我認為在 AI 時代，最值得培養的能力就是：打造一套屬於自己的 AI 知識系統。
什麼意思？簡單說，就是把「吸收知識」這件事，從頭到尾都用 AI 來幫你。從資訊的收集、整理、濃縮到實際應用，每一步都讓 AI 當你的助手，而你只需要專注在真正的核心：理解和思考。
為什麼需要做這件事？
2026 年開春，各大研究機構和商業媒體都在講同一件事——AI 越來越強，人類能力也隨之提高。
但同一時間，另一件事也在發生：培養這些能力的「入門路徑」正在縮小，甚至消失。
這篇想跟你聊三件事：
1. 2026 年 AI 趨勢到底在告訴我們什麼
2. 在 AI 時代，個人該怎麼建立專業能力
3. 為什麼你現在就該開始建立個人 AI 知識系統
一、2026 年 AI 趨勢：消失的不是工作，而是「養成機會」
先看幾個關鍵訊號。
Pluralsight 2026 科技預測指出，自疫情以來大型企業入門級技術職位減少 50%，且仍在下降。
Fortune 引述哈佛追蹤 28.5 萬家企業、6,200 萬名工作者的研究：導入 AI 的企業中，初階職位確實縮減。
同一篇 Fortune 報導中，NC State 的 Mark Beasley 直指核心：知識某種程度上已經接近免費，真正稀缺的是思考能力。
Robert Half 經濟學家 Julia Coronado 點出關鍵難題：如果人工智慧正在取代傳統的初階職位，而我需要的是中階人才，缺乏初階職位的養成訓練，他要怎麼樣成為中階人才呢？
你覺得具備什麼樣的能力，方可稱為人才？
我個人認為，就是判斷力以及決斷力。這些能力通常需要經過多年在基礎工作上的磨練，才能逐漸培養。
然而，過去這些用來磨練判斷力的基礎工作，現在正逐漸被自動化取代。
以前你要成為分析師、顧問、律師，往往會先做大量基礎工：整理資料、做比對、翻案例、寫初稿。這些看似重複的工作，其實都在訓練你的思考肌肉。
這些基礎工作被 AI 壓縮後，新的問題就來了：沒做過基礎工的人，怎麼能夠有自己的洞見？
如果初階工作被 AI 取代，去哪裡找中高階人才？
全球共識：真正有價值的是「人類能力 × AI 協作能力」
我看到了上述報告之後，又多做了一點研究，幾乎大部分專家的意見都是一致的。
新技能職缺薪資可高出 3%–15%，掌握技能越多，薪資越高。說明了跨領域的重要性。然而一般的上班族職缺正受到擠壓，預估全球近 40% 工作受 AI 驅動轉型。
人工智慧工具不會取代人類技能，但正在改變人們需要擅長的技能類型。僅僅兩年間，要求具備 AI 技能的職缺數量增加了近七倍，增速超越其他任何技能。然而，絕大多數人類能力在 AI 時代依然不可或缺，改變的是這些能力的應用場景，以及人們如何將它們與智慧工具協同運用。
初階工作被 AI 取代，企業正也面臨調整，並學習如何重新定義工作職責。而我們一般人應該思考的，就是如何培養新的專業能力。
領域專業 × AI 素養，才是新的專業能力。
這裡的 AI 素養，不只是會用工具，而是你能不能：
問對問題
判斷輸出品質
修正方向
把 AI 嵌進實際工作流程
你不要以為我在這空口瞎說，覺得好像這也不過就是用個 AI 嘛，不算是什麼特殊的能力。如果你這麼覺得的話，那你就錯了。
X 平台上有一篇 100 多萬瀏覽率的文章《地球上有81億人口，只有0.3%的人付費使用人工智慧。這機會實在太可惜了》，這篇文章展示了底下圖示，圖表顯示：
1. 灰色的部分：完全都沒有使用過 AI 的人
2. 綠色的部分：指免費的使用者，大概就是免費使用 ChatGPT 這種工具
3. 黃色的部分：指有付費的 AI 使用者
4. 紅色的部分：拿 AI 來開發自己的工具的人
所以現在真的是一個極為分化的世界。有許多初階的工作正逐漸因為 AI 而消失，但事實上，卻有很多人根本就沒有用過 AI。他們的公司也都完全沒有導入過 AI。
因此，現在正是你好好培養能力的時候。
二、AI 時代怎麼建立能力
所以應該怎麼辦？現在就訂閱 AI，做什麼事都交給它嗎？
等一下，先看看這一個研究：
OECD《Digital Education Outlook 2026》指出：AI 的確能提升學生作業品質，但在「沒有 AI」的考試情境，這個優勢可能消失，甚至反轉。
換句話說，如果我們什麼都讓 AI 代勞，把它給的答案直接複製貼上，表面上看起來好像自己變強了，但實際上只是把思考外包給了工具。
所以在 AI 時代，我們真正該練的不是怎麼用 AI，而是怎麼在 AI 幫你過濾完大量資訊之後，從中挑出真正重要的東西，內化成自己的能力。
AI 真正的價值，是幫你把技術門檻抹平。很多事情你不需要從零學起，AI 就能幫你搞定。
舉個例子，假設你是保險業務員，想架一個網站讓客戶更方便查詢保險資訊。你不必先去學寫程式，AI 就能幫你把網站做出來。
你真正應該花時間深化的是：你對客戶需求的觀察力，以及你對保險知識的掌握程度。這些才是 AI 取代不了的東西。
所以使用 AI ，必須要格外的小心即將到來的「知識落差」，在未來，用 AI 深化思考的人，與用 AI 逃避思考的人，差距會越拉越大。
三個可執行策略（現在就能開始）
策略 1：在技術知識和商業價值之間架起橋樑
最稀缺的人才是橋樑型人才。
在 Deloitte 日本報導中，提到「紫色人才」（パープルピープル）。商業知識是藍色，技術知識是紅色。最缺的不是純藍或純紅，而是把兩者混在一起的紫色，也就是在技術能力和商業價值之間架起橋樑的人。
所以你不需要具有專業的工程知識，可是你要有能力，能夠把商業知識跟技術知識，藉由 AI 的能力把它們融合在一起
這種人，通常就是團隊裡最難被替代的那位。
因此，除了你的本業能力應該繼續培養以外，現在就開始在你的工作中納入 AI 工具的使用。
在 2026 年 2 月的當下，我最推薦你使用的是 Claude Desktop，如果你有一些技術能力，也可以試試 OpenClaw。這兩個工具都可以幫助你做到智能自動化。
策略 2：建立技能組合，不押注單一技能
我以前在大學工作，早在 AI 出現以前，高等教育學界就在談我們應該要有多個專長。
在最早的時代，其實是「I 型人才」，也就是這輩子只需要學會一技之長。
可是這個世界越來越捲了。
「I 型人才」已經不夠了，學界開始強調跨領域的能力，能夠跟其他的專家合作，這就叫做「T 型人才」。
到現在這個時代，T 型人才也不夠了。
最好可以變成「π 型人才」，具有兩個以上的深度專長。
那未來還會變成什麼？「米字型」人才嗎？
但是我覺得，大家也不要想說這很困難。應該這麼說，我們過去可能會花 1,000 個小時去學習單一的技能，可是一個技能我們經常使用到的能力，其實大概只有 20%。
那你學習這 20% 不需要花太久的時間。換句話說，我認為我們應該針對自己真正在乎、擅長的能力去鑽研。至於其他的技能，比如說你是保險業務員，其他的技能例如：
1. 自動化
2. 大數據分析
3. 程式設計
我們大概就學個 20% 就好了，不足的部分由 AI 來幫我們補足。
策略 3：刻意培養你的個人觀點
AI 是用大量人類寫過的書、文章和各種資料訓練出來的，所以它擁有的是人類已經整理好的知識。再加上工程師的刻意調校，它產出的答案往往很通順、很標準。
但如果你用 AI 用久了，會發現一件事：AI 的回答，特別是遇到需要判斷的問題時，常常給人一種隔靴搔癢的感覺。
你不能說它錯，但它就是不夠精準，沒辦法真正切中你的處境。
因為 AI 學的是所有人的知識，給的是一個「平均值」的答案，而你面對的是你自己獨特的情境。
正因為如此，我們更應該刻意去鍛鍊自己的觀點，也就是根據自身的知識和經驗所建立起來的判斷框架。
由於我們需要的是跨領域的能力，所以 AI 負責幫我們補強的，就是跨領域的部分。AI 負責把它學過的東西整理好端上來，而你看完之後再決定怎麼用。
畢竟最後做決定的是人，負責承擔結果的也是我們。
三、為什麼你現在就該建立個人 AI 知識系統
過去一年中我自己的觀察。
AI 時代最值得投資的，不只是工具，而是你的個人 AI 知識系統。
因為通用知識正在快速地貶值，凡是你能夠 Google 到、問 AI 就有、影片一搜就能看的內容，價值都在下降。
真正會增值的是什麼？
是你長期累積的判斷、脈絡、取捨標準、實作經驗，也就是你的個人智慧。
問題是，多數人的個人智慧都散落在：
腦中一閃而過的想法
看完就忘的文章
做完沒整理的專案
聊天裡出現但沒留下的洞見
這些如果不系統化，時間一過就流失。
你不要以為接下來我就要推銷什麼課程，割你韭菜。
雖然我自己也是有一些付費課程與社群的，但對於「個人 AI 知識系統」，我其實也還在摸索。
底下是我提出的一些看法，也歡迎你留言，說明自己的意見。
我自己的做法
要打磨個人獨特的觀點或洞見：
1. 讀深度內容：書、長文、研究報告，建立思考框架。
2. 多方交流：參加聚會，跟不同背景的人對話，補盲點。
3. 用 AI 實作：把知識轉成作品與自動化流程。
4. 持續記錄與提煉：把閱讀、對話、專案反思，收進同一套知識系統。
至於我讀書、與人交流後得到的心得，還是我用 AI 實作的記錄，這些內容我究竟要放在哪裡？
我建議放在本地端，做一個本地端的 AI 知識庫。
在前幾期（EP-61、EP-62），我分享過自己的做法：
把內容系統化備份到本地，讓 AI 代理可讀取、整理、再利用，並整合進日常工作流。
我認為這麼做，可以把零散資訊，變成可持續放大的個人能力。
當 AI 能力越強，你的競爭力就越取決於：
你能不能把自己的知識、經驗與觀點，沉澱成一套可運作的系統。
工商時間
如果你也想把 AI 真的用進工作，而不是只停在「會聊天」，
我有經營一個付費社群「社畜進化論」，專門給想提升工作效率的上班族。
裡面目前有：
基礎課程
AI 知識管理（ChatGPT、Gemini、Perplexity、NotebookLM、Notion、Antigravity AI）
AI Coding（用 ChatGPT 開發 Google Apps Script，串接 Google 生態工具）
AI 自動化（n8n 工作流）
持續更新內容：每月至少 2 則研究筆記、實戰腳本或講解影片
社群問答交流：遇到卡點可直接討論
課程優惠：進階課程有會員折扣
