AI 時代的帕斯卡賭注：你不用相信革命，但別選擇無知

本文整理自 Techmeme Ride Home Podcast 2026 年 5 月播出的「How I AI」首集。

---

他的父親逃離了電腦，電腦在退休前又追上了他

Techmeme Ride Home（現為 Tech Brew Ride Home）主持人 Brian McCullough 在他的新單元「How I AI」裡，說了一個關於父親的故事。

他父親在通用汽車（General Motors）做財務工作，做得好好的，直到辦公室裡出現了電腦。他適應不了。那種無力感不是單純的技術問題，是一種更深的挫折：我花了二十年累積的專業，這個新東西完全不在乎。他選擇離開，轉行去當老師。教書教了十幾年，準備退休了。然後電腦也進了學校。Brian 說，他父親到最後不只是沒有適應新技術，而是在這個過程中失去了工作的樂趣。

Brian 把這個故事連到一個更大的歷史類比。他記得小時候，身邊那些最先買 Apple II 的大人，最愛炫耀的事情是用電腦存食譜。那時候個人電腦還是嗜好玩具，絕大多數人的生活完全沒有被改變。真正的衝擊是後來才到的：電子郵件、網路瀏覽器、搜尋引擎。當這些東西出現，電腦從「可有可無的新奇玩意」變成了「沒有就不能工作的基礎設施」。而大多數人錯過了中間那段最關鍵的適應窗口。

Brian 認為我們現在對 AI 正處在類似的位置。很多人覺得 AI 就是聊天機器人，就是幫你寫 email 的工具，就像當年覺得電腦就是存食譜的機器。但這個印象不會維持太久。他不想成為那個意識到變化正在發生、卻始終沒有真正內化它的人。他不想重蹈父親的覆轍。

AI 時代的帕斯卡賭注

Brian 在節目中提出了一個他稱為「AI 的帕斯卡賭注」的思考框架。

原版的帕斯卡賭注是十七世紀法國數學家帕斯卡提出的：你不確定上帝存不存在，但如果你選擇信、結果上帝真的存在，你贏很大。如果上帝不存在，你沒損失什麼。反過來，如果你選擇不信、結果上帝存在，代價就慘了。所以不管你內心怎麼想，理性的選擇是信。

套用到 AI 上，邏輯類似但更實際：你不確定 AI 是不是真的會改變一切。如果你花時間學了，結果 AI 確實改變了你的產業，你就是那個提前準備好的人，比同事早了六個月甚至一年。如果 AI 最後沒那麼重要呢？你頂多學會了更好的提示技巧，下次出國旅行前可以用 AI 幫你規劃行程。風險是不對稱的：投入學習的代價很低，但不學的代價可能很高。

Brian 特別強調，他說這些話不是要當矽谷啦啦隊。他知道自己不是 Swix，不是 Dan Shipper 的 Every 那種 AI 前沿媒體。Techmeme Ride Home 的聽眾大多是科技業的從業者，但不全是工程師，也不全是 AI 原生的那群人。「How I AI」這個新單元瞄準的是「快速跟隨者」，那些知道 AI 很重要但還沒真正上手的專業人士。他想讓這群人看到的不是炫技，是具體的、不需要寫程式也能做到的 AI 應用。

砍掉 70% 工時，收入一分不少

hashtag（#）發明者、產品教練 Chris Messina 在節目中分享了一個完全不涉及寫程式的 AI 案例，效果卻非常驚人。

Chris 做的是小時制的教練服務，客戶透過 Calendly 預約時段。年初的時候，他把整年的預約資料匯出成 CSV 檔，連同 Stripe 的收款紀錄一起丟給 ChatGPT，請它做一張熱力圖，分析哪些時段預約最多、收入最高、效率最好。答案很清楚：他真正賺錢又有效率的時段集中在特定幾個窗口，其他時段的預約要嘛收入偏低，要嘛客戶品質參差，要嘛他自己的狀態根本不適合做教練。他過去從來沒看出這個規律，因為一整年的預約資料攤在面前就是一片混亂，人眼抓不到模式。

根據這個分析，Chris 把可預約的時段大幅縮減，砍掉了大約 70% 的開放時間。他只保留那些「又賺錢、又有品質」的黃金時段。然後他等了一整個季度看結果：第一季的收入跟去年完全一樣，但他多了 70% 的自由時間。這些多出來的大段空白，讓他終於有辦法做那些需要深度專注的 vibe coding 專案，不再被零碎的一小時預約切割得什麼都做不了。

這個案例最重要的地方在於：Chris 沒寫任何程式碼。他只是把自己的營業資料丟給 AI，請 AI 幫他看出一個肉眼看不出的模式，然後根據分析結果做了一個決定。就這樣。需要的只是一個 CSV 檔、一個好問題、還有願意根據資料做改變的勇氣。

讓 AI 面試你的工作

Brian 在做「How I AI」這個單元的過程中調查了聽眾，結果被各種非技術人的 AI 應用故事淹沒了。這些人不是工程師，他們是生活教練、辦公室行政人員、學校家長。每個人都在用 AI 解決一個具體的、長期困擾他們的問題。

其中一個故事特別打動 Brian。他的太太用 AI 一步步引導自己完成了孩子的 IEP（個別化教育計畫）申請。IEP 是美國特殊教育體系裡出了名複雜的流程，充滿官僚術語和各種表格，很多家長在這個流程裡花幾個月跟學校來回交涉，焦慮到失眠。她的做法是把整個流程攤在 AI 面前，然後一步一步問：下一步該做什麼？這個表格要填什麼？學校回了這封信，我該怎麼回應？就像 Brian 用截圖問 Claude「該按哪裡」一樣，她用文字問 AI「該怎麼走完這個流程」。不需要懂特殊教育法規，不需要請律師，AI 就是她的即時顧問。

Brian 的建議很實際：讓 AI 面試你。不是你去問 AI「你能幫我做什麼」，而是反過來，讓 AI 問你：「你的工作每天在做什麼？哪些任務是重複的？哪些讓你覺得很煩但已經習慣了？」讓 AI 幫你盤點那些你痛到麻木、不再意識到可以改善的流程。然後從最小的一個開始，試著讓它好 30%。不需要做 app，不需要學寫程式，可能只是一個自動整理收件匣的規則，或者一個幫你摘要會議紀錄的流程。

他給了一個很明確的時間表：不要等 18 個月後老闆宣布公司要導入 AI 時才開始學。現在就悄悄地做。最壞的結果是你學會了更好的提示技巧。最好的結果是六個月後你帶著自己做的自動化工具去找主管，成為辦公室裡最早擁抱 AI 的人，比公司的官方導入計畫早了一整年。

反向 Claude Code：讓 AI 管住你的注意力

Chris Messina 在節目尾聲分享了他最瘋狂的個人 AI 專案，他稱之為「反向 Claude Code」。

一般的 AI 使用方式是人類告訴 AI 要做什麼。Chris 想反過來：讓 AI 告訴他該做什麼。具體來說，他透過 MCP（Model Context Protocol）把 Claude 連上他的 Things 任務管理器、Apple 提醒事項、行事曆和電子郵件。Claude 因此有了他生活全貌的視角：他說要做什麼、他實際在做什麼、哪些事情到期了、哪些被拖延了。每一週，Claude 會給他一份報告：你一月設定的年度目標是 X、Y、Z，但過去這一週你把時間花在 A、B、C 上面。這些東西跟你的目標有關嗎？你要怎麼處理？

Chris 坦承自己有嚴重的 ADHD 傾向。新鮮事物對他有致命的吸引力，而 AI 時代新鮮事物每天都在冒出來，每一個都很閃亮、每一個都讓人想立刻去玩。他需要一個外部機制來保護注意力，不讓自己被閃亮的新東西拉走。「反向 Claude Code」就是他的注意力防護罩。不是 AI 幫他做事，是 AI 幫他確認他在做對的事。

這個概念聽起來前衛，但底層的問題非常普遍。很多人不是不夠努力，而是努力的方向被太多干擾拉偏了。你明明設定了這一季的目標，但回頭一看，過去四週有一半時間花在「有趣但不重要」的事情上。AI 可以當一面鏡子，冷靜地反映出你的實際行為和宣稱目標之間的落差。能不能接受這面鏡子告訴你的東西，就看你自己的選擇了。

我的觀察：抗拒的代價會複利

Brian 父親的故事裡最讓我在意的，不是「他抗拒電腦」這件事本身，而是他逃離了一次，卻沒能逃離第二次。他從 GM 的財務部門跳到教室，以為離開了科技的衝擊範圍。但電腦不只進了辦公室，它進了所有地方。等他發現教書也需要用電腦的時候，他已經沒有力氣再適應一次了。

我覺得抗拒新技術的人不一定是懶，也不一定是笨。很多時候，抗拒來自一種合理的恐懼：新技術讓你覺得自己花一輩子累積的能力突然不值錢了。一個在 GM 做了二十年財務的人，他的自我認同就建立在那套技能上面。電腦跑進辦公室，不只是換了一個工具，是對他專業身分的否定。換成我，我也會抗拒。

但問題是，抗拒的代價會複利。第一年不學，差距可能是 10%，你還能應付。第二年不學，差距拉到 30%，你開始覺得吃力。第三年，周圍的同事都已經在用了，你還在原地。到了第四年，你跟他們已經不在同一個世界裡了。這不是線性的落後，是指數型的脫節。

帕斯卡賭注的優雅之處在於它跳過了所有的情感包袱。它不要求你相信 AI 會改變一切，不要求你喜歡 AI，不要求你成為 AI 傳教士。它只問你一個數學問題：投入學習的代價是什麼？不投入的代價是什麼？兩邊不對稱。Brian 說得直白：你不用成為 Swix 或 Dan Shipper 那種 AI 原生創作者，不需要在家裡架一台 Mac Mini 跑 OpenClaw。你只需要讓 AI 面試你的工作、找出一個痛點、試著改善 30%。就這樣。

但我想補充一點 Brian 沒有明說的：學 AI 最大的障礙往往不是時間，不是技術，是身分認同。「我不是那種人」「我是文科的」「我都五十歲了學這個幹嘛」。這些內在敘事才是真正的牆。Brian 的帕斯卡賭注之所以有效，是因為它繞過了這面牆。它不要求你改變你是誰，它只要求你試一次。一次就好。如果沒用，你什麼都沒損失。如果有用，你可能會發現那面牆根本不存在。