Moravec 的「人類能力地形圖」
人工智慧與機器人研究先驅 Hans Moravec，在《Mind Children》裡提出一個很有畫面感的比喻：
把所有「人類能力」想像成一幅立體地形圖──有低地、丘陵、高山。
再把「AI 的能力」想像成一片會慢慢上升的海水。
- 地形高度：代表「對電腦來說有多難」。
- 海水高度：代表「電腦 / AI 已經做到什麼程度」。
海水一開始只淹沒低地，隨著算力、演算法和資料量的提升，水位一路上升，開始攻進我們以為「安全」的人類專屬領域。
接下來，我用 Moravec 這個地形圖，來拆解：
哪些能力已經被 AI 取代？哪些正在被追上？我們又應該往哪裡爬？
低地：我們早就主動退出的能力
Moravec 地圖最底下，是一些已經完全被海水淹沒的區域：
- 算術
- 死記硬背
- 重複性高、有明確規則的流程
這些事，人類已經交給電腦很多年了，例如：
- 基本運算、財務報表彙整
- 倉儲系統盤點、庫存管理
- 大量資料的查詢、排序、篩選
- 例行行政流程與表單審核
在這些區域，人類不只是「輸給 AI」，而是早就退出賽場，交給資訊系統與自動化流程處理。
丘陵與山腳：正在快速滅頂的專業技能
再往上，是看起來很「專業」的丘陵與山腳：
- 圍棋、西洋棋這種高維度博弈
- 翻譯、投資分析
- 汽車駕駛
- 基本法律／財務諮詢⋯⋯
這些能力過去被視為「高門檻專業」，但近十年 AI 海水已經一路淹上來：
- AlphaGo vs 李世乭：2016 年，AlphaGo 以 4：1 打敗世界頂尖棋士李世乭，正式宣告：在複雜博弈遊戲上，人類已經不是 AI 對手。
- Machine translation：Google Translate、DeepL 這類系統，已經能在很多場景做到接近專業譯者初稿的品質，特別是歐洲語言。
- 自動駕駛與 ADAS：在高速公路、車道維持、泊車等場景，系統已經可以穩定接手許多原本需要人類高度專注的任務。
- 金融 AI：量化模型與 machine learning，早就大量用在風險評估、交易決策與詐欺偵測；很多人類分析師越來越像是「模型與現實之間的翻譯者」。
這一帶的「丘陵」，正在快速被海水淹沒。
只靠專業知識本身吃飯的人，未來會感受到越來越大的壓力。
高聳山巒：曾以為最人性的地方，也開始進水
再往上，是我們過去最有信心的高地：
- 社交互動與人際關係
- 團隊管理與組織運作
- 藝術創作、設計與品牌故事
- 科學研究、產品創新、策略思考
這些原本被認為是「AI 最難攻入的區域」。
但 2022 年之後，隨著大型語言模型（LLM）和各種生成式 AI 出現，海水也開始沿著山谷往上灌：
- AI 可以寫企劃、產生程式碼、畫插畫、設計 Logo、做音樂、甚至做短影片與動畫。
- 論文摘要、資料整理、初稿撰寫，AI 已經可以處理 60–80% 的粗活，人類專業變成「審稿、重組、下判斷」。
- 媒體與創意產業，也開始出現「AI artist」「AI editor」這種新角色。
這代表什麼？
連山腰其實都在淹水了，只是還沒到山頂而已。
AI 時代：人類應該往哪裡爬？
面對不斷上漲的 AI 海平面，人類大概只有兩種選擇：
- 留在低地：抓著很快會被自動化取代的技能不放，最後被迫轉職。
- 往高處攀登：把 AI 當成必然存在的「基礎設施」，刻意培養那些 AI 不容易複製、而且需要你站在「制高點」做判斷的能力。
我的結論很簡單：
不要跟 AI 搶低地，而是學會站上 AI 的肩膀，爬上「超高山」。
接下來這三種能力，是我認為 AI 再強也很難完全取代、而且會越來越稀缺的「超高山」。
「超高山」技能一：判斷力──把 AI 當屬下，而不是敵人
AI 很擅長：搜集資訊、產生選項、模擬情境。
但真正要負責「最後決定」的，仍然是人。
判斷力在 AI 時代的重要性，比以往任何時候都高，因為：
- 資訊永遠不再缺乏，而是爆炸
稀缺的不是資料，而是「懂得分辨什麼重要、什麼可信的人」。 - AI 會一本正經地講錯話
大型語言模型可以非常流暢地胡說八道。
如果沒有判斷力，只會被 AI 的自信語氣牽著走。 - 道德與風險，仍然由人來背書
不管是金融決策、醫療建議、教育內容，AI 可以協助分析，
但法律責任、聲譽風險與道德後果，最後都是人類組織在承擔。
所以，真正的「超高山」不是你會不會用某一套 AI 工具，而是：
- 你能不能明確定義問題，設計適合的 AI 工作流程。
- 你看不看得懂：AI 給你的答案裡，哪些可靠、哪些有風險。
- 在不確定、甚至道德兩難的情況下，你能不能做出選擇。
這就是AI時代裡保持競爭力裡最核心的第一塊：判斷力訓練。
「超高山」技能二：學習力──在劇烈變化中持續升級自己
AI 海水上升得非常快，工具版圖幾乎是「每半年大洗牌一次」。
在這種情況下，如果你還停留在「等公司安排訓練課程再學」的心態，幾乎可以確定會被淘汰。
我相信兩件事：
- 學了就會，但不學習、不行動，就不會有奇蹟。
- 練習的次數，決定你做事的完美度。
AI 給了我們一個前所未有的禮物：
你可以 24 小時隨時請一個「耐心又不嫌你煩的家教」陪你練習。
寫 code、寫簡報、寫商業企劃、寫英文信、練談判 scenario⋯⋯都可以。
學習力在 AI 時代的具體表現，我會拆成幾件事：
- 願意不斷丟問題給 AI，當場動手嘗試。
- 知道怎麼拆解一個新技能：先「看懂」，再「跟著做」，最後「自己改」。
- 把 AI 當作自己的成長夥伴，每天做小實驗，快速調整做法。
不是因為你學一次就會，而是因為你可以用很低成本，反覆練習，練到變強。
這是AI時代下保持競爭力的第二個重點：學習力的養成與迭代節奏。
「超高山」技能三：批判性商業思維──在 AI 之上疊一層「商業判斷」
AI 可以幫你：
- 做市場研究的初步整理
- 寫商業企劃草稿
- 模擬不同價格策略
- 設計 A/B test 的實驗架構
但它不知道：
- 你公司真正的限制是什麼
- 你組織的政治現實
- 品牌長期定位
- 法規風險與內部資源狀態
這就是批判性商業思維（critical business thinking）要發揮作用的地方：
- 不把 AI 的答案當聖旨
而是問：「這個建議在我們的商業模式裡真的可行嗎？哪些假設需要被驗證？」 - 把問題問對，而不是只看答案是否『正確』
很多錯誤決策，都是「一開始問題就問錯」。
例如：- 「要不要做 AI新產品？」
- 比較好的問法是：「我們客戶真正的痛點是什麼？AI 能不能讓這個痛點的解法便宜 10 倍、快 10 倍？」
- 看得到系統層的風險與機會
從一次性專案，拉高到「可持續運作的商業系統」：- 資料來源
- 模型風險
- 人才結構
- 合規要求
- 長期競爭優勢
我常說：
AI 是很厲害的屬下，但如果你不把它帶好，提供上下文，錯的時候不給 feedback，它不會知道公司的 P&L，不知道我們過去建立的用戶關係，不懂現存組織政治，更不知道我們心中的願景與目標。沒把你領導者的角色做好，帶好方向，問好問題，要AI通靈做出好答案的機率是零。
有商業 sense、懂數字、能與現實世界需求對齊，能跟AI溝通順暢，把AI帶好產出優異成果的領導者，才是 AI 時代真正稀缺的角色。
其他關鍵能力，其實都包在這三座山裡
很多人會另外列出：
- 創造力與創新能力
- 同理心與情緒智商（EQ）
- 倫理與領導力
在我看來，這些其實都「包在那三座超高山裡面」：
- 沒有創造力，你做不出「更好的問題」，讓 AI 幫你探索。
- 沒有同理心，你即使用 AI 做出再漂亮的簡報，也打不進客戶與同事的心。
- 沒有倫理與領導力，你就只是用 AI 放大組織原本就有的偏差與風險。
小結：不要築壩擋海，而是往更高處移動
面對不斷上漲的 AI 海平面，人類的最佳策略不是築高牆、假裝什麼都沒變，而是：
- 承認低地已經淹水
凡是高度可自動化、規則清楚、重複性高的工作，都不應該再當作長期職涯倚靠。 - 練習使用 AI，讓它變成你的「基本配備」
從寫 code、寫報告，到做分析與簡報，都先問： 「這件事，有沒有 AI 版本的做法？」 - 刻意鍛鍊三個制高點能力
- 判斷力
- 學習力
- 批判性商業思維
我現在開課、寫部落格、帶企業做轉型，其實都圍繞在同一個核心：
教你如何把 AI 當成超強屬下，而不是來取代你的對手。
只要你願意往高處爬、願意行動，不斷練習，持續學習
AI 海平面每一次上升，對你來說就不是災難，而是把你推向新高度的力量。