。對我而言，更長的題目是：怎麼讓每個人都能從自己的工作出發，慢慢練出與 AI 共事、也能重新設計工作的能力？