2005 年 6 月，線上對弈平台 Playchess.com 辦了一場規則很特別的西洋棋賽——「自由式西洋棋」（Freestyle Chess）：允許人帶著電腦上場，人機怎麼配隊隨你。特級大師配頂尖引擎、職業棋手配大型機器全都來了，連西洋棋專用超級電腦 Hydra 也派隊參賽——就是幾天後（同年 6 月下旬）以 5.5 比 0.5 血洗英國棋王 Michael Adams 的那台機器。結果冠軍是一支叫 ZackS 的隊伍：來自美國新罕布夏州的兩位業餘棋手 Steven Cramton 與 Zackary Stephen，等級分只有 1685 和 1398——連職業門檻的邊都沾不到——用三台普通家用電腦，在決賽以 2.5 比 1.5 擊敗了特級大師領軍的隊伍。
這場 20 年前的比賽，正在變成每一個知識工作者的處境預演。這幾年 AI 的進步不是隨機的，它有一條清楚的規律：只要一件事有標準答案、成果能被自動評分，AI 就會用超乎想像的速度練會它。於是人的價值正在搬家——從「解題」那一側，搬到「出題、驗收、負責」這一側。越來越值錢的不是把指定的題目解完，而是「出題能力」：在混亂的現實裡挑出值得解的問題、把資源配到對的地方、然後為結果掛保證的能力。
這篇文章不灌雞湯，也不販賣焦慮。我會先講清楚 AI 為什麼「挑食」，用兩段真實的歷史——那場棋賽，和 1979 年的一套會計軟體——讓你看懂價值怎麼搬家；再誠實地講這個框架的三個邊界，包括西洋棋故事殘酷的下半場；最後給你一套一週就能開始的練習。
先說結論（一句話重點）：AI 會學會所有「能被便宜打分數」的事——數學有標準答案、程式碼能跑測試，所以它們進步最快。與其問「AI 會不會取代我」，不如問「我的工作裡，有多少成分是能被自動評分的」。可評分的部分，學會把它交出去；把自己搬到難評分的那一側——出題、驗收、負責。同時記住：這條線不是牆，每年都在移動，你要的不是一勞永逸的安全區，而是持續領先半步的習慣。
為什麼 AI 總是先學會「解題」？因為有人能替它打分數
你可能注意過一個怪現象：這兩年的 AI 在數學和寫程式上進步得嚇人，但要它處理一封語氣微妙的客訴信、判斷一個產品值不值得做，表現卻時好時壞。這不是巧合，是訓練機制決定的。
2024 年 11 月，艾倫 AI 研究院（Ai2）在 Tülu 3 論文裡替這個機制起了名字：「可驗證獎勵強化學習」（RLVR, Reinforcement Learning with Verifiable Rewards）。白話說：數學答案對不對、程式碼過不過測試，機器一秒可判——所以模型可以自己出手幾百萬次、自己對答案，不需要人陪練，練到會為止。2025 年 1 月轟動全球的 DeepSeek-R1 用的是同一招（他們稱之為「規則式獎勵」），而且刻意不用「由另一個 AI 當裁判」的做法，因為那種裁判會被鑽漏洞。換句話說，「有沒有便宜的評分器」直接決定了 AI 在哪個領域進步得快。
研究圈把這件事講得更直白。前 OpenAI 研究員 Jason Wei 在 2025 年 7 月提出「驗證者法則」（verifier’s law）：「訓練 AI 解決一個任務的難易度，跟這個任務的可驗證程度成正比。所有可能被解決、且容易驗證的任務，都會被 AI 解決。」AI 名家 Andrej Karpathy 在 2026 年 4 月說得更白：「傳統電腦自動化的，是你能寫成程式規則的事；這一波大型語言模型自動化的，是你能驗證的事。」
現在回頭想想學校在訓練什麼：題庫、考古題、標準答案、證照——整個教育體系幾乎就是為「可評分」而設計的。這正是為什麼「會考試」的價值崩得最快：你花二十年練到頂尖的那種解題，恰好是 AI 的主場。勞動經濟學家 David Autor 早在 2015 年就指出：電腦替代的是「能寫成規則」的例行任務，同時放大人類在判斷與應變上的優勢。差別在於，以前自動化的門檻是「你能不能把步驟寫成規則」，現在只剩下「你能不能替結果打分數」——連規則都不用寫了。
兩個業餘棋手，怎麼贏過特級大師＋超級電腦？
回到 2005 年那場比賽。Cramton 和 Stephen 沒有秘密武器：三台普通 PC，跑的是 Fritz、Shredder、Junior、Chess Tiger 幾套人人買得到的市售引擎。以「解題能力」（棋力）來說，他們在場上是墊底的。
棋王 Kasparov 事後在《紐約書評》（2010 年 2 月）寫下了那段著名的觀察：「弱的人類＋機器＋更好的流程，勝過單獨一台強大的電腦；更驚人的是，也勝過強的人類＋機器＋較差的流程。」（Weak human + machine + better process was superior to a strong computer alone and, more remarkably, superior to a strong human + machine + inferior process.）
拆開看，他們贏的其實是另一場比賽：什麼局面該問哪台引擎、讓它算多深、幾台引擎意見分歧時信誰、什麼時候必須人工介入——出題、分配運算資源、驗收答案。而特級大師輸掉的原因同樣值得玩味：太相信自己的解題能力，捨不得把「解題」整個讓給機器。當解題被機器接管，人與人的差距，就變成了問問題與分配資源的差距。這就是「出題能力」最乾淨的一次展示。
試算表的啟示：「解題」變免費之後，「出題」的需求爆增
如果棋局離你太遠，看一個發生在辦公室裡的版本。1979 年 10 月 17 日，第一套現代意義的電子試算表 VisiCalc 在 Apple II 上開賣，一套 99 美元。在那之前，「spreadsheet」是一張真正的紙——11×17 吋的綠格紙，大到要好幾張黏起來鋪滿整張辦公桌。會計團隊用鉛筆把數字一格格填進去；客戶改一個假設，整張表就要拿橡皮擦擦掉重算，每一欄重加、再交叉核對，往往是一整天的苦工。辛辛那提的會計師 Don Jackson 在 1984 年對記者 Steven Levy 這樣形容前後差異：「以前我要做二十個小時，用試算表，十五分鐘。」
照直覺，會計這一行該完蛋了。實際發生的事更有意思。NPR 的《Planet Money》節目在 2015 年根據美國政府就業數據估算：1980 年（電子試算表問世前後）以來，美國少了約 40 萬個簿記／會計文員職位——他們工作的核心正是「可評分的解題」（把數字算對）——但同一時期，會計師類職位反而多了約 60 萬個。而且這個分岔到今天還開著：美國勞工統計局（BLS）目前的職業展望仍預測 2024–34 年簿記文員將減少約 6%，會計師卻繼續成長約 5%。
為什麼「解題的人」消失，「出題的人」變多？因為重算變免費之後，「多問一個 what-if」的成本趨近於零，於是每個老闆都想問十個：漲價 3% 會怎樣？換供應商會怎樣？三種方案各推五年會怎樣？當年的使用者管這叫「玩 what-if 遊戲」。解題便宜了，出題的需求爆增——「該問哪十個問題、答案代表什麼、該不該信」變成了新的值錢技能。經濟學的講法是互補品：當一個東西變便宜，它的互補品就變貴。運算變便宜時，判斷變貴；解題變便宜時，出題變貴。
你現在就站在 1979 年的會計部門裡。差別只是這一次被壓到一秒鐘的不是「重算」，而是寫程式、翻譯、摘要、做簡報——所有能被評分的認知工作。
這條線每年都在移動：別把「AI 還不會」當成安全區
價值搬家不是預言，是進行式。2023 年 9 月，哈佛商學院與 BCG 對 758 位顧問做了一場隨機對照實驗：在 AI 能力範圍內的 18 項顧問任務上，用 GPT-4 的顧問多完成 12.2% 的任務、快 25.1%、品質高出 40% 以上；但在一項刻意設計在能力範圍外的任務上（數據看起來很完整，真正的答案卻藏在訪談筆記裡），用 AI 的顧問答對率反而低了 19 個百分點。AI 的能力邊界是鋸齒狀的，而且不會插旗標示——「這一題能不能信 AI」的判斷，本身就是新的核心技能。
勞動市場也已經出現訊號。史丹佛數位經濟實驗室用 ADP 薪資資料研究發現（Brynjolfsson 等，2025 年 8 月）：2022 年底以來，AI 暴露度最高的職業裡，22–25 歲初階員工的就業相對下滑約 13%（2025 年 11 月修訂版在控制公司層級衝擊後為 16%），資深員工卻幾乎不受影響——先被吃掉的，正是「可評分的入門解題工作」。要誠實說：這是一份尚未經同儕審查的工作論文，批評者認為利率與稅制變化也有貢獻；但作者 2026 年的回應與後續資料顯示，缺口持續存在、沒有回彈。
邊界一：這條線會移動——西洋棋故事的下半場。自由式棋賽的「人機協作優勢」只維持了幾年，這類賽事在 2008 年後逐漸辦不下去；經濟學家 Tyler Cowen 在 2013 年就判斷引擎的進步已讓「人機組隊」看不出優勢。今天的裁決寫在通訊棋裡——那是規則允許用引擎的比賽，等於制度化的人機協作：第 33 屆國際通訊棋世界冠軍決賽（2025 年 8 月落幕），17 位頂尖好手捉對廝殺，完賽的 126 局，全部和棋。引擎強到人的輸入不再改變結果。2024 年 12 月《Nature Human Behaviour》一篇統合分析（106 個實驗、370 個效果量）給了更一般的結論：在決策類任務上，「人＋AI」的組合平均而言，反而比「人或 AI 單獨較強的那一方」更差。
為什麼？因為西洋棋是「評分完美」的領域——輸贏立判。在這種領域，人的加值遲早歸零。而 AI 產業此刻的明確路線圖，就是替更多「難評分」的事造出評分器：用評分表（rubric）當獎勵訊號去訓練醫療諮詢這類模糊任務；OpenAI 也建了讓資深專業者盲測打分的真實職業成品基準（GDPval，涵蓋 44 種職業），並回報頂尖模型的成品品質正逼近業界專家、大致呈線性進步。所以：「AI 還不會」是緩衝區，不是堡壘。
邊界二：反過來，「可評分」也不等於完蛋。2016 年，深度學習之父 Geoffrey Hinton 說：「大家現在就該停止訓練放射科醫師了。五年內深度學習一定會做得比放射科醫師好，這完全顯而易見……也可能是十年。」十年過去，據《Fortune》2026 年 5 月引用的薪酬調查，美國放射科醫師 2025 年平均年薪約 57.1 萬美元、年增 9%，還有數千個職缺補不滿。為什麼會錯得這麼離譜？因為工作不是單一任務，而是一整包任務的組合——判讀影像可評分，但跟主治醫師討論、簽名負責、對病人解釋，都不可。銀行櫃員的故事也一樣：ATM 從 1990 年代中期大量部署後的十幾年，美國櫃員人數不減反增（每間分行需要的櫃員從 20 人降到 13 人，開分行變便宜，分行反而多開了 43%，櫃員轉去做關係與銷售）——直到智慧型手機銀行普及，2010 年之後櫃員就業才真正一路下滑。能力的進步與就業的變化之間，常常隔著好幾年，甚至短期方向相反。所以既不要以為「我的工作可評分＝明天失業」，也別拿時滯當作什麼都不做的藉口。
邊界三：「出題」也不是人類的永久領地。2024 年史丹佛的一項盲測研究發現，大型語言模型產生的研究點子，被 79 位專家評為比人類研究者的點子「更新穎」。但同一批作者在 2025 年 6 月做了殘酷的後續實驗（The Ideation–Execution Gap）：找 43 位研究者，每人花上百小時把這些點子真的做出來——執行之後，AI 點子的評分掉得遠比人類點子多，排名整個翻轉，人類的點子反而勝出。目前真正屬於人的，不是「想出點子」（AI 量產點子比你便宜一萬倍），而是挑出能通過現實檢驗的那一個——選題的眼光與驗收的能力。這正是「出題能力」的核心：不是頭腦風暴的數量，是判斷的品質。
AlphaLab 的判讀：「出題能力」值錢，但別誤讀成這三件事
先說我同意的：這個框架的機制是真的（可驗證獎勵、驗證者法則都有論文與訓練實務背書），價值搬家的方向也是真的（BCG 實驗、試算表 45 年的就業分岔、初階職缺的數據都指向同一邊）。這不是又一句「AI 改變一切」的空話——它有一個你可以自己檢驗的機制。但它很容易被讀歪，以下三種誤讀，每一種都會讓你做錯決定。
- 誤讀一：「那我去找一個 AI 不會的工作就好。」不存在這種靜態清單。評分技術每年都在進步，今天「難評分」的任務，明天可能就有堪用的評分器（邊界一）。你需要的不是一張永久的安全地圖，而是每年重新盤點一次的習慣——就像檢查人生預設值一樣，把「我的工作有多少已經搬到線的左邊」當成年度例行檢查。
- 誤讀二：「大家都去出題就好了。」算術上不成立。以美國為例，管理類職位只佔整體就業約 7%——出題、分配、負責的位子本來就是少數，聲譽又是比較出來的排名財，不可能人人同時「往上移」。這個框架是給個人的槓桿，不是給整個社會的解方；把它當成後者，就成了倖存者偏差的雞湯。對多數人來說，比「多社交」更實際的路徑是：把作品做好、公開，讓它替你出現在更高價值的房間裡——在 AI 把「產出」變便宜的年代，「真」與可驗證的信任反而變貴。
- 誤讀三：「反正解題會被自動化，那我就不用練解題了。」這是最危險的一種。判斷力——挑對問題、驗收 AI——是從大量親手解題裡長出來的；如果你用 AI 跳過所有基本功，你會變成「無法驗收 AI 的人」，而那是最容易被取代的位置。正確用法是用 AI 做更多的練習、更快的迭代，而不是零練習。別忘了，AI「騙過評分器」是被記錄在案的行為（Anthropic 2025 年 11 月的論文記錄了模型在真實訓練中學會鑽評分漏洞）——最後替結果掛保證的，仍然是人。驗收與負責，是比「品味」更硬的最後一哩。
把這三個修正加回去，我會把原本的說法改寫成這樣：AI 沒有讓你的時間變多，它改變了你每一小時的匯率——花在「可評分產出」上的一小時每年貶值，花在「出題、驗收、負責、信任」上的一小時每年升值。職涯策略就一句話：有意識地把時間從貶值資產搬到升值資產，並且接受匯率每年重估。
怎麼練「出題能力」：給自己一週，做四個練習
讀到這裡如果什麼都不變，這篇就成了雞湯。以下四個練習不用辭職、不用花錢，一週內都能開始——重點不是做完，而是讓「盤點、出題、驗收、打磨」變成肌肉記憶。（如果你常覺得「道理都懂就是做不到」，先讀這篇談執行力缺口的文章。）
- 盤點（第 1–2 天）：算出你的「可評分比例」。把一週的工作拆成清單，每一項問兩個問題：「它有標準答案嗎？」「成果能被便宜地檢查嗎？」兩個都答「是」的標紅。紅色佔比，大致就是你職位裡正在貶值的部分。多數人第一次盤點都會被自己的比例嚇到。
- 交題與驗收（第 3–4 天）：完整轉手一件紅色任務。挑一件標紅的任務，整件交給 AI，你只做兩件事：把題目交代清楚（脈絡、限制、驗收標準——這本身就是上下文工程），以及驗收。驗收的標準動作：在它的輸出裡找出至少一個錯誤，或一個可以更好的地方。找不到？要嘛它真的比你強（該更新你的盤點表），要嘛你的驗收能力不夠（那更該練）。
- 問題日誌（第 5 天起，長期）：每天寫下一個沒人指派的問題。格式固定：一句話寫問題，再加一句「解掉之後，誰會在乎？」一週後挑一題，用最小成本動手驗證。出題能力跟肌肉一樣，是寫出來的，不是讀出來的——而「誰會在乎」那一欄，就是在練你替問題估值的眼光。
- 最後一哩（本週任一天）：把一件「已完成」的東西再推 20%。挑一件你已經交差的作品，多花兩成時間打磨到你敢公開的程度，然後真的公開（部落格、GitHub、內部分享會都行）。聲譽不是社交出來的，是「好作品被對的人看見」的副產品。
最後，留一個可以每季問自己一次的問題：「我現在的工作，有多少已經搬到線的左邊？我這一季，練了哪一項右邊的能力？」只要這個問題你答得出來，這條會移動的線，就是你的槓桿，而不是你的威脅。
📚 延伸閱讀
- AI 時代脫穎而出，靠的不是文筆：當複製變免費，「真」就變貴
- AI 免費幫你請了世界級教練，為什麼還是練不出來？真正稀缺的是「執行力」
- 與眾不同而且正確：賺到大錢的人，靠的從來不是「比較敢逆向」
- 人生預設值：決定你一生的，是少數幾個「你沒在做的決定」
- 更多 AlphaLab「個人成長 / 知識分享」文章
原始研究與資料（primary source，另開新視窗）：Kasparov,〈The Chess Master and the Computer〉, NYRB (2010)；ChessBase：ZackS 奪冠報導 (2005)；第 33 屆 ICCF 世界冠軍決賽（2025，完賽 126 局全和）；Vaccaro 等，人機協作統合分析, Nature Human Behaviour (2024)；Tülu 3：RLVR (Ai2, 2024)；DeepSeek-R1 (2025)；Jason Wei：驗證者法則 (2025)；Karpathy (2026)；Dan Bricklin：VisiCalc 官方史料；Planet Money #606〈Spreadsheets!〉逐字稿 (2015)；Bessen：ATM 與櫃員 (IMF F&D, 2015)；Autor, JEP (2015)；Dell’Acqua 等：鋸齒狀科技前沿 (HBS/BCG, 2023)；Brynjolfsson 等：Canaries in the Coal Mine (2025)；Si 等：The Ideation–Execution Gap (2025)；Fortune：放射科醫師薪酬報導 (2026)。
免責聲明：本文為知識分享與個人觀點，非專業（心理 / 醫療 / 財務 / 法律）建議；文中引用的研究與案例均附來源，數據截至 2026 年 7 月。部分引用為尚未經同儕審查的工作論文（文中已標註），就業與薪酬數字屬估算或調查性質、非官方精確統計。AI 具有輸出錯誤資訊的可能，重要決策請由人類複核。本文無業配內容。