商業物理 AI 實驗室 分析我們如何為學生準備人類與 AI 的互補性：技能、架構與工作的未來。為了模擬人類的工作流程以及與 AI 的互動，我們使用了以下三方面的 Base：

為了找出 2025-2030 年的 10 項關鍵技能，我們以世界經濟論壇的 2025 年未來工作報告、史丹福大學的 2024 年人類與人工智能角色研究、2025 年 7 月從加拿大 Indeed 獲取的 217 個人工智能工作的文獻分析，以及使用 100 多個人工智能彈性與非彈性職業模擬的工作流程工作任務繪圖（Workflow Job Task Mapping）為基礎。

在這些模擬過程中，我們共同將技能組織成我們所謂的 REACT 架構，這是一個主題支架，旨在解決人類與人工智能工作的真正挑戰。

REACT 架構 - 引導負責任的人類與智慧財產合作

• R - 使用 / 不使用 AI 的原因
  在讓 AI 參與任務之前，先定義目的與預期效益。
• E - 證據驗收與驗證計劃
  事先決定如何檢查、驗證和接受 AI 輸出。
• A - 問責性
  確定誰擁有決策、工作成果和後果。
• C - 限制
  釐清使用 AI 的道德、誠信、隱私和合規界限。
• T - 權衡
  在平衡人工智能和人力時，衡量速度、品質和判斷的影響。

人類與人工智能互補的十大技能

AI 不是一個神奇的按鈕。它是一種強大的工具，可以讓良好的判斷、乾淨的輸入和明確的意圖的價值倍增。這 10 項技能的目的很簡單：讓人類負責意義和決策，同時使用 AI 來加速枯燥的部分、浮現選項，以及銳化思考。

---

學習目標徽章

主題 1 - 知道何時該暫停

1) 我們可以......但我們應該這樣做嗎？

它是什麼
在您接觸 AI 之前，先要經過深思熟慮的檢查點。根據目的、道德與價值，決定某項任務是否應該自動化或輔助。

為何重要
它可以防止濫用、保護完整性，並避免卸載需要人為判斷的工作。

如何申請
快速問三個問題目標是什麼？誰會使用？存在哪些風險？如果任何答案模糊不清，請暫停並說清楚。

好的樣子
簡短的理由說明 AI 適用或不適用的原因，並儲存在專案筆記中。

常見陷阱

• 不經思考就跳進去。
• 使用 AI 是為了方便，而非必要。

快速練習
在本週每項 AI 任務之前，寫下三行「為什麼/為誰/風險」便條。

---

主題 2 - 建立正確的基礎

2) 整理資料

它是什麼
輸入品質控制。驗證資料、提示和原始資料的正確性、相關性和一致性。

為何重要
垃圾進、垃圾出的現象在人工智能上被放大。錯誤的輸入會產生誤導的輸出。

如何申請

• 以簡明的語言定義關鍵詞彙。
• 檢查新鮮程度和來源。
• 移除重複和明顯的離群值。
• 注意已知的差距和風險。

好的樣子
單一頁面的輸入規格：清潔的資料、清楚的定義、來源以及可見的風險。

常見陷阱

• 忽略團隊間相互衝突的定義。
• 假設輸入是有效的，因為它們看起來很整齊。

迷你清單
定義一致 - 記錄來源 - 核實日期 - 處理敏感資料 - 列出已知缺口

3) 迅速與拋光

它是什麼
使用 AI 快速起草，然後應用人類標準進行改進。

為何重要
AI 可以快速產生選項。人類會加入情境、優先順序和細微差別。

如何申請

• 要求 3 個有明確限制的變化。
• 比較、合併，並以您的口吻重寫。
• 針對缺口重新提示，而非要求完美。

好的樣子
精修草稿，註明哪些部分經過人工編輯，以及編輯原因。

常見陷阱

• 接受原始輸出。
• 忘記設定受眾、長度或語調等限制。

迷你技術
"給我三個大綱，每個都有不同的結構。我會結合並精煉。"

---

主題 3 - 讓權力掌握在人類手中

4) 不接受 - 檢查

它是什麼
針對準確性、偏差和清晰度進行結構化審查。

為何重要
AI 會犯自信的錯誤。檢驗與人類保持真實性和責任感。

如何申請

• 請 AI 根據核對表批判自己的輸出。
• 以獨立來源抽查事實。
• 標記您更改的內容和原因。

好的樣子
顯示驗證的追蹤變更版本或註解日誌。

常見陷阱

• 信任精緻的語言。
• 匆忙時跳過檢查。

檢查清單
事實準確性 - 資料來源支援 - 偏見掃描 - 受眾可讀性 - 可操作性

5) 殭屍處理基本工作，您來發號施令

它是什麼
將例行工作委託給人工智能。保持策略、框架和排序的人性化。

為何重要
您可以節省時間，卻不會放棄對意義或決策的主控權。

如何申請

• 指派格式、摘要和初稿給 AI。
• 人類會決定目標、順序、重點和取捨。
• 記錄最終決定擁有者的姓名。

好的樣子
任務分割時，AI 的工作會被清楚標示，而人類的決定則是明確的。

常見陷阱

• 讓 AI 提出決策建議，而非選項。
• 過度授權，直到沒有人知道為什麼會做出選擇。

機構護欄
"人工智能提議。我處理。最後決定："。

---

主題 4 - 從混亂的資料中發掘意義

6)閱讀資料的字裡行間

它是什麼
在統計摘要中加入人文背景。

為何重要
AI 可以看到模式，但看不到真實世界的原因、誘因或限制。

如何申請

• 詢問還有什麼可以解釋這種趨勢。
• 檢查季節性、促銷、政策變更或一次性活動。
• 與對照或基線對照。

好的樣子
將數字與實際發生的事件和限制因素相連結的洞察力。

常見陷阱

• 將相關性視為因果關係。
• 忽略平台外因素。

上下文提示
「哪些非數據因素可以解釋這一切？」- 「環境發生了什麼變化？」

7)資料轉故事

它是什麼
將結果轉化為可行的說明和決策點。

為何重要
領導者需要的是清晰度，而不是資料堆疊。

如何申請

• 回答三個問題：發生了什麼事？為什麼？接下來怎麼辦？
• 提出有權衡取捨的選項。
• 將每項建議與商業價值和風險掛鈎。

好的樣子
一份簡明扼要的摘要，包含 1 項建議、2 項替代方案，以及會改變您選擇的條件。

常見陷阱

• 在幻燈片中加入過多的圖表。
• 忘記說明清楚的下一步行動。

單頁決策備忘錄
目的 - 結果 - 選項 - 建議 - 風險 - 下一 步驟

8) 減少噪音

它是什麼
濾除雜念。只保留驅動行動的內容。

為何重要
太多的資訊會減慢決策速度或使決策脫軌。

如何申請

• 選擇 3 到 5 個對目前目標真正重要的指標。
• 將其他內容歸檔，以作參考。
• 每月審核入圍名單。

好的樣子
縮小的儀表板，可將每個指標連結至決策或所有者。

常見陷阱

• 「以防萬一」度量。
• 混淆了全面性和有用性。

訊號測試
如果某項指標無法改變決策，它就不屬於儀表板。

---

主題 5 - 引領變革 - 不要落在後面

9) 治理與糾正

它是什麼
將道德、可及性、公平性、隱私權和責任感納入程序中。

為何重要
未經檢查的人工智能可能會複製偏見並排斥人們。良好的治理可保護使用者與組織。

如何申請

• 執行公平性和可及性檢查。
• 記錄提示、版本和決策擁有權。
• 尊重資料最小化與同意。
• 記錄如何解決疑慮。

好的樣子
在簽核前提供滿意的核對清單，並提供稽核記錄，顯示誰在何時、做了什麼、為什麼要這樣做。

常見陷阱

• 將治理視為最後的任務。
• 沒有權衡取捨的文件。

入門清單
隱私性 - 安全性 - 可觸及性 - 偏見審查 - 可說明性 - 人的責任

10) 隨時學習

它是什麼
使用 AI 來加速您的學習循環，然後將您所學到的編成法典。

為何重要
AI 發展迅速。學得快的團隊適應得更快。

如何申請

• 每個專案結束後，記錄哪些有效、哪些失敗，以及有幫助的提示模式。
• 將改善變成小遊戲。
• 安排每月一次的「樣式分享」會議。

好的樣子
由提示、檢查清單和範例組成的活用遊戲手冊，每個週期結束後都會更新。

常見陷阱

• 運送並繼續前進，不加反省。
• 未能在團隊或專案之間轉移學習成果。

學習循環
嘗試 → 檢查 → 調整 → 編輯 → 分享