前言
AI 的產出速度越來越快，但專業工作者面對的真實問題不是「AI 能不能做」，而是做出來的東西，你判斷得了嗎。Amazon 工程團隊因為缺乏驗證機制，三個月內蒸發 630 萬筆訂單。我們團隊的資深記者用 AI 跑新聞稿初稿，速度快了三倍——但前提是她有幾十年截稿日練出來的判斷力，知道哪裡要改、哪裡不能用。
差別從來不在工具。在使用工具的人，有沒有能力判斷產出的品質。
最近在工作中碰到一個場景，讓我對這件事的理解又深了一層。
同一個工具，不同的人用，產出完全不同
一位客戶決定自己用 AI 寫新聞稿。他的做法很聰明：找了幾篇我幫另一個客戶寫的新聞稿當範本，餵給 AI，請它比照架構產出一篇。
拿到初稿，一眼就看出問題。
第一段塞了好幾個重要資訊——公司背景、產品特色、未來重點發展方向——但從現在的產品特色完全無法理解這個未來方向是怎麼跳躍出來的。讀完第一段會覺得這是天馬行空的豪語。
更大的問題在議題切角。表面上看是一個市場痛點，但熟悉產業、了解使用者痛點的人就知道，那是一個假議題——看起來好像是真的，但其實這個推論沒有力道支持。AI 不會告訴你這個切角是假的，因為它沒有辦法判斷一個議題在真實的產業脈絡裡站不站得住腳。
AI 最常犯的錯誤，就是用「引領產業未來」「打造全新典範」這類空洞的詞包裝一切。但任何跑過線的記者都知道，他們要的不是願景宣言，是「你解決了哪個具體的營運痛點」。這種落差，AI 自己看不出來——因為在語言層面上，那些空話寫得很通順。
整篇看完，我很想直接重寫一篇。
AI 忠實地複製了範本的架構。但架構只是骨架。骨架裡面要放什麼內容、議題切角成不成立、資訊的邏輯順序對不對——這些判斷，AI 沒辦法替你做。
我自己也用 AI 寫新聞稿。同一個工具，有時候甚至是類似的 prompt 架構。但出來的東西跟客戶自己寫的完全不一樣。不是因為我的 prompt 比較厲害，是因為我在每一步都在做判斷：這個切角是好的議題嗎？時間點的選擇對嗎？這段話有槓桿出最大的力道嗎？
這些判斷不在 prompt 裡。在三十年的媒體公關經驗裡。
有意思的是，我給客戶的修改建議，客戶有時候會先拿去問 AI，確認方向一致了，才願意接受。AI 變成了客戶驗證專業建議的工具——這不是壞事，但反過來想：如果 AI 能確認這些建議是對的，為什麼它一開始沒有自己做對？因為 AI 驗證一個判斷，跟 AI 從零產出一個判斷，是完全不同的事。
還有一個很多人忽略的成本：糾正 AI 的錯誤，往往比重寫一篇還要花時間。因為你要先看出哪裡有問題，再判斷問題有多嚴重，最後才能決定怎麼改。對一個不熟悉這個領域的人來說，第一步就卡住了——你根本看不出問題在哪裡。最後省下來的不是時間，是花了更多高階主管的時間去處理一份品質不確定的東西。
AI 放大的是你餵進去的認知
這件事讓我想到一個更大的現象。
最近跟朋友聊天，很多人都在用 AI 做各種專業工作——財務分析、法律文件、行銷企劃、競品研究。用的人都覺得產出「還不錯」、「蠻有用的」。但如果拿給那個領域真正的專家看，評價往往完全不同。
一位做財務的朋友跟我說：不懂財務的人用 AI 跑出來的分析，對他自己可能覺得夠用——有圖有表有結論，看起來很專業。但真正做財務分析的人一看，就知道假設條件不合理、比較基準選錯了、結論方向根本站不住腳。
問題不在 AI。在於你不知道你不知道什麼。
AI 不會告訴你它的產出有問題。它只會很有自信地，把你的認知盲點放大成一份看起來很專業的文件。
這在新聞稿、品牌定位、對外溝通這些領域特別危險——因為這些文件不是放在電腦裡自己看的。它們會被記者讀、被投資人聽、被客戶評估。每一個經不起專業眼光檢驗的細節，在真實場景裡都會被放大。
不是 AI 不好用，是使用的前提被跳過了
回到那位自己寫新聞稿的客戶。他的問題不是「不應該用 AI」，而是跳過了一個關鍵步驟：在使用 AI 之前，先確認自己對這個領域的判斷基礎夠不夠。
新聞稿不是「會寫字」就能寫。它是一份要通過記者專業篩選的文件。什麼切角在當下的媒體環境有新聞價值？什麼數據引用方式經得起追問？什麼敘事結構能讓記者在三十秒內決定要不要報導？（延伸閱讀：科技新創的第一篇新聞稿——在按下「發送」之前，先問自己三件事）——這些判斷需要對媒體生態的深度理解。
品牌定位、投資人簡報、公關策略也是同樣的邏輯。AI 可以幫你跑得更快，但方向對不對，只有你自己能判斷。如果你對這個領域的認知還不夠深，AI 只會讓你更快地跑向錯誤的方向。
我們團隊在自己導入 AI 協作時也發現：學得最快的人，不是照著教學操作的，是直接拿自己的真實工作去碰壁、調整、再試的人。因為在這個過程中，他們在釐清哪些環節需要自己判斷、哪些可以交給工具。
這個釐清，沒有捷徑。
結語
AI 會持續進化，能做的事越來越多。但在任何一個專業領域裡，有一段「用經驗換判斷力」的過程是不能跳過的。
跳過了，你得到的不是效率，是一份你自己都無法判斷品質的產出。
AI 放大的是你已經有的東西。如果是判斷力，它放大判斷力。如果是盲點，它放大盲點。
參考資料
Amazon AI 編碼事件報導，經理人月刊，2026 年 3 月
聯絡 Esther：esther@mengxuan.tw 官網：www.mengxuan.tw
關於作者
Esther Chang 是萌宣有限公司創辦人，定位為科技新創品牌顧問，擁有數十年品牌敘事與媒體公關實戰經驗。她的三大核心服務為品牌敘事建置、媒體公關策略、領導者教練，目前正在修習 ICF 國際教練聯盟 ACC 認證。
關鍵字
AI 判斷力、新聞稿撰寫、AI 協作、媒體公關、品牌顧問、專業工作者、認知盲點