當 AI 說「我建議你別買」，我反而買了

AI 的回覆大概長這樣：它先條列了這台裝置的優點，接著話鋒一轉，列出四點「不建議購買」的理由，最後給了一個折衷建議：「可以先借一台舊款試用兩週，或考慮入門款，等需求更明確再升級。」整段回答結構清楚、語氣客氣，甚至還提醒我「電子產品迭代快，建議關注下一代機型」。

老實說，如果我是幫朋友做決策的第三人，我會覺得這段建議非常中肯。但我是當事人，我知道它漏掉了什麼。於是接下來，我開始逐條拆解它的四個理由。

二、AI 說「別買」的四個理由，我逐一拆解

我把 AI 的反對意見整理成四條主軸，並在每一條旁邊寫下「它說得對嗎」與「它漏了什麼」。這個過程本身就很有價值，因為它逼我把模糊的「想要」翻譯成具體的「需要」。

理由一：價格與效能的邊際效益遞減

AI 的第一個論點很標準：這台裝置的規格相比入門款提升有限，但價格貴了將近一倍，邊際效益不高。這個說法在「純參數比較」的框架下完全正確。但它預設了一個前提：我買的是效能。

然而我買的不是效能，是「每天兩小時的舒適度」。入門款的螢幕較小、手寫延遲較明顯，對我這種要在晃動車廂裡做筆記的人來說，那些「帳面上差距不大」的規格，體感差距其實非常明顯。AI 用平均值計算邊際效益，我用的是一天兩小時、一年七百小時的實際接觸時間去算。這兩種算法都沒有錯，只是分母不同。

理由二：你已經有手機和平板了

這是 AI 最常出現、也最容易被忽略的一句話。它的邏輯是「功能重疊即浪費」。這句話在理財文章裡是金句，但在真實生活裡有個漏洞：功能重疊不代表使用場景重疊。

我的平板在家裡，主要用來看影片和處理工作；手機在通勤時用，但螢幕小、看久了眼睛痛。電子閱讀器解決的不是「我沒有裝置可讀」，而是「我在特定場景下沒有一個不傷眼、可手寫、電力撐得住的裝置」。AI 看到的是裝置清單，我看到的是場景缺口。這不是它笨，而是它拿不到我大腦裡那張「一天二十四小時場景地圖」。

理由三：新產品週期風險

AI 提醒我，這類產品大約一年一更，現在買可能半年後就後悔。這個提醒確實有價值，我後來也查了發表節奏。但這條建議有一個隱含假設：「等」是沒有成本的。

等待的成本是什麼？是我接下來半年繼續在手機上讀長文、繼續眼睛乾澀、繼續因為不方便而少讀好幾本書。AI 不會把「我這半年少讀的書」放進成本表，因為它看不到我的閱讀紀錄和眼睛疲勞。風險提示本身是對的，但它只計算了「買錯的風險」，沒計算「不買的損失」。

理由四：使用頻率的悲觀預估

AI 根據我提供的「過去閒置產品清單」，推論我可能有「買了不用」的傾向，因此建議降低購買誘因。這一點最讓我心服——它確實抓到了我的行為模式。但它給出的處方是「別買」，而不是「怎麼買才不會閒置」。

這兩者的差別很大。前者是否定需求，後者是解決問題。我後來做的事，是針對「閒置」這個病因下藥：設定明確的使用規則（只在通勤時用、每週至少三次）、把充電器放在包包裡、買保護套讓它隨時可攜。結果三個月下來，使用頻率反而比我原先預期的高。

三、我為什麼還是買了：五個 AI 看不見的變數

拆完 AI 的四個理由後，我發現它們大多成立，但都建立在「可觀測資料」上。而我最後決定購買的關鍵，幾乎都落在它觀測不到的地方。以下五個變數，是我認為 AI 在消費建議上最難處理的部分。

變數一：AI 用「平均使用者」取代了「我」

AI 的訓練資料裡有千百萬個「買了電子閱讀器但閒置」的案例，它自然會用這個母體的平均值來推估我。這在統計上是合理的，但在個體決策上卻可能是錯的。平均值是一種善意的偏見：它保護你避開大多數人踩過的坑，但也假設你就是大多數人。

我不是大多數人。我的通勤時長、閱讀習慣、眼睛狀況、對筆記的依賴程度，都讓我離平均值有段距離。AI 沒有說錯，它只是用一個「群眾的我」代替了「真實的我」。

變數二：有些價值無法被量化

AI 很擅長比較規格、價格、效能、評價數。但它很難量化「擁有一台專屬閱讀器帶來的儀式感」，也很難計算「因為裝置順手而多讀了五本書」的長期複利。

我知道「儀式感」聽起來很虛，但它有實際效果：當閱讀變成一個獨立、乾淨、沒有通知干擾的動作，我確實讀得更深、更久。這種價值不在規格表上，也不在 AI 的評分模型裡，卻是我願意付費的核心原因。

變數三：AI 的資訊有時間差

AI 的知識有截止點，它對最新韌體更新、實際使用者反馈、通路促銷的掌握，往往不如即時社群。它告訴我「這台的手寫延遲在評測中表現普通」，但我查了三個月內的用戶討論，發現一次更新後延遲已明顯改善。這不是 AI 的錯，而是它的資訊本質上有滯後性。把它當「起點」很強，當「終點」就危險。

變數四：購買行為本身就是一種學習

AI 的建議預設「買錯就是損失」。但我自己的經驗是，很多購買決策的價值，不在於買到完美的東西，而在於透過使用去校準自己的需求。買了不合適的裝置，你會更清楚自己在意什麼；買到合適的，你會更知道怎麼篩選下一件。

這種「用行動換取資訊」的價值，很難放進 AI 的成本效益模型，因為它無法預測你從中學到什麼。但對個人成長來說，它往往是最大的一塊回報。

變數五：後悔成本與錯過成本的不對稱

最後一點，也是我按下結帳鍵前最關鍵的思考：買錯的後悔，和錯過的後悔，不是對稱的。

買錯，最壞就是損失一筆錢，而且還能轉賣、送人、或當備用機。錯過，則是接下來半年、一年，每天繼續在不適合的裝置上閱讀，繼續眼睛不舒服、繼續少讀幾本書。前者是一次性的財務痛感，後者是持續性的生活品質折損。AI 傾向放大前者（因為它有明確數字），卻很難感知後者（因為它沒有身體）。

四、把 AI 當參謀，而不是司令：一套實用的決策框架

經過這次經驗，我沒有從此不問 AI，反而更常問了。差別在於，我調整了「問法」與「用它的方式」。以下四步，是我目前固定使用的框架，不管你買的是電子閱讀器、家電、課程還是機票，應該都能套用。

步驟一：先問「我的情境」，再問「該不該買」

很多人一開口就是「這台值得買嗎」，這等於把決策責任整包丟給 AI，也等於讓它用平均值回答你。比較好的問法是：「我每天通勤兩小時、主要讀 PDF、眼睛容易乾、預算兩萬內，請列出我買這台的三個理由與三個反對理由。」

把情境講清楚，AI 的答案會從「通用評論」變成「針對性分析」。這一步做得好，後面幾步才有意義。

步驟二：要求 AI 給出「反對意見」與「贊成意見」

AI 有一種「順著你」的傾向：你問「該不該買」，它容易給你一面倒的答案。你可以主動要求它「扮演反對者」，甚至請它分別用「節儉理財顧問」和「生活品質倡導者」兩種角色各寫一段。這樣做的好處是，你會看到同一組事實被兩種價值觀詮釋，然後你才知道自己真正站在哪一邊。

步驟三：把建議拆成「事實」與「判斷」

AI 的回答裡，通常混雜兩種東西：可查證的事實（規格、價格、更新週期）與價值判斷（值不值得、邊際效益高不高）。事實可以採信，判斷必須自己來。

我的做法是拿一支筆，把它的建議分成兩欄。左欄寫「它說的事實」，右欄寫「它的判斷」。然後我只針對左欄去查證、補充；右欄則拿來當「另一種觀點」參考，而不是結論。這個動作五分鐘就能做完，卻能大幅降低被 AI 帶著走的風險。

步驟四：事後回饋，讓 AI 認識真實的你

這一步最少人做，但最有長期價值。買了之後，我會回頭告訴 AI：「我買了，用了三個月，實際使用頻率是每週四次，最常用的是手寫筆記，最後悔的是重量。」

這不是為了讓 AI 記住我（多數對話不會長期保存），而是為了逼自己覆盤。當你把「預期」和「實際」並排，你會發現自己的預測準確度、也會發現哪些需求是假的、哪些是被低估的。下一次再問 AI，你的問題品質會高一個檔次。

五、AI 消費建議的三個結構性盲區

把視角拉高一點。這次經驗讓我意識到，AI 在消費建議上有三個不是「努力就能修好」的結構性限制。理解它們，比期待 AI 變得更聰明更實際。

盲區一：平均值陷阱

AI 的建議本質上是「根據大量相似案例，推估最可能的結果」。這對多數人是有效的，但對「離平均值較遠」的人，準確度會下降。偏偏會來問 AI 的人，往往就是因為自己情況特殊、拿不定主意。這形成一個微妙的錯位：最需要個人化建議的人，拿到的卻是最標準化的建議。

解法不是放棄 AI，而是主動把它從「平均值模式」推向「極端值模式」：明確告訴它「我和大多數人不一樣的地方在哪裡」，請它針對這些差異重新評估。

盲區二：風險規避的預設值

你會發現，AI 在多數消費建議裡，預設值都是「保守、觀望、別衝動」。這其實很合理，因為它的訓練目標之一就是避免給出有害建議。但這也意味著，它系統性地低估「行動的價值」與「等待的成本」。

對一個已經考慮三個月、做過功課、需求明確的人來說，「再等等」可能反而是最差建議。你需要自己判斷：現在的我，是缺資訊，還是缺勇氣？缺資訊就繼續問，缺勇氣就別再問了。

盲區三：缺乏長期脈絡

AI 看不到你三年後的樣子。它不知道你正在培養一個新習慣、不知道你明年要搬家、不知道你最近在調整生活節奏。而很多購買決策的真正價值，要在半年、一年後才顯現。

所以，與其問「現在該不該買」，不如問「如果我希望半年後養成每天閱讀的習慣，這台裝置會是助力還是阻力」。把時間軸拉長，AI 的回答會變得更有層次，你自己也會更清楚這筆錢買的是什麼。

六、結語：AI 的「不建議」是一種禮貌的提醒，不是判決

回頭看，我很感謝那次 AI 對我說「別買」。正因為它給了反對意見，我才被迫把「我想要」拆解成「我為什麼想要」、「我願意為此付出什麼」、「如果它沒用我會怎麼處理」。這些問題，如果它一開始就順著我說「值得買」，我大概不會認真想。

所以我的結論不是「AI 不可信」，而是：AI 的價值，在於它能把你的盲點講出來；但要不要照做，終究是你這個「擁有身體、擁有生活、擁有未來」的人要負責的事。

它像一位很會做功課、講話客氣、但沒住過你家的顧問。你可以聽它分析，可以請它反駁你，可以讓它幫你整理資料。但最後那一下點頭或搖頭，還是得由你來。

下次當 AI 又說「我建議你別買」，不妨先別急著關掉視窗，也別急著按下結帳鍵。花十分鐘，把它的理由逐條拆開，看看哪些是事實、哪些是平均值、哪些是它看不見的你。拆完之後，不管你買或不買，那個決定都會比現在更扎實。

而我呢？那台閱讀器現在躺在我通勤包的側袋裡，每天陪我來回兩小時。我不敢說它是今年最划算的一筆消費，但我可以確定——它是我今年想得最清楚的一筆。

🏠 返回首頁