把 Anthropic 的 AI 原生分享，轉成一般工作也能用的判斷表。
AI 讓「做出東西」變便宜了。
但它沒有讓「判斷什麼值得做」變便宜。
這份表不是要你少用 AI，而是幫你在叫 AI 開做之前，先看清楚自己卡在哪一段：收集、整理、分析，還是決策。
先用 3 分鐘定位
把你現在想交給 AI 的任務寫下來：
| 問題 | 我的答案 |
|---|---|
| 我想讓 AI 幫我做什麼？ | |
| 這件事最後要支援哪個決定？ | |
| 如果 AI 很快做完，我要怎麼判斷它是對的？ | |
| 這件事如果做錯，誰要承擔後果？ |
如果最後兩題答不出來，先不要急著自動化。
STEP 01收集：資料從哪來？
這一段適合交給 AI，但前提是你要先知道資料來源能不能信。
| 檢查問題 | 我的答案 |
|---|---|
| 這些資料從哪裡來？ | |
| 有沒有過期、偏誤或缺漏？ | |
| 來源是第一手，還是轉述？ | |
| 哪些資料不能直接拿來用？ | |
| 如果資料錯了，後面哪個決策會受影響？ |
可以交給 AI：
- 整理來源清單
- 摘要大量文件
- 把資料分成主題
- 找出缺漏欄位
先不要交給 AI：
- 判定哪些來源最可信
- 決定缺資料時要不要繼續
- 把模糊資料當成事實
可直接貼給 AI：
markdown
我準備用以下資料做判斷：
[貼上資料或來源清單]
請先不要直接下結論。
請幫我檢查：
1. 每個來源可能的偏誤是什麼？
2. 哪些資料明顯不完整？
3. 哪些資訊需要再確認？
4. 如果我用這些資料做決策，最大的風險是什麼？
5. 請把「可直接使用」與「需要人工確認」分開列出。STEP 02整理：格式能不能用？
這一段通常很適合交給 AI，因為它重複、瑣碎、規則明確。
但整理不只是排版漂亮，而是要讓後面的分析真的能用。
| 檢查問題 | 我的答案 |
|---|---|
| 欄位定義清楚嗎？ | |
| 同一件事有沒有被用不同名字表示？ | |
| 缺值、異常值要怎麼處理？ | |
| 輸出格式誰要讀？人，還是另一個系統？ | |
| 整理完要用來做什麼判斷？ |
可以交給 AI：
- 重命名欄位
- 轉成表格
- 合併同類項
- 把長文整理成固定格式
- 產生第一版摘要
先不要交給 AI：
- 自動刪掉看起來不重要的資料
- 沒有說明就補空值
- 直接決定哪些異常值不算
可直接貼給 AI：
markdown
這是我整理前的資料：
[貼上資料]
請幫我整理成可分析的格式。
規則：
1. 不要刪除任何原始資訊。
2. 如果你合併了欄位，請說明合併邏輯。
3. 如果資料缺漏，請標記「待確認」，不要自行補值。
4. 最後輸出一份表格，並列出你不確定的地方。STEP 03分析：有沒有看錯？
AI 很擅長產生分析，但它也很擅長把不穩的推論講得很順。
這一段可以讓 AI 幫你找角度，但不要讓它直接替你關案。
| 檢查問題 | 我的答案 |
|---|---|
| 這個分析要回答哪一個問題？ | |
| 它用了哪些假設？ | |
| 有沒有其他合理解釋？ | |
| 哪些結論只是相關，不是因果？ | |
| 如果反過來看，會得到什麼不同答案？ |
可以交給 AI：
- 找模式
- 列出假設
- 做初步比較
- 產生反方觀點
- 找可能的盲點
先不要交給 AI：
- 決定哪個解釋最重要
- 把相關當因果
- 忽略商業、品牌、風險脈絡
可直接貼給 AI：
markdown
這是目前的分析結果：
[貼上分析]
請不要急著支持它。
請幫我做一次反向檢查：
1. 這份分析最依賴哪三個假設？
2. 哪些地方可能把相關誤判成因果？
3. 如果這個結論是錯的，最可能錯在哪裡？
4. 還有哪些替代解釋？
5. 最後請列出「可採信」與「需要再驗證」的部分。STEP 04決策：誰負責取捨？
越靠近決策，越不能只看速度。
因為這裡要處理的不是輸出，而是取捨。
| 檢查問題 | 我的答案 |
|---|---|
| 這個決策真正的目標是什麼？ | |
| 有哪些選項？ | |
| 每個選項的代價是什麼？ | |
| 這個決策誰要負責？ | |
| 做錯時，最壞結果是什麼？ | |
| 哪些標準不能交給 AI 決定？ |
可以交給 AI：
- 整理選項
- 列出利弊
- 補足風險清單
- 模擬不同情境
- 產生決策備忘錄初稿
先不要交給 AI：
- 替你決定價值排序
- 忽略責任歸屬
- 把「看起來效率最高」當成最好選項
可直接貼給 AI：
markdown
我正在做這個決策：
[貼上決策背景]
請幫我整理決策備忘錄。
但不要直接替我做決定。
請輸出：
1. 目前有哪些可選方案？
2. 每個方案的收益、成本、風險。
3. 這個決策需要哪些判斷標準？
4. 哪些標準必須由人來決定？
5. 如果選錯，最可能出現什麼後果？
6. 最後列出你建議我親自確認的 5 件事。一頁總表
| 段落 | 最適合交給 AI | 人要保留的判斷 |
|---|---|---|
| 收集 | 找來源、摘要、分類、標記缺漏 | 哪些來源可信、缺資料時要不要繼續 |
| 整理 | 轉表格、統一格式、合併同類項 | 哪些欄位不能丟、異常值怎麼處理 |
| 分析 | 找模式、列假設、產反方觀點 | 哪個解釋最重要、是否足以採信 |
| 決策 | 整理選項、列利弊、做備忘錄 | 目標排序、責任歸屬、最後取捨 |
最後一題
下次你想叫 AI 做一件事前，先問：
如果 AI 可以立刻幫我做完，我還要不要做？
如果答案說不清楚，先不要急著開工。
先拆對，再用對，AI 才真正幫得上忙。