2025 年一個很刺眼的數字：SparkToro 追蹤美國搜尋行為時提過，Google 搜尋「零點擊」長期都在 50% 以上（有些月份甚至更高）。這代表很多人其實已經習慣「看完摘要就走」，更別說現在 AI 直接把答案端上來，你要叫人回去慢慢查資料、慢慢寫字？很難。
先把話講死一點：拒用 AI 不是復古情懷，也不是道德潔癖；比較像是在你已經有一套工作與思考節奏後，開始算「再多學一個新玩具」到底換到什麼，還要付出多少注意力、資料控制權、以及技能退化的成本。
- 先算帳：AI 省下的是哪一段？是查資料、寫初稿，還是只是讓你少打幾個字？
- 再看代價：你把哪些輸入（想法、文件、客戶資料）丟進去？丟了就回不來的那種。
- 留一條線：哪些事堅持自己做：閱讀、筆記、推理、寫最後一稿。
- 最後才談工具：要用就用得像扳手，不要用得像拐杖。
這波 AI 狂熱，最常見的盲點其實很老派：把「快」當成「賺」
AI 工具在多數知識工作情境，能縮短「找資料、整理、改寫」的時間，但同時也會把「你自己讀過、想過、判斷過」的比例壓低。當你把推理外包，長期會看到的是：文字產量上升，判斷力下降。
講到「快」，我就想到以前那種 KPI 文化：先衝數量，後面再說。很熟吧。
問題在這裡：很多人講 AI，講到最後都只剩兩句——「省時間」、「別被淘汰」。這兩句聽起來像在賣保險。可是你我都知道，真正麻煩的地方不是你會不會按按鈕，而是你把「理解」那段跳過了，然後還以為自己有理解。
而且有個很現實的細節：你用 AI 省下的時間，常常不會回到「深度工作」。它通常會被會議吃掉、被訊息打斷吃掉、被下一個任務吃掉。就…消失。
低能量一句：省下來的時間，不一定是你的。
「完全不碰」其實是一種策略：把注意力留給你本來就擅長的技能
當一個人選擇不學某個新技術，他可能不是落後，而是在把有限的學習曲線留給更有回報的技能。這種策略在個人職涯後期、或技能已成熟時，常常比追新更划算。
原文那個核心故事我其實蠻懂：有些人就是一輩子不碰電腦、不上網，但身體照顧得很好、腦子也很清楚，還能做很多「真的做出來」的事：讀書、做藝術、動手做東西、參與社會。
不是在神化誰啦。只是那個邏輯很硬：
- 學新工具要成本：時間、挫折、重新建立流程。
- 你在新工具上不一定有優勢：尤其是你原本就有一套方法。
- 有些「舊技能」會把你的人維持在比較能運作的狀態：讀長文、寫長文、手作、運動、面對面談話。
講到這個，我突然想到台灣那種 LINE 群組文化，訊息一直跳一直跳，然後大家又很愛丟「懶人包」。你如果不刻意練習把注意力拉回來，其實會越來越難讀完一篇完整的文章。
所以「不碰」有時候不是拒絕科技，是拒絕被切碎。
你其實可以更早設邊界：像避開某些平台一樣避開某些 AI 用法
設定科技邊界的方式不是「全面禁用」，而是針對特定平台或情境不採用，例如不裝某些短影音、或不使用語音助理。這種選擇通常不會讓生活崩盤，反而能保住注意力與隱私。
原文提到一個我覺得很「可移植」的做法：有些平台他就是不碰（像 Snapchat、TikTok 這類），理由很務實——如果你跟學生或更年輕族群混在同一個 app 生態，邊界會糊掉。結果呢？也沒少活一塊肉。
換到 AI 也是同一套：你不一定要變成「拒用派」，你只要挑幾個你不接受的使用場景，硬切掉就好。
- 不接受：把「資料查證」外包，自己不看原始來源。
- 不接受：把「觀點形成」外包，自己只負責按送出。
- 不接受：把「敏感內容」丟進雲端模型（客戶、公司、個人隱私）。
短影音那套「滑一下就下一個」會讓腦子變得很急；AI 如果用成「我懶得想，給你想」，也會讓腦子變得很…薄。薄到你自己都摸不到厚度。
真的。
快問快答：3 個最常見迷思，直接拆掉
AI 採用的爭論常被三個迷思帶歪：把不用 AI 等同落後、把 AI 當成客觀答案、以及把效率當成唯一指標。把這三個拆開，你才有辦法做出可持續的使用邊界。
迷思 1：不用 AI 就會被淘汰？
不一定。會被淘汰的多半不是「不用 AI」，而是「交付物沒有可信度」。你用不用 AI 不重要，你交出去的東西能不能被追溯、被檢查、被負責，才是重點。
迷思 2：AI 會幫你做研究，所以你不用看來源？
這句最危險。AI 生成文字不等於引用鏈。你如果連原始資料都沒讀過，只是把答案貼出去，出事時你也說不清楚「根據哪一段」。而且你也很難在會議上扛得住追問。
迷思 3：AI 讓寫作更省力，所以寫作本身不必練？
你如果把寫作當成打字，那當然可以外包；但很多人的「想清楚」就是靠寫作完成的。你把這段拿掉，久了就會變成：腦中只有結論，沒有推理路徑。
講到推理路徑，我突然想到以前寫論文那種痛苦：你明明很想跳到結論，但你必須把每一步寫出來。痛苦歸痛苦，那個訓練是會留下來的。
工具不是不能提：要用就用在「可驗證」的環節，別用在「不可追溯」的環節
如果你要把 AI 納入流程，最穩的做法是把它放在「可驗證輸出」的段落，例如校對、重排結構、列出待查清單，並且保留你自己的來源閱讀與最終判斷。把 AI 放在不可追溯的決策點，通常只會放大風險。
具體一點：我比較能接受的用法，是讓 AI 生成「檢查清單」或「反例清單」，逼我回去查資料。像是：
- 請它列出「這段論點可能被質疑的三個角度」
- 請它把我寫的內容「改成不同立場」讓我看漏洞
- 請它把文章拆成「需要引用的句子」我再去補來源
但如果是「直接寫完、直接發」那種，我自己會先停一下。不是道德問題，是風險模型問題。
台灣在地那個現實：公司裡一堆資料牽涉個資法（個人資料保護法）跟客戶合約，你把內容貼去雲端模型，法務問起來你很難交代。這不是陰謀論，是你真的會被叫進會議室那種。
可以用的官方資源：國家發展委員會的「政府資料開放平台」常常能找到第一手資料；你至少能把「我聽說」換成「資料庫裡那筆」。（這種東西才有可追溯性。）
一張 pros/cons 表：不是要你選邊站，是要你看清楚交換條件
AI 的好處通常落在「產出速度」與「格式整理」，壞處多半落在「資料外流風險」與「思考退化」。把 pros/cons 列出來，你比較不會被口號推著走。
| pros（你可能拿到的） | cons（你會付出的） |
|---|---|
| 把空白頁變成「有東西可改」：先丟一版骨架出來，至少能開始修。 | 聲音被磨平：句型會越來越像模板，你自己讀了都覺得「這誰」。 |
| 格式整理省掉手工：把段落改成清單、把會議紀錄拉出行動項。 | 來源不透明：你很難追溯它到底用什麼拼出那句話。 |
| 當成對照鏡：請它站在反方挑你毛病，逼你補證據。 | 判斷力外包：久了你會習慣「它說可以」而不是「我看過所以我敢」。 |
| 語言轉換：同一份內容改成不同受眾看得懂的版本（但你要審）。 | 資料外流與合規問題：個資、商業機密、合約條款，貼出去就是風險。 |
我知道你可能會說：「那就用企業版、用本地模型啊。」可以，當然可以。
但老實講：多數人根本沒那個流程紀律。最後都會變成「先方便再說」。然後就沒有然後。
我比較在乎的不是 AI 本身，是你還有沒有「慢慢想」的能力
在 AI 可以代寫、代查、代整理的環境裡，稀缺的能力會變成「能讀完原始資料、能把推理寫出來、能為結論負責」。這些能力不靠口號維持，只靠日常習慣維持。
當工具把每一步都變得更省事，你要刻意保留的，反而是那些讓你變得「能負責」的麻煩。
原文其實就是在講這個：有人一輩子不用電腦，照樣活得很飽滿；那你現在不用跟著 AI 熱潮跑，也不代表你會立刻變成邊緣人。
反過來說，你如果真的喜歡寫作、喜歡那種「一句一句推敲」的感覺，那你更應該小心：別把自己最享受、也最能讓你變清醒的部分，交給一個黑盒子。
這裡我會比較偏激一點：我寧願看到一篇不太順、但能看出作者真的有讀過資料的文章；也不太想看那種每句都像是「通用型答案」的東西。你知道我在說哪種。就是那種。
你可以用 AI 省幾分鐘，但別把「自己能想清楚」這件事省掉。
好，回到你：你現在在工作或生活裡，AI 用在哪三件事上？哪一件是你用完之後，反而覺得腦子更空、注意力更碎的？還是其實你已經切好邊界了，只是懶得跟別人解釋。
