AI 協作的分工心法 — 別把所有事都丟給同一個 AI

「你不會叫法務去跑倉庫、也不會叫倉管去審合約。那為什麼會期待同一個 ChatGPT 既幫你想策略、又幫你算數字、又幫你查最新法規？」

先看一個常見的災難現場

某電商品牌行銷主管 Amy 想用 AI 提升下半年業績。她打開 ChatGPT，一口氣丟了這段話：

「幫我分析我們家母嬰用品的競爭對手、找出下半年最新的市場趨勢、算出如果投 100 萬廣告的 ROI、然後幫我寫一份給老闆的簡報。」

三十分鐘後她拿到一份看起來很厲害的報告，交給老闆。老闆問：

「這個競品數據哪裡來的？」→ AI 編的
「這個趨勢是今年的嗎？」→ AI 訓練資料只到去年
「這個 ROI 怎麼算出來的？」→ AI 猜的

這不是 AI 笨，是 Amy 把 AI 當成萬能工人。 同一個任務裡混了四種完全不同的工作：策略判斷、最新資訊、數字計算、文件產出 — 每一種該用不同的工具、不同的驗證方式。

這一課教你怎麼拆。

核心心法一：AI 不是員工，是「會議室裡的不同角色」

很多人把 AI 當成「一個什麼都會的超級助理」。但更精準的比喻是：AI 像一間會議室，裡面有不同角色，你是會議主持人。

四種角色，四種用途

角色	擅長什麼	不擅長什麼	電商情境舉例
執行者（Executor）	重複性工作、照 SOP 產出	判斷要不要做	把 100 個商品標題改成 SEO 版本
研究員（Researcher）	查找資料、整理資訊	超過訓練資料的「今天」	查主要母嬰品牌的公開定價
分析師（Analyst）	看數據、找規律、比較方案	創造沒有依據的結論	比較三個廣告方案的優缺點
裁判（Judge）	在你拿不定主意時給意見	替你做決定（責任還是你的）	「這三個活動文案你覺得哪個最打動新手媽媽？」

關鍵體悟：你每次打開 AI 之前，先問自己「我這次要的是哪個角色？」—— 不要讓同一個對話框混四種角色。

核心心法二：挑對工具（Routing）

「AI 就是 ChatGPT」是新手最貴的誤會。不同工具各有擅長的場景，挑錯工具就像用榔頭鎖螺絲。

電商日常任務的工具對照

任務類型	建議工具	為什麼
寫商品文案、客服回覆模板	ChatGPT / Claude	語感自然、中文表達力強
查「最近一個月」的市場動態、競品活動	Gemini（可連 Google 搜尋）	免費工具中最能抓到近期資訊
長文件摘要（例如 50 頁品牌白皮書）	Claude	處理長文件的穩定度高
算數字、做 Excel 公式	ChatGPT + Google Sheets 組合	AI 給公式，Sheets 實際算
生成提案用插圖	Gemini / ChatGPT 付費版	內建圖像生成
關乎錢、法律、客戶信任的決策	真人（只把 AI 當草稿夥伴）	AI 不負責，你負責

挑工具的三個問題

決定用哪個 AI 之前，問自己：

這個任務需要「最新的外部資訊」嗎？ → 需要 → 用能查網路的工具（Gemini / Perplexity）
這個任務出錯會有多大代價？ → 代價大 → 產出一定要人工驗證，甚至不該用 AI
這個任務會反覆做嗎？ → 會 → 花時間寫好 prompt 模板，之後套用

核心心法三：風險分級 — 什麼時候該讓 AI 閉嘴，換人上場

不是所有事都該讓 AI 做到最後一步。用交通號誌比喻最直覺：

🟢 綠燈：AI 自己跑就好

特徵：錯了也沒關係、容易發現、影響小

幫你把商品 description 從 100 字擴寫成 200 字
整理會議錄音成摘要
翻譯客戶的英文信（你看得懂，只是想快一點）

🟡 黃燈：AI 做草稿，人一定要看過

特徵：錯了會尷尬、會誤導同事或客戶

寫給客戶的正式信件
做給主管的報告
回覆負評的客服文案
活動 FB 貼文

黃燈的鐵律：AI 產出的東西，如果要對外露出，你要能一字一句解釋為什麼這樣寫。

🔴 紅燈：AI 只能當參考，決定權在人

特徵：錯了會傷錢、傷法律、傷關係

決定要不要投放 100 萬廣告預算
判斷 AI 產圖有沒有侵權
回覆官司相關的訊息
處理個資外洩事件
定產品售價

紅燈的鐵律：AI 只能幫你想「考慮哪些面向」，絕不能幫你做決定。責任屬於人。

把三個心法串起來：一個完整的電商範例

情境：Amy 想做「下半年母嬰新品上市」的完整規劃。

拆成四個階段 × 不同角色 × 不同工具：

階段	AI 角色	工具	燈號	產出
1. 查市場	研究員	Gemini（查最近半年新聞）	🟡 黃燈	競品新品清單（人要核實）
2. 想角度	分析師	ChatGPT	🟡 黃燈	三個差異化切角
3. 寫文案初稿	執行者	ChatGPT / Claude	🟢 綠燈	商品頁草稿
4. 決定預算	裁判（僅供參考）	ChatGPT	🔴 紅燈	AI 列出 pros/cons，Amy 自己拍板

對比第一段那個「一次丟整包給 ChatGPT」的災難 — 拆開來之後，每個環節都清楚、可驗證、責任歸屬明確。

這就是非工程人也能做的「AI 分工」。你不用懂技術，你需要的是會議主持人的直覺：知道什麼問題該問誰、什麼決定該自己扛。

AI 協作：學了這個，跟 AI 怎麼配合？

這一課本身就是「怎麼跟 AI 協作」的心法 — 把一個大任務拆成「角色 + 工具 + 燈號」三個維度。

你的人類優勢：

你是那個看得到「事情的全貌」的人，AI 只看得到你丟給它的那一小段
你是那個「要對結果負責」的人，AI 不會被老闆罵

可以這樣跟 AI 說：

我接下來有一個任務：[描述任務]。請先不要開始做，幫我把這個任務拆解成 3-5 個子任務，每個子任務請告訴我：(1) 需要哪種 AI 角色（執行者 / 研究員 / 分析師 / 裁判）(2) 建議用什麼工具 (3) 風險燈號是綠 / 黃 / 紅。我確認拆解方式之後再請你開始做。

這個 prompt 的精神是：讓 AI 先幫你規劃分工，而不是立刻埋頭做。 多花 2 分鐘拆解，省下後面 2 小時的返工。

本堂重點回顧

不要把同一個 AI 當萬能工人 — 同一個對話混四種角色會得到糊在一起的爛結果
四種 AI 角色：執行者（做事）、研究員（查資料）、分析師（比較）、裁判（給意見）
挑對工具：查最新資訊用 Gemini、寫長文件用 Claude、日常任務用 ChatGPT、算數字搭配 Google Sheets
風險分三級：綠燈 AI 自己做 / 黃燈人要看過 / 紅燈 AI 只能參考，決定在人
大任務先拆解再執行：花 2 分鐘規劃分工，省下後面 2 小時返工

#	子任務	AI 角色（執行者/研究員/分析師/裁判）	建議工具	燈號（🟢🟡🔴）	為什麼這樣分
1	?	?	?	?	?
2	?	?	?	?	?
3	?	?	?	?	?
4	?	?	?	?	?