雅寶社區 · 頂客論壇 (AHPAL.COM)

🤖 AI 趨勢

十年後回頭看，AI 改變的不是工作，是我們怎麼說話

發表時間：2026 年 11 月 07 日 | 更新日期：2026 年 11 月 07 日 | 編輯：雅寶社區編輯團隊

為什麼工作沒有大規模消失

十年來，工作沒有大規模消失，有幾個結構性的原因。

第一，責任的問題沒有解決。AI 可以產出一份報告，但它不能為這份報告負責。當報告出錯、當決策造成損失、當客戶生氣，最終還是要有一個人在會議室裡被問「這是你做的嗎」。責任需要有人承擔，而承擔責任的人需要能夠解釋、能夠辯護、能夠道歉——這些都是語言行為。

第二，組織的運作需要協商。公司裡大部分的困難不是「事情做不出來」，而是「大家對怎麼做沒有共識」。建立共識靠的不是產出文件，而是開會、對話、爭論、妥協。AI 可以幫你寫會議記錄，但它不能幫你跟隔壁部門吵架。

第三，也是最重要的一點：人類對「有人參與」這件事有心理需求。跟客戶談判、跟員工溝通、跟合作夥伴建立信任，這些事情如果完全交給機器，對方會有被敷衍的感覺。人需要跟人說話，這件事情比效率更難妥協。

所以工作留下來了，但工作的內容被重新切分了。切分完之後，剩下來的那些部分，幾乎全部都是語言密集的工作。

二、語言從「溝通工具」變成「操作介面」

這是這十年最根本的變化：語言第一次大規模地變成了「操作工具」。

過去我們用語言來溝通，對象是人。我們用語言來說服、來安慰、來記錄、來表達情感。語言的功能是社會性的。但當 AI 成為我們日常工具的一部分之後，語言多了一個全新的功能：它是我們下指令、控制機器、取得結果的介面。

你不需要會寫程式，你只需要會寫話。這句話在十年前聽起來像勵志標語，現在則是每天都在發生的事實。而當語言變成介面，它就會被迫按照介面的邏輯演化——變得更精確、更有結構、更講究可執行性。

提示詞其實是一種修辭學

很多人以為「提示詞（Prompt）」是一種技術，學的是公式跟模板。但實際上，寫好提示詞更像是修辭學的練習。

你必須考慮你的讀者是誰（模型的能力邊界在哪裡）、你要達成什麼目的（你想要什麼樣的輸出）、你要用什麼樣的結構才能讓對方理解（要不要分點、要不要舉例、要不要先給背景）、你要怎麼避免誤解（哪些條件必須講清楚）。這些問題，跟你在寫一封信、寫一份提案、寫一篇論述時要考慮的事情，幾乎一模一樣。

差別在於，從前這些修辭技巧只有在面對重要的人、重要的場合時才需要動用。現在，你每天要跟機器說幾十次話，這些技巧變成了日常技能。

於是我們開始學會一些以前不會特別注意的事：把背景講在前面、把目的講清楚、把限制條件列出來、把不要的東西明確說出來。這些都是很基本的寫作原則，但以前我們寫東西是為了「讓人看得懂」，現在是為了「讓結果可用」——標準提高了。

從「搜尋關鍵字」到「描述意圖」

中間還有一段過渡期，是搜尋引擎的年代。那個時候，我們的語言習慣是「關鍵字化」——把想問的問題壓縮成幾個詞，丟進搜尋框，然後自己從一堆連結裡拼湊答案。

AI 把這件事反過來了。你不再壓縮，你開始展開。你要把整個情境講清楚，把你在意什麼、不在意什麼、已經試過什麼、為什麼不行，全部說出來。你要描述意圖，而不是提供關鍵字。

這個轉變聽起來很小，但它對語言習慣的影響非常大。習慣了「描述意圖」的人，回到跟人溝通的時候，也會開始習慣把話講完整。而那些仍然停留在關鍵字思維的人，則會發現自己越來越難把一件事情講清楚——因為他習慣了只講片段，期待對方自己補完。

對機器說話的方式，反過來塑造了對人說話的方式

這是語言學裡一個很經典的現象：你使用什麼樣的工具，工具就會反過來塑造你。

我們每天花在「跟 AI 說話」的時間，早已超過跟某些家人說話的時間。當你一天要寫二十次「請以專業但親切的語氣，針對以下三個重點，整理成 300 字以內的說明」，你的大腦就會被訓練成一種特定的表達模式：先講角色、再講任務、再講限制、最後講格式。

然後你會發現，你在跟同事交辦事情的時候，也開始用同樣的結構。「這個專案你負責，目標是下週五前完成初稿，範圍只做前三章，格式照上次那份。」——乾淨、明確、可執行。

這不一定是壞事。很多溝通不良的問題，本來就是因為話沒說清楚。但這也意味著，一種新的語言風格正在成形：更結構化、更任務導向、更少裝飾、更少情感緩衝。

三、我們說話的方式，正在被重新格式化

如果要把這十年的語言變化具體記錄下來，有幾個現象特別明顯。它們不一定每個人都會察覺，但只要仔細觀察自己跟身邊的人，就會發現這些習慣已經悄悄改變了。

變化一：句子變短了，結構變清楚了

最直觀的變化是句子長度。十年前，一篇好的商業文章可能會有很長的複合句，用層層修飾來展現思考的複雜度。現在，這種句子越來越少見。

原因很簡單：跟 AI 說話，長句是災難。一個句子裡塞太多條件，模型就很容易漏掉其中一項。於是人們學會斷句、學會分點、學會一句話只講一件事。

這個習慣一旦養成，就會延伸到所有場合。現在很多人的信件是這樣的：先一句話講結論，接著三到五個要點，最後一句話講下一步。整封信沒有什麼轉折語氣，也沒有什麼客套鋪陳，讀起來像一份規格書。

效率提高了，但讀起來確實少了一點人味。有些人開始懷念那種「寫一封信，前面先聊兩句近況」的年代。

變化二：開場白消失了

「您好，冒昧打擾」——這句話現在出現的頻率大幅下降。

不是因為大家變得沒禮貌，而是因為我們每天都在跟一個不需要寒暄的對象說話。你對 AI 說「幫我整理這段」，不需要先問它今天過得好不好。長時間下來，寒暄這件事在大腦裡的路徑就越來越弱。

有趣的是，很多人反而開始對 AI 客氣。會在指令前面加「請」、後面加「謝謝」，甚至會說「不好意思再麻煩你一次」。有人說這是因為人類天生會對擬人化的東西產生情感投射，也有人說這是一種自我訓練——保持禮貌的習慣，免得自己在真實對話裡顯得太粗魯。

但不論原因是什麼，結果都一樣：我們對機器的語氣，跟對人的語氣，界線正在模糊。而當這兩條線混在一起的時候，每個人都會發展出自己的一套規則，用來決定什麼時候該客氣、什麼時候可以直接。

變化三：我們開始「設定角色」

「你是一位有二十年經驗的財務顧問」——這種句子現在是日常。

設定角色這個動作，看起來只是為了讓 AI 輸出更好的結果，但它其實改變了我們對「專業」的想像方式。以前我們認為專業是累積出來的，現在我們開始習慣用「角色」來框架一個問題：如果我是行銷主管，我會怎麼看這件事？如果我是新手使用者，我會卡在哪裡？

這種「角色切換」的能力，讓人們在思考問題時多了一個維度。它有點像演員在準備角色，也有點像顧問在練習換位思考。這其實是一件好事，只是它發生的速度太快，快到很多人還沒意識到自己已經在用這種方式思考了。

變化四：我們習慣了「迭代」

以前寫東西，是一種「一次到位」的訓練。作文課教你起承轉合，職場教你信件要一次寫好，因為發出去就收不回來了。

現在不是了。現在大家習慣先丟一個粗略的版本，看看結果，再修、再改、再加條件。這個過程叫迭代，而迭代已經變成一種語言習慣。

你會聽到同事說「我先隨便寫一版，等一下再修」，這在十年前會被認為是不負責任，現在則被視為正常流程。因為大家都知道，第一版只是起點，真正的工作在修改。

這個變化很深，因為它改變了我們對「完成」的定義。完成不再是「寫完」，而是「改到可以接受」。

變化五：形容詞開始通膨

這一點比較微妙，但值得注意。

當每個人都能輕鬆產出「極具洞察力」「深刻且全面」「令人耳目一新」這種評語的時候，這些詞的價值就下降了。行銷文案裡的「頂級」「極致」「革命性」被用到爛掉之後，讀者就會自動打折。

語言的通膨是這樣運作的：當某個詞被過度使用，它表達的強度就會減弱，於是人們需要更強烈的詞來達到同樣的效果。這是一個惡性循環，最後的結果是所有的詞都變得很滿，但讀起來很空。

AI 加速了這個過程，因為它非常擅長產出「看起來很厲害」的句子。如果你不刻意抵抗，很容易就會被這種文風同化，開始寫出一堆形容詞堆疊、實際上什麼都沒說的文字。

變化六：「AI 腔」與「翻譯腔」的合流

有一種文風，現在大家都認得出來。句子結構對稱、邏輯過於工整、每一段都有主題句、喜歡用「不僅……更是……」「在這個……的時代」這種句型，讀起來很順，但沒有體溫。

有人叫它 AI 腔，也有人叫它翻譯腔。它其實是英文書面語的結構，被大量翻譯過來之後，變成了一種「好像很專業」的中文。

問題是，這種文風現在不只在 AI 產出裡出現，也開始出現在真人寫的東西裡。因為大家每天讀太多這種文字，久了就以為這就是「好文章」的樣子。

於是我們看到一種奇怪的現象：真人寫的文章，越來越像機器寫的；而真正有個性、有語感、有瑕疵的文字，反而越來越少見。

變化七：我們對機器客氣，對人卻更直接

這是一個很多人都有感的矛盾。

同一個人，對 AI 會說「不好意思，可以再幫我調整一下嗎」，對同事卻可能只丟一句「這個重寫」。為什麼？因為跟 AI 說話沒有社交成本——它不會受傷、不會記仇、不會在背後說你難相處。

但跟人說話有成本。於是一個奇妙的現象出現了：人們把比較多的禮貌預算，花在了不需要禮貌的對象身上。

當然，這不是每個人都這樣。也有人反過來，因為習慣了對機器頤指氣使，回到真實人際關係裡，反而更意識到禮貌的重要，於是對人更加客氣。這取決於每個人怎麼理解這件事。

但不論往哪個方向走，可以確定的是：我們對「禮貌」這件事的判斷標準，正在被重新校準。

四、當流暢變得免費，語言的價值重新洗牌

這十年的變化裡，最結構性的一件事，是「流暢」的價格崩盤了。

以前，寫得通順、結構完整、沒有錯字，是一種需要訓練的能力，也是很多工作的門檻。現在，這些事情幾乎不需要成本。任何人都可以在幾秒鐘內得到一篇文從句順的稿子。

那麼，什麼東西變得值錢了？

稀缺的不再是文筆，是判斷

當產出變便宜，判斷就變貴。

現在真正有價值的，不是「寫得出來」，而是「知道該寫什麼」「知道哪個版本比較好」「知道什麼話不能說」。這三件事，AI 都只能幫你一半。

它可以給你十個版本，但它不知道你的客戶昨天才被競爭對手坑過，不知道你的老闆最近對「保守」這兩個字特別敏感，不知道這個提案在公司的政治脈絡裡會踩到誰。這些東西只能靠人來判斷，而判斷的結果，往往就展現在你怎麼改那句話、怎麼調那個語氣。

所以我們看到一種新的分工：機器負責產出，人負責選擇。而選擇的品質，取決於你對情境的理解深度——這又回到了語言能力，但這次不是「寫作能力」，而是「閱讀情境的能力」。

「會講話的人」定義變了

十年前，大家說一個人「會講話」，通常是指他口才好、能言善道、懂得應對進退。

現在，「會講話」的定義分岔了。有一種會講話，是指你能把需求講得很精準，讓機器一次就給你對的東西。另一種會講話，是指你能在會議上把複雜的事情講得讓所有人都聽懂。

這兩種能力其實有共通的核心：把模糊的東西講清楚。差別只在於對象是機器還是人。

而有趣的是，第一種能力練久了，第二種能力通常也會進步。因為你會習慣去思考「對方需要什麼資訊才能理解」，這個思考習慣是通用的。

黑話與術語的通膨

這十年也見證了一波術語的爆炸。

「賦能」「閉環」「顆粒度」「對齊」「抓手」「心智」「賽道」——這些詞在幾年前還不常見，現在則是會議記錄的常客。有些是從對岸傳過來的，有些是從英文直接翻過來的，有些則是 AI 產出裡特別愛用的詞。

術語本身不是問題，問題是當術語變成了一種表演。當一個人說「我們要對齊一下顆粒度」，他可能只是要說「我們講清楚一點」。但用術語講，聽起來比較專業，比較像有在想事情。

於是會議越開越長，話越說越滿，但真正被溝通的事情越來越少。這是一種語言的浪費，也是這十年最讓人疲倦的副作用之一。

五、辦公室裡的新語言秩序

如果說前面談的是語言習慣的變化，那麼在職場裡，這些變化已經形成了一套新的秩序。

會議紀錄與信件，已經不是原本的樣子

現在很多公司的會議紀錄不是「開會時寫的」，而是「會後讓 AI 整理的」。會議過程被錄音、被轉譯、被摘要，人在會議裡的角色變成「把話說清楚」，因為說不清楚的部分，AI 也整理不出來。

這件事聽起來很方便，但它其實偷偷改變了開會的規則。以前開會可以閒聊、可以繞路、可以講一些「其實沒有結論但大家心裡有底」的話。現在不行了，因為那些內容會被記錄下來，然後在摘要裡變成一句莫名其妙的句子。

於是開會變得更有效率，但也變得更像在「餵資料」。這是一種很奇妙的體驗：你一邊講話，一邊知道這些話會被機器處理，於是你會自動把話講得更適合被處理。

信件也是一樣。現在很多人寫信的第一步，不是打開空白文件，而是打開 AI 工具。先讓它產一版，再改成自己的說法。這個流程本身沒問題，但它讓「寫信的思考時間」變短了。以前寫一封重要的信，你可能會先在腦中想個十分鐘；現在你可能直接開始改稿，跳過了那段醞釀的時間。

醞釀這件事很重要，因為很多話的份量，是在那段安靜的時間裡被決定的。少了那段時間，信可能寫得更快，但不一定寫得更對。

溝通成本往前移了

有一個變化很少被討論，但影響很深：溝通成本從「事後」移到了「事前」。

以前，如果需求沒講清楚，就是做出來之後再改，成本落在後面。現在，因為機器產出很快，所以「改」的成本變低了，但「講清楚」的成本變高了。

於是整個流程的重心往前移：花更多時間在定義問題、寫規格、對齊期待，然後讓產出快速發生。這對擅長「結構化思考」的人來說是好事，因為他們本來就習慣把事情想清楚再動手。但對習慣「邊做邊想」的人來說，這是一種壓力，因為他們被迫在還沒想清楚的時候，就要把話講明白。

這也解釋了為什麼有些人適應得特別快，有些人則一直覺得卡卡的。關鍵不在技術能力，而在語言能力——你能不能把還很模糊的想法，轉譯成一段可執行的指令。

誰還需要「會講話」的人

答案是：比以前更需要，但需要的方式不一樣。

以前需要會講話的人，是因為要有人去寫、去講、去溝通。現在需要會講話的人，是因為要有人去定義、去判斷、去承擔。

這聽起來很像廢話，但實際上的差別在於：現在「會講話」的門檻提高了。你不只要講得順，還要講得準；不只要講得漂亮，還要講得有邏輯；不只要考慮聽的人，還要考慮聽的東西。

所以我們看到一種現象：真正厲害的人，在這十年裡變得更厲害了，因為他們的能力被工具放大了。而平庸的人，日子並沒有比較輕鬆，因為工具讓所有人都能產出「還可以的成果」，於是「還可以」變成了最低標準，要往上走反而更難。

六、孩子的第一個寫作老師，可能不是人

這一段講的是更遠的影響，但其實已經在發生了。

現在的小學生寫作文，很多人的第一個回饋來源不是老師，而是 AI。他們把草稿丟進去，得到「這段可以更具體」「這個轉折太快」之類的建議。這些建議即時、溫和、不會讓人在全班面前丟臉，於是孩子更願意寫，也更願意改。

這是一件好事，但也有它的代價。

作文課的意義正在改變

過去作文課教的，不只是寫作，還有一種「慢慢想」的訓練。你要在紙上琢磨一個句子，要為了找不到對的詞而苦惱，要在寫完之後自己讀一遍，發現哪裡怪怪的。

這些過程很沒有效率，但正是這些沒有效率的部分，訓練了一個人對語言的敏感度。

現在有了 AI，這些摩擦被大幅降低了。孩子可以很快得到一個通順的版本，但那個版本不是他自己想出來的。如果沒有人引導，他可能會跳過「琢磨」的階段，直接進入「接受」的階段。

這會不會影響下一代對語言的理解？現在還很難說。但可以確定的是，寫作的定義正在改變：從「產出文字」變成「編輯文字」。而編輯需要的眼光，比產出需要的靈感更難教。

語言能力的 M 型化

另一個值得注意的現象是，語言能力正在 M 型化。

一端是能夠精準使用語言的人，他們懂得怎麼問問題、怎麼下判斷、怎麼改稿，工具對他們來說是放大器。另一端則是語言能力被工具取代的人，他們可以產出東西，但不太能判斷東西好不好，也不太能解釋為什麼好或不好。

中間那一層——那些「寫得還不錯，但不到頂尖」的人，處境最尷尬。因為他們的能力剛好落在機器可以取代的區間裡。

這個趨勢不是 AI 造成的，AI 只是加速了它。但因為 AI 直接影響的是語言，所以這個 M 型化會特別明顯地反映在「誰能把話說清楚」這件事情上。

七、那些正在消失的語言習慣

前面談了很多變化，最後想談的是「失去」。因為任何變化都有代價，而有些代價是我們不太會主動注意到的。

模糊與留白

華人社會的溝通，一向很重視「留白」。有些話不講明，讓對方自己體會；有些事點到為止，保留彼此的空間。這種溝通方式有它的問題（容易造成誤解），但也有它的美感（人際關係的彈性）。

AI 的邏輯恰恰相反：它需要明確、需要具體、需要可執行。於是在大量使用 AI 的環境裡，「模糊」變成一種缺點，「留白」變成一種溝通不良。

我們開始被訓練成要把話講清楚的人。這當然有進步的成分，但如果推到極致，人際關係就會變得很像在寫規格書。所有的話都有目的，所有的句子都有效益，那樣的對話雖然有效率，但很乾。

停頓與沈默

還有一種東西正在消失，就是停頓。

跟 AI 對話，不需要停頓。你想問什麼，打完就送出去，它馬上回。這個節奏很快，快到讓人習慣了「有問題就馬上問、有想法就馬上講」。

但人跟人之間的對話，停頓是有功能的。停頓代表你在想，代表你重視對方的話，代表有些話不需要馬上接。停頓讓對話有呼吸的空間。

當我們習慣了零延遲的回應節奏，回到真實對話裡，就會覺得別人的停頓很漫長，覺得沉默很尷尬，於是急著填補空白。結果是，我們說得更多，但聽得更少。

說廢話的權利

最後一種，是「廢話」。

閒聊、抱怨、講一些沒有重點的事——這些在效率至上的語言觀裡，都是浪費。但如果從人際關係的角度看，廢話其實是黏著劑。同事之間的感情，很多是在茶水間講廢話的時候建立的；朋友之間的信任，很多是在沒有目的的交談裡累積的。

當我們越來越習慣「有目的的說」，就會越來越不習慣「沒有目的的說」。這不是誰規定的，而是習慣使然。你每天花那麼多時間在有明確目標的對話裡，自然就會覺得沒目標的對話有點浪費時間。

但人不是機器，我們需要那些沒有目的的時間。這可能是這十年語言變化裡，最容易被忽略、也最值得守住的一件事。

八、十年後，我們懷念的會是什麼

回頭看這十年，AI 確實沒有像當年預言的那樣，把大部分工作消滅掉。它做的事情更細膩、也更難察覺：它改變了我們說話的節奏、結構、語氣和目的。

我們變得更精準了。廢話變少了，重點變清楚了，指令變明確了。這是好事，因為很多溝通問題本來就是因為話沒說清楚。

但我們也變得比較急了。急著得到答案，急著把話講完，急著填補沉默。我們對機器很有耐心，對人卻越來越沒耐心。

十年後如果真要懷念什麼，我想不會是某個具體的工具，也不會是某個特定的年代。我們懷念的，可能是一個人講話講到一半停下來想的那三秒鐘；可能是信件開頭那句沒有目的、只是想知道你好不好的問候；可能是會議裡那些離題但讓大家笑出來的閒聊。

這些東西不會消失，只要還有人願意保留它們。

而這或許就是我們在這個時代最該做的事：學會用新的方式說話，但不要忘記舊的方式為什麼存在。工具可以幫助我們講得更清楚，但只有人，才知道什麼時候該講清楚，什麼時候該留一點模糊。

語言是我們跟世界連結的方式。它會變，這很正常。但變成什麼樣子，某種程度上，還是我們可以選擇的。

常見問題

Q1：AI 真的沒有取代工作嗎？

它沒有大規模消滅職位，但重新分配了工作內容。大量的「產出型」工作被自動化，「判斷型」與「溝通型」的工作被放大。結果是同一個職稱，做的事情跟十年前不一樣了。

Q2：寫提示詞真的算一種語言能力嗎？

算。它本質上是一種修辭訓練：你要考慮對象、目的、結構、限制條件，這些都是傳統寫作與溝通的核心能力。差別只在於對象從人變成了模型。

Q3：使用 AI 會讓我的文字能力變差嗎？

取決於你怎麼用。如果你只負責按送出，確實會退化。如果你把它當成初稿工具，自己負責修改、判斷、取捨，那它反而會逼你把標準提高，因為你必須說得出「為什麼這個版本比較好」。

Q4：為什麼大家開始對 AI 說「請」和「謝謝」？

一部分是情感投射，一部分是習慣延伸。人不自覺會對擬人化的東西產生禮貌反應，也有人是有意識地維持自己的語言習慣，避免在真實互動中變得粗魯。

Q5：我該怎麼避免寫出「AI 腔」？

最有效的方法是刻意留下一些不完美的痕跡：用你真正會說的詞、刪掉過度對稱的句子、把形容詞換成具體的例子、偶爾用短句。AI 腔的核心問題不是錯，而是太工整、太空泛。

```

🏠 返回首頁