當AI從答案機變身工作夥伴

　　無論是整理報告、寫程式、規劃行程或分析資料，AI早已融入我們的生活。但在資安處實習後，我才發現，真正會用AI，不是只知道如何問問題，而是進一步讓AI協助完成工作。不過，人的角色並沒有因此變得不重要，反而需要更多的思考與判斷。因為AI能做多少是一回事，我們能讓它發揮多少，又是另一回事。

從學習 AI，到真正讓 Agent 工作

435300100

　　這兩個月的實習中，我除了協助測試AI工具的回答品質，也嘗試把課堂累積的問題分析能力用在工作上。面對每週數十篇、甚至上百篇的資安新聞，我開始思考：能否透過AI找出可能與公司使用產品相關的內容，再將值得注意的訊息提供給內部同仁參考？

　　原以為只要「讓AI幫忙做就好了」，然而真正開始之後，難題接踵而來。如何把一整頁的新聞整理出來？資訊該怎麼流動？AI應該負責哪些工作？產生結果後，又如何確認是否漏掉或判斷錯誤？有些方法理論上可行，做起來卻太複雜；有些結果看似完整，測試後才發現不如預期。過程中，我邊做、邊學，也持續修正想法。

AI可以給建議，但決定權仍然在自己

　　遇到問題時，我當然也會問AI，它會很快提出一套看似完整的方法，剛開始我以為：「既然AI都這樣建議了，應該就是最好的做法吧？」但實際執行後才明白，使用AI並不是把問題交出去，而是多了一個可以一起思考的夥伴。

　　當AI提出建議時，我應繼續問：「為什麼要這樣做？」「有沒有更簡單的方法？」「這個方法適合現在的需求嗎？」即使答案看起來是對的，也不能直接相信，需要再做確認。

問得更清楚，也讓自己想得更清楚

　　事實上，AI的回答品質，和我們提供的資訊有很大的關係。如果只是對它說：「幫我做一個可以抓新聞的系統」，它只能根據有限的資訊，猜測我的需求；但若先說明背景、問題、目標、限制及希望得到的結果，它提出的方法就會更接近我們需要的方向。

　　因此，現在向AI解釋問題之前，我會先問自己：我到底想解決什麼？現在卡在哪裡？什麼結果才算成功？有時候，光是把這些事情整理清楚，問題就已經解決了一半。

讓AI在風險可控的前提下成為助力

　　此外，用AI提升效率時，還需要思考資料、權限與風險。例如，個人或公司的敏感資訊，應先移除可識別內容，或使用結構相近的模擬資料再上傳，以降低風險；而且AI Agent的權限也不是愈大愈好，重要的操作與最後確認仍應由人類完成。

　　隨著《人工智慧基本法》的推動，我也更理解除了追求效率與創新，更應兼顧安全、透明、責任與風險管理，讓AI的使用有所依循，發揮真正的價值。

AI時代，更重要的是「學會學習」

　　做這個專案的過程並非一帆風順，有些問題卡了很久，也曾以為快完成了，測試後卻又發現新的問題。但我慢慢學會，當一條路走不通時，如何從失敗中找到下一步，而這些反覆嘗試也讓我更清楚，哪些任務可以交給AI、哪些結果需要自己判斷與查證，以及如何讓AI成為能協助工作的夥伴。

　　科技變化得很快，今天熟悉的工具，明天可能又出現新的功能，或許，最值得學會的並不是某一個AI工具，而是「學會如何學習」。

*圖片來源：Magnific