AI是否真的會搶走人類的工作？(這篇有實際使用中的職場案例可以解惑)
在撰寫這次的文章標題前，筆者自己來分享一段在近日幾天經歷過一段十分有趣的工作日常紀錄，當然，一定是跟下面這一張Excel截圖內容以及Google Gemini 1.5 Flash或Google Gemini 1.5 Pro、Google Gemini 2.0 Flash、Google Gemini 2.0 Flash Thinking本身的推理能力有100%的關聯性，請務必仔細聽我娓娓道來。
(可自動生成Multi-Chain Reasoning提示詞內容的Gem管理工具，延伸閱讀：集結當前四種Ai技術最強夢幻組合)
第一個實際職場上的生成式AI使用例：車輛管理
整件事情的起源，最初是這樣，由於筆者才剛從其他的產業類別，橫跨進來這個未曾接觸過的交通運輸業部分(簡單說就是相關的工作經驗是零)，截至目前為止也才僅待了四個月的時間(註：正在寫這篇文章的時候)，那為了能趕上其他同事累積多年以來的學習進度呢，於是就自行製作了這一張可以透過Excel來掌管車輛停放位置的超強工具，如下圖所示。
影片效果：
這邊筆者要先解釋一下，這張Excel不是完全單靠生成式ai工具來完成的，這張Excel背後是集結了同事們在工作領域上的無償知識分享 + 筆者自己長期手寫累積的職場工作筆記 + Google Gemini 1.5 Flash一起共同完成的，基本上Google Gemini 1.5 Flash在這裡的情境，只有協助提供我關於Excel的公式的需求支援部分這樣。
那它的唯一好處就是，能夠把車輛管理這件事，輕鬆實現完全模組化，同時在筆者離職、未來新人任職該產業時(即便是沒有相關經驗)，也能在30分鐘內快速理解上手所需的知識與完成車輛的停放順序規劃，這也符合降低門檻這件事的標準，未來也能無痛整合ai agent(Ai代理人)的應用。
延伸閱讀：
Ai工作流的學習指南
第二個實際職場上的生成式AI使用例：機動調整大眾運輸工具的時刻表
於是，整件事情發展來說，真的是說巧也真的是有夠巧合的，因為我人在西元2024年10月18日中默默更新這一篇「Ai推理」的標準定義是什麼？的內文時，就在隔天西元2024年10月19日凌晨時分，就很剛好臨時遇到同事請病假，隨即就直接在筆者的手機上實際操作、臨時上陣測試這一段完全不在預期之內、完全零腳本的突發事件了，當然，這部分就真的是100%完全仰賴Google Gemini 1.5 Flash的視覺推理能力來完成的，剛好也一圓了主管的「班次調整作業給自動化」訴求，雖然是透過多重思維鏈(MCR，Multi-Chain Reasoning)提示詞來實現：
影片實測：
第三個實際職場上的生成式AI使用例：調閱抓取行車影像檔案
這邊，以我自己平常其中的一個工作項目為例，由於我的工作內容是行政為主，但有時候會需要配合公司要求去調閱監視器的檔案，偏偏行車影像的監視器是沒有GPS定位，所以實際上的影像紀錄的時間，會相差10~15分鐘不等的差異，那我要怎麼讓調監視器這件事變得更有效率？我絕對不會告訴別人請用心算的方式來抓監視器影像，那樣就太浪費時間、沒有效率可言了。
那要怎麼做才有效率？這邊我會直接使用生成式AI工具，加速輔佐完成這項調帶子的工作。
例如說，公司臨時發公文說要調閱「OO月OO日OO點OO分在A地點到B地點OO點OO分的影像檔案」好了，那我使用生成式AI的步驟方法也很簡單：
假設我事先用A欄位表格計算出來點位發車到指定站牌位置的紀錄時間軸是48分鐘，那麼，我只要在B欄位表格上輸入影像中實際車輛的出發時間軸，直接加上先前表格上計算出來的48分鐘出來就行了，然後再加1分鐘上去，就會是那個站牌出現在影像上的時間點，因此我完全不用緊盯螢幕內容，就能抓到公司長官要看的投訴部分。
最後，我直接做成表格來達成快速計算：
第四個實際職場上的生成式Ai應用例：支援路線與調整班距
這部分就很仰賴模型本身的推理與決策的能力，必須要將多個不同的發車時間，進行調派支援外，還要進行班距時間上的調整優化，而且這個部分基本上是沒有任何標準答案可言，因此，倘若模型本身只會進行文字接龍的話，可是會無法勝任此項目的工作流程。
影片實測：
第五個實際職場上的生成式AI應用例：時間表直接轉成Google日曆格式
這個簡單講就是，可以直接將旅遊行程、出勤班表生成一張Google日曆格式的Excel檔，然後匯入Google日曆後，就能直接同步到手機上顯示，使用方法也簡單，直接輸入開始與結束的時間及日期、地點即可。
影片實測：
後來就直接改用擴充套件處理：
之後就會主動顯示：
第六個實際應用於職場上的生成式Ai應用：自動填寫。
在已有預先統一公版訊息範本的前提下，就能透過這樣的方式實現自動填寫，最後就能直接複製貼上回報公司Line群組，然後也可以搭配Ai Agent（Ai代理人）來實現自動複製貼上到公司LINE群組的流程操作。
第七個實際應用於職場上的生成式Ai應用：查詢公司駕駛保管車輛。
由於我平時的眾多工作內容之一，有時候是需要開報修單給維修組人員，所以我必須要能清楚知道哪些公司車輛的是交給哪一位司機負責保管的，像這種時候，我就會全權交給Google Gemini 1.5 Pro內建的Gem管理工具，直接導入一份完整的人車名單，以方便日後透過Google Gemini 1.5 Pro進行查詢。
第八個實際應用於職場上的生成式Ai應用：生成機動班次。
這也是我平常的眾多工作項目之一，因為有時候新人司機剛下站報到的時候，會跟車見習一段時間，之後就要考慮自行開車上路行駛，於是呢，我這邊就要負責安排一單臨時的機動班次。
影片實測：
第九個實際應用於職場上的生成式Ai應用：修正CSV格式班表
第一個實際職場上的生成式AI使用例：車輛管理
整件事情的起源，最初是這樣，由於筆者才剛從其他的產業類別，橫跨進來這個未曾接觸過的交通運輸業部分(簡單說就是相關的工作經驗是零)，截至目前為止也才僅待了四個月的時間(註：正在寫這篇文章的時候)，那為了能趕上其他同事累積多年以來的學習進度呢，於是就自行製作了這一張可以透過Excel來掌管車輛停放位置的超強工具，如下圖所示。
那它的唯一好處就是，能夠把車輛管理這件事，輕鬆實現完全模組化，同時在筆者離職、未來新人任職該產業時(即便是沒有相關經驗)，也能在30分鐘內快速理解上手所需的知識與完成車輛的停放順序規劃，這也符合降低門檻這件事的標準，未來也能無痛整合ai agent(Ai代理人)的應用。
延伸閱讀：
Ai工作流的學習指南
於是，整件事情發展來說，真的是說巧也真的是有夠巧合的，因為我人在西元2024年10月18日中默默更新這一篇「Ai推理」的標準定義是什麼？的內文時，就在隔天西元2024年10月19日凌晨時分，就很剛好臨時遇到同事請病假，隨即就直接在筆者的手機上實際操作、臨時上陣測試這一段完全不在預期之內、完全零腳本的突發事件了，當然，這部分就真的是100%完全仰賴Google Gemini 1.5 Flash的視覺推理能力來完成的，剛好也一圓了主管的「班次調整作業給自動化」訴求，雖然是透過多重思維鏈(MCR，Multi-Chain Reasoning)提示詞來實現：
第三個實際職場上的生成式AI使用例：調閱抓取行車影像檔案
這邊，以我自己平常其中的一個工作項目為例，由於我的工作內容是行政為主，但有時候會需要配合公司要求去調閱監視器的檔案，偏偏行車影像的監視器是沒有GPS定位，所以實際上的影像紀錄的時間，會相差10~15分鐘不等的差異，那我要怎麼讓調監視器這件事變得更有效率？我絕對不會告訴別人請用心算的方式來抓監視器影像，那樣就太浪費時間、沒有效率可言了。
（圖片來源：Google Gemini1.5 Pro生成）
那要怎麼做才有效率？這邊我會直接使用生成式AI工具，加速輔佐完成這項調帶子的工作。
例如說，公司臨時發公文說要調閱「OO月OO日OO點OO分在A地點到B地點OO點OO分的影像檔案」好了，那我使用生成式AI的步驟方法也很簡單：
假設我事先用A欄位表格計算出來點位發車到指定站牌位置的紀錄時間軸是48分鐘，那麼，我只要在B欄位表格上輸入影像中實際車輛的出發時間軸，直接加上先前表格上計算出來的48分鐘出來就行了，然後再加1分鐘上去，就會是那個站牌出現在影像上的時間點，因此我完全不用緊盯螢幕內容，就能抓到公司長官要看的投訴部分。
這部分就很仰賴模型本身的推理與決策的能力，必須要將多個不同的發車時間，進行調派支援外，還要進行班距時間上的調整優化，而且這個部分基本上是沒有任何標準答案可言，因此，倘若模型本身只會進行文字接龍的話，可是會無法勝任此項目的工作流程。
這個簡單講就是，可以直接將旅遊行程、出勤班表生成一張Google日曆格式的Excel檔，然後匯入Google日曆後，就能直接同步到手機上顯示，使用方法也簡單，直接輸入開始與結束的時間及日期、地點即可。
在已有預先統一公版訊息範本的前提下，就能透過這樣的方式實現自動填寫，最後就能直接複製貼上回報公司Line群組，然後也可以搭配Ai Agent（Ai代理人）來實現自動複製貼上到公司LINE群組的流程操作。
由於我平時的眾多工作內容之一，有時候是需要開報修單給維修組人員，所以我必須要能清楚知道哪些公司車輛的是交給哪一位司機負責保管的，像這種時候，我就會全權交給Google Gemini 1.5 Pro內建的Gem管理工具，直接導入一份完整的人車名單，以方便日後透過Google Gemini 1.5 Pro進行查詢。
這也是我平常的眾多工作項目之一，因為有時候新人司機剛下站報到的時候，會跟車見習一段時間，之後就要考慮自行開車上路行駛，於是呢，我這邊就要負責安排一單臨時的機動班次。
第九個實際應用於職場上的生成式Ai應用：修正CSV格式班表
上傳csv格式班表的平台，因上傳出現錯誤資訊，所以必須進行檢查：
由於發現，尋找CSV錯誤的地方反覆上傳測試，整體來說還是太浪費時間：
後來就改成用生成內容的方式解決：
第十個實際應用於職場上的生成式Ai應用：印製血壓卡
由於這是每天都在重複執行的流程，加上Word檔部分已經預先做好模板。
因此，我只需要詢問Google Gemini 2.0 Flash，如何讓兩個本地端的Excel檔案資料進行連結即可。
(欄位上有0、有0%的就是我重複性高的部分，直接在另一個Excel檔輸入完成後，就能自動同步過去了，至於憑單編號，直接改第一欄位號碼，就能同時全部改動。)
附上不同出勤人數的使用說模板說明：(對應變數問題)
效果影片：
第十一個實際應用於職場上的生成式Ai應用：尿素、水電費、鐵條、封籤盤點統計彙報
(這邊是使用Google Gemini 2.0 Flash模型測試。)
由於每個月的月底，都要進行例行性的回報尿素部分，所以，我都直接使用Google Gemini 2.0 Flash進行目測推理：
每個月的月初第一天，則會有電費統計，同樣我也是直接使用Google Gemini 2.0 Flash解決：
後來，每月的電費統計、每月的封籤鐵條盤點、每天要拿的數量也都被我直接做成整年份的表格循環自動化了。
這邊簡單的說明一下，黃色區塊的部分，代表都有預設好相對應的自動化公式，白色的部分代表要自己手動輸入，只要白色部分輸入完了，就會自動填入在下個月份的黃色區塊。(這邊指的是水電費抄表)
欄位效果說明：
流水編號：因為不用事先盤點，光看就能知道當日要從幾號拿到幾號。
庫存數量：主要是用於登載於紙本上，一樣不用人工盤點。
剩餘數量：已經用掉多少數量，一樣不用盤點，主要是用於公司群組回報數量。
進貨庫存：從補貨欄位與使用數量計算出來的當前實際庫存數量。
日期：根據網路上的時間自動更新西元年份。
當月使用：填入當日的出勤人數後，就會開始同時自動計算相對應的數量、剩餘數量、流水編號。
站別：藍色區塊輸入之後，會連同左邊的電表回報欄位一併自動更新。
水電表回報：兩個月的數據格式已制定完成，主要是用於公司群組回報數量，一樣直接copy就能貼上，年份一樣會根據網路時間自動更新。
效果影片：
第十二個實際應用於職場上的生成式Ai應用：運用空班時間進行路線支援與調整班次
(這邊是使用Google Gemini 2.0 Flash Thinking模型測試。)
Google Gemini 2.0 Flash Thinking影片實測：
第十三個實際應用於職場上的生成式Ai應用：行銷話術
近期剛好遇到一位想拉我去買直銷產品、約見面的朋友，於是就被我製作成生成行銷話術的模組：
第十四個實際應用於職場上的生成式Ai應用：
這張表格每個月都要印製一次，所以，我也一併透過提問Google Gemini 2.0 Flash，將表格改造成可自動化，可依照當月的日期、月份、年份、星期進行自動同步更新的Excel公式。
第十五個實際應用於職場上的生成式Ai應用：
由於柴油管理系統臨時遇到內網掛掉，公司就會要求使用excel去手key資料，於是我就想到..........可以這樣子運用，於是，這個應用就是這樣子來的，正因剛好遇到公司內網掛掉，所以就順手測試它的效果如何了，畢竟手key不一定會比較快。
影片效果：
第十六個實際應用於職場上的生成式Ai應用：
像一般乘客遺失物的問題，依規定都要歸檔Excel 表格上，才方便日後依日期進行查詢，所以說，現在只要透過Google Gemini的視訊對話功能，就可以直接自動歸檔完成了。另外，像檢查滅火器的到期日統一登記，這招一樣可以用，當然，Google Gemini內建的Gem管理工具也能達成相同的效果。
效果影片：
第十七個實際應用於職場上的生成式Ai應用：
這張是使用Excel製作的柴油自動計算器，內勤人員只要KEY入加油機表數後，表格上就會直接自動計算出當日每一位司機各自加了多少柴油公升數，這主要是用來驗證司機加柴油時，是否有撰寫錯誤的問題外，同時也意在減少內勤人員在結算時的錯誤機率，當然，更可以結合前面第十五個生成式AI應用例，直接組合成一整套的工作流程，在月份日期欄位同樣也會自動更新、輸入駕員編號則會自動顯示出員工的名字，輸入車牌號碼則會自動顯示路線，完美與第一個實際職場上的生成式AI使用例相互整合。
結果，也意外同時解決了下圖這個問題：
「油槽與尿素都沒有精確的刻度值可以參考，那這樣子要如何知道具體的剩餘的數量到底為多少？」
柴油剩餘數量：
尿素剩餘數量：
效果影片：
第十八個實際應用於職場上的生成式Ai應用：
零售業交接班POS機自動化流程優化。因為想起以前在零售業的同事曾經抱怨過，交接班的工作流程效率真的不夠快、最怕前後班金流帳目對不清楚、怕新人始終無法上手。
第十九個實際應用於職場上的生成式Ai應用：
由於目前已經將Google Gemini 2.5 Flash模型設為預設模型後，gem管理工具表現反而更好了，過去在以前的幾個模型（Gemini 1.0 Flash、Gemini 1.5 Flash）是很難做到這種一整天的各種不同的尖峰時段、離峰時段限制的推理、決策、規劃體驗，如今換成2.5 Flash之後，調派車輛的決策、推理、規劃表現直接大幅升級。
這種問題本身對大多數的混合模型來說，將是非常高度複雜的真實問題，所以在回答方面會非常容易讓大多數模型出現各種幻覺，當然也無法單靠RAG或是n8n、MCP來去處理這一塊，因此，用戶自身的工作經驗，要如何有效的轉換成，實際有用的多重思維鏈(MCR，Multi-Chain Reasoning)指令，將直接決定「Gem管理工具」是否好用的關鍵之處。
第二十個實際應用於職場上的生成式Ai應用：
由於前面都是用Google Gemini去調整班次、班距，於是我決定在表格自動化上，再次寫下全新的一頁。
由於這是每天都在重複執行的流程，加上Word檔部分已經預先做好模板。
完成的結果如下：
附上不同出勤人數的使用說模板說明：(對應變數問題)
(這邊是使用Google Gemini 2.0 Flash模型測試。)
由於每個月的月底，都要進行例行性的回報尿素部分，所以，我都直接使用Google Gemini 2.0 Flash進行目測推理：
後來，每月的電費統計、每月的封籤鐵條盤點、每天要拿的數量也都被我直接做成整年份的表格循環自動化了。
欄位效果說明：
流水編號：因為不用事先盤點，光看就能知道當日要從幾號拿到幾號。
庫存數量：主要是用於登載於紙本上，一樣不用人工盤點。
剩餘數量：已經用掉多少數量，一樣不用盤點，主要是用於公司群組回報數量。
進貨庫存：從補貨欄位與使用數量計算出來的當前實際庫存數量。
日期：根據網路上的時間自動更新西元年份。
當月使用：填入當日的出勤人數後，就會開始同時自動計算相對應的數量、剩餘數量、流水編號。
站別：藍色區塊輸入之後，會連同左邊的電表回報欄位一併自動更新。
水電表回報：兩個月的數據格式已制定完成，主要是用於公司群組回報數量，一樣直接copy就能貼上，年份一樣會根據網路時間自動更新。
效果影片：
(這邊是使用Google Gemini 2.0 Flash Thinking模型測試。)
近期剛好遇到一位想拉我去買直銷產品、約見面的朋友，於是就被我製作成生成行銷話術的模組：
這張表格每個月都要印製一次，所以，我也一併透過提問Google Gemini 2.0 Flash，將表格改造成可自動化，可依照當月的日期、月份、年份、星期進行自動同步更新的Excel公式。
由於柴油管理系統臨時遇到內網掛掉，公司就會要求使用excel去手key資料，於是我就想到..........可以這樣子運用，於是，這個應用就是這樣子來的，正因剛好遇到公司內網掛掉，所以就順手測試它的效果如何了，畢竟手key不一定會比較快。
像一般乘客遺失物的問題，依規定都要歸檔Excel 表格上，才方便日後依日期進行查詢，所以說，現在只要透過Google Gemini的視訊對話功能，就可以直接自動歸檔完成了。另外，像檢查滅火器的到期日統一登記，這招一樣可以用，當然，Google Gemini內建的Gem管理工具也能達成相同的效果。
這張是使用Excel製作的柴油自動計算器，內勤人員只要KEY入加油機表數後，表格上就會直接自動計算出當日每一位司機各自加了多少柴油公升數，這主要是用來驗證司機加柴油時，是否有撰寫錯誤的問題外，同時也意在減少內勤人員在結算時的錯誤機率，當然，更可以結合前面第十五個生成式AI應用例，直接組合成一整套的工作流程，在月份日期欄位同樣也會自動更新、輸入駕員編號則會自動顯示出員工的名字，輸入車牌號碼則會自動顯示路線，完美與第一個實際職場上的生成式AI使用例相互整合。
如果要在懶一點，就是直接透過Google Gemini 2.0 Flash來建置手輸的表格資料內容，就能將手輸資料一次性複製貼上就能完成了，連計算機都不用拿了，因為當資料一填上去全部都算完了，當車牌輸入的時候就已經將資料庫建置歸檔、資料庫搜尋營運路線直接一次完成了，人為因素的失誤是0%。
「油槽與尿素都沒有精確的刻度值可以參考，那這樣子要如何知道具體的剩餘的數量到底為多少？」
零售業交接班POS機自動化流程優化。因為想起以前在零售業的同事曾經抱怨過，交接班的工作流程效率真的不夠快、最怕前後班金流帳目對不清楚、怕新人始終無法上手。
效果影片：
由於目前已經將Google Gemini 2.5 Flash模型設為預設模型後，gem管理工具表現反而更好了，過去在以前的幾個模型（Gemini 1.0 Flash、Gemini 1.5 Flash）是很難做到這種一整天的各種不同的尖峰時段、離峰時段限制的推理、決策、規劃體驗，如今換成2.5 Flash之後，調派車輛的決策、推理、規劃表現直接大幅升級。
這種問題本身對大多數的混合模型來說，將是非常高度複雜的真實問題，所以在回答方面會非常容易讓大多數模型出現各種幻覺，當然也無法單靠RAG或是n8n、MCP來去處理這一塊，因此，用戶自身的工作經驗，要如何有效的轉換成，實際有用的多重思維鏈(MCR，Multi-Chain Reasoning)指令，將直接決定「Gem管理工具」是否好用的關鍵之處。
第二十個實際應用於職場上的生成式Ai應用：
由於前面都是用Google Gemini去調整班次、班距，於是我決定在表格自動化上，再次寫下全新的一頁。
用法很直覺，只要看一下要欲調整的班次時間是尖峰還是離峰，然後把要調整的時間全部KEY上去，再對照一下紙本資料很快就會知道怎麼調整了。
(未完待續)
因此，根據上述的工作流程經驗，我們已經充分佐證一件事：
如果習慣把工具當成主角的人，往往會質疑工具的效用。使用者若有創意，任何工具都能發揮其價值；但若缺乏創意，很容易對工具產生懷疑。「師傅引進門，修行在個人」，工具只是輔助，人的能力才是關鍵。
比起討論一技之長，更重要的是學習如何擴展自己的知識與技能。生成式AI只是一種工具，若使用者過度依賴，反而可能限制了自身的創造力。
當我們質疑AI是否會搶走人類工作時，更應該反思自己是否真正掌握了多種技能和工具，並能靈活運用。如果連Excel都無法善用，又如何評估AI對就業市場的影響呢？
因為AI工具能不能導入於職場上，完全取決於四個基本條件：
一者，是對當前的行業工作流程了解有多少？
二者，對生成式AI工具的限制了解有多少？
三者，用戶具備的跨域知識持有多少？
四者，用戶能否將工作內容化繁為簡？
由於AlphaZero 的成功讓我想到，我可以將日常工作的流程和知識，轉化成生成式 AI 模型可以理解的自然語言指令。由於我每天都重複執行這些工作，我非常清楚每個操作步驟和細節。通過將這些知識 「教」 給 AI，它就能像 AlphaZero 在棋盤上找到最佳策略一樣，協助我完成工作，甚至提供更有效率的解決方案。
畢竟，職場上需要的人機協作概念，絕對不是叫模型幫我寫一篇論文，用來應付教授交差了事的程度應用，而是用戶要能直接從任職的工作中一眼就看出運作規則，再從當前實際遇到的問題中，一眼看出問題核心規則，好向Ai模型提問的應用，但也絕對不是刻意輸入什麼亂七八糟的提示詞就是，而是具體描述當前所遇到的問題內容(能上傳照片尤佳)，但這有個前提，用戶要先懂得拆解問題，才會得到正確的答案，如果用戶只會一股腦的把所有問題全丟上去提問，那只會得到不滿意的回應。
後記：
由於這份工作是靠30名同事輪值的，所以以成本來說，30人 * 38,000元台幣/人 = 1,140,000元台幣/月，這等於是我實際使用訂閱版Google Gemini一個月600元台幣費用下來，可以直接替公司省下來的人事成本，這3萬8月薪還是已扣除勞健保後的平均薪資所得，如果改以整數2000元/人來計算勞健保費用，還是賺爛。
因此，根據上述的工作流程經驗，我們已經充分佐證一件事：
如果習慣把工具當成主角的人，往往會質疑工具的效用。使用者若有創意，任何工具都能發揮其價值；但若缺乏創意，很容易對工具產生懷疑。「師傅引進門，修行在個人」，工具只是輔助，人的能力才是關鍵。
比起討論一技之長，更重要的是學習如何擴展自己的知識與技能。生成式AI只是一種工具，若使用者過度依賴，反而可能限制了自身的創造力。
當我們質疑AI是否會搶走人類工作時，更應該反思自己是否真正掌握了多種技能和工具，並能靈活運用。如果連Excel都無法善用，又如何評估AI對就業市場的影響呢？
因為AI工具能不能導入於職場上，完全取決於四個基本條件：
一者，是對當前的行業工作流程了解有多少？
二者，對生成式AI工具的限制了解有多少？
三者，用戶具備的跨域知識持有多少？
四者，用戶能否將工作內容化繁為簡？
由於AlphaZero 的成功讓我想到，我可以將日常工作的流程和知識，轉化成生成式 AI 模型可以理解的自然語言指令。由於我每天都重複執行這些工作，我非常清楚每個操作步驟和細節。通過將這些知識 「教」 給 AI，它就能像 AlphaZero 在棋盤上找到最佳策略一樣，協助我完成工作，甚至提供更有效率的解決方案。
畢竟，職場上需要的人機協作概念，絕對不是叫模型幫我寫一篇論文，用來應付教授交差了事的程度應用，而是用戶要能直接從任職的工作中一眼就看出運作規則，再從當前實際遇到的問題中，一眼看出問題核心規則，好向Ai模型提問的應用，但也絕對不是刻意輸入什麼亂七八糟的提示詞就是，而是具體描述當前所遇到的問題內容(能上傳照片尤佳)，但這有個前提，用戶要先懂得拆解問題，才會得到正確的答案，如果用戶只會一股腦的把所有問題全丟上去提問，那只會得到不滿意的回應。
後記：
由於這份工作是靠30名同事輪值的，所以以成本來說，30人 * 38,000元台幣/人 = 1,140,000元台幣/月，這等於是我實際使用訂閱版Google Gemini一個月600元台幣費用下來，可以直接替公司省下來的人事成本，這3萬8月薪還是已扣除勞健保後的平均薪資所得，如果改以整數2000元/人來計算勞健保費用，還是賺爛。
留言
張貼留言