我用 AI 的第一原則：不學寫程式，學描述問題

「我又不會寫 code。」

這句話我說過很多次。說完就把 AI 工具的視窗關掉，繼續手動做那些重複的事。以為 AI 是給工程師用的，不是給我這種非本科人用的。

後來我改變想法了，不是因為去學了程式，是因為我搞清楚了一件事：

AI 要的不是你寫 code，它要的是你把問題說清楚。

這個認知翻轉，讓我後來做了六個工具、省下每年幾百個小時。

---

「說清楚問題」是什麼意思

舉一個例子。

公司有兩套系統，量測單位不一樣。以前我每次都要拿計算機換算，每次三十分鐘，每天都有這個動作。主管本來想花錢改機台，光是報價就要幾十萬。

後來我就這樣跟 AI 說：

> 我有一份 CSV，裡面有一欄是「A系統的讀數」，單位是 ppm。我需要把它換算成「B系統的格式」，換算公式是 B = A × 1.8 + 32，結果存成另一份 CSV，欄位名稱改成「B系統讀數」。請幫我寫一個 Python 程式可以做這件事。

就這樣。沒有任何程式知識，只是把流程寫清楚。AI 給我程式，我跑起來，每次省三十分鐘，機台一毛沒花。

這就是「描述問題」。

---

我對「說清楚」的測試標準

我想了一個測試：如果我把這個需求交給一個聰明但完全不了解狀況的新員工，他能不能照著執行？

- 「幫我整理報表」——不行，太模糊。新員工不知道哪些欄位、什麼格式、放在哪裡。

- 「每天早上九點，從 B 欄取這週的數字，算平均值，存成一個新工作表叫『每週摘要』，放進共用資料夾的 Reports 目錄」——可以。這樣說，AI 也能做。

具體到這種程度，AI 就能生出有用的東西。如果太模糊，AI 生出來的東西要改很多，或者根本跑不起來。

這個標準幫我省掉很多時間。每次要請 AI 做什麼，我先想：這句話夠具體到新員工能照著做嗎？夠了，再貼進去。

---

「不會 code」這道門檻是怎麼消失的

老實說不是一下子消失的，是慢慢縮小的。

第一次跑起來的工具，中間有幾次程式報錯，我完全看不懂錯誤訊息。我就把整個錯誤訊息貼給 AI，說「它報這個錯，怎麼修」，AI 告訴我改哪一行，我改了，再跑。

這樣來回幾次之後，我發現：我不需要「懂 code」，我需要的是「能跟 AI 來回溝通，把問題說清楚、把結果確認清楚」。

那個能力，我本來就有，只是沒想到可以用在這裡。

---

真正的門檻在哪裡

現在我覺得真正的門檻不是「不會 code」，是另外兩個東西：

第一個：沒有意識到某件事可以自動化。

大部分的重複工作，做久了就覺得理所當然。每天整理報表就是要這樣做，每次換算就是要手動算，從來沒有停下來想過：這件事有沒有固定規則？如果有，為什麼需要人每次親自動手？

這個意識的轉換，比學任何技術都重要。

第二個：說不清楚問題。

不是不會，是沒練習過。大多數人習慣用模糊的語言跟同事溝通，因為同事有上下文能猜，AI 沒有。說不清楚就生不出有用的東西，然後以為是 AI 不夠好，放棄了。

這兩個都不是天生的，是可以刻意練習的事。

---

第一個可以試的練習

下次遇到一件重複做的事，先不管 AI，先試著把它用文字寫清楚：

- 這件事什麼時候做？

- 輸入是什麼（哪個檔、哪個欄位）？

- 輸出是什麼（什麼格式、存到哪裡）？

- 有沒有例外情況？

如果能寫清楚，代表這件事可以自動化。寫不清楚，代表還需要人判斷——留著，先做別的。

寫清楚之後，把這段文字貼給 AI，加一句「幫我把這個自動化，用 Python」，然後看它給什麼。

第一次可能會跑不起來，沒關係，把錯誤貼回去問，來回幾次。這個過程本身就是在練習「描述問題」。

---

我不是要鼓勵所有人都去做自動化工具。只是如果你還在用「不會 code」當理由跟自己說這些不是你能做的事，我想告訴你：

「會 code」和「能用 AI 自動化重複工作」，不是同一件事。

後者不需要前者。

---

想知道我把什麼需求說給 AI 聽、用什麼格式說，追蹤帳號，每篇都是真實的過程記錄。或者留言告訴我你覺得「說不清楚」的任務是什麼，我幫你試著拆一拆。