AI時代來了，每個人都可變成創作者。
這句話也可是：
- AI時代來了，每個人都可變成策略顧問。
- AI時代來了，每個人都可變成行銷大師。
- AI時代來了，每個人都可變成圖文專家。
- AI時代來了，每個人都可變成產品經理。
- AI時代來了，每個人都可變成音樂創作者。
- AI時代來了，每個人都可拍吸睛短影片。
- AI時代來了，每個人都可變成超強構圖攝影師。
- ….
AI賦能，這個時代的「創作」不再只是動手做，而是動嘴做。
過去，做一個行銷活動、開發一個小工具、拉一個數據報表，可能需要工程師、設計師、專案PM一起合作。
現在，只要你會用 AI，你就可以成為帶隊的人，靠一張嘴完成這些事。
這就是我一直提到的 vibe coding。
不是學會寫網頁、懂 Python 或 JavaScript，而是能夠指揮 coding agents，清楚說出你要什麼、怎麼做、為什麼這樣做。透過反覆Review，完成目標。
講起來簡單，但這需要新的技能，新的視野，更把自己的判斷力提升10x，配合新的實作經驗，才能做得好。
不過，這肯定值得投資。
選對工具，比自己 coding 還有效
我之前寫過幾篇文章：
PM 要懂 vibe coding，Sales 要懂 vibe selling，Marketing Manager 要懂 vibe marketing。
這個意思是所有問題都要自己來coding嗎？
當然不是用AI完成目標有很多選擇，vibe coding是其中一種。
AI工具有很多展現形式，有的可對話解惑，有的協助你自動化，有的強化你的能力與產出，有的幫你幫組織幫流程做完很多事。只要適合，很多的工具都應該可以被拿來使用。
所以，更實際的問題變成：在 AI 時代，選擇工具解決問題的優先順序應該怎麼排？選哪種，選哪個?
來看一個例子：
你是大品牌的行銷人，想做一個心理測驗，和消費者互動，順便收集 email，也要做成效報表內部評估，名單也想收進公司CRM，做再行銷分析。
這時候最好的工具，應該不是自己從零開始 coding，而是直接用像 ooopenlab 這種現成的平台。
為什麼？
因為心理測驗背後需要的不只是內容設計，還包含：
- 前端 UI / UX
- 後台成效追蹤
- 分享機制
- 容量與效能考量
- 活動結束後的資料輸出
- …
就算你自己 vibe coding，全部都做到位，也至少要 5 小時，這是考慮你很有經驗的情況下。
五小時的總人力成本我們做個計算。假設時薪 300，五小時就是 1500。
這時候買 ooopenlab 的 999 輕量方案，其實是更聰明的選擇。
AI時代解決問題的選擇順序
在 AI 驅動的工作模式中，解決問題的思考方式也要更新，我們要『知人善任』。
AI First，所有事先請AI幫忙解決，在各種AI工具，產出效率最大化的選擇順序建議如下：
- 出一張嘴解決的，就先出一張嘴，用盡CHATGPT能力
用 ChatGPT、Claude、Perplexity 等工具試試看。這些工具一個月費用大約 600 元，回報率極高。CHATGPT超強，能研究，能代理，能總結，能RAG，能照我說的，做一連串動作，程式不用寫，就能產生一大堆結構化的輸出。
照我經驗，如果很熟悉pompting，50%的工作內容都可用這單一工具就解決了，而且大幅提升產能。這裡的關鍵能力是跟AI溝通與協作力。 - 其次，用其他AI工具，能用小錢買到的，就買!
ChatGPT有很多垂直領域做得不好，或效率不夠，例如寫產品上架，或 NoCode 自動化流程、各種特定領域功能，例如製作簡報，這時候找到垂直領域的AI Saas，月費 台幣600到6000 元可解決大多數問題，這是超划算的投資。
若真不需要時，也可隨時停止付費。 - 必要時，再進入專案開發流程
這些AI Saas，功能不足，或需要客製化，這個時候就要考慮外購或自行開發。這種AI IT專案，通常牽涉到找內部資源、寫報告、計算 ROI、走立案流程，審核…，這類成本從幾十萬到幾千萬不等，因此會審慎評估個幾周到幾個月。 - 案子太小、太急，沒人能幫忙，ROI不清晰，無法立案，這時才考慮自己 vibe coding
到了這個類型，就是以快為主，自己動手最快。但這是最後選項，不是預設選項。
Vibe Coding在AI選項上優先順序低，但提升效果大
上一段講到的前三段，也是我們pre-AI時代公司常做的解題步驟，能買套裝軟體，就買了來解決問題。最後一步，才會談到客製化專案。
到了現在AI來了，這三步驟 也只是從IT專案，換到app專案，換到了AI專案，基本沒什麼不同。
但，仔細比較一下，到了AI時代，全新的選項是最後一個 – 終於有個機會，自己就有機會把需求做出來，而且只要用自然語言就做得到，不用用程式語言，這是與以前時代的重要且巨大的差別。
注意，這個新選項帶了了真正的AI生產力革命。
因為過去的做法，組織透過層層filter與優先級別排序後，大概能採購的，能執行的只剩原來ideas的1%。而大部分的 new ideas, 想嘗試PoC的東西，想試試看的，想先看看能長什麼樣的東西…. 都在各種會議中都被kill掉了。
為了達到目標，主管在管理手上有限的資源時，已經練就了各種衡量優先序的技巧。
AI賦能後，what if 不需要考慮那麼多IT資源與時間限制呢？
目標會不會有機會達成的更好?更高?更大?
想一想:商業裡有很多概念是需要PoC的，也就是看得到，我才能回饋與決定。Concept可以用文字，畫圖，做影片來描述，但如果可以看到實際產品呈現是不是更有利於做決定？
把實際想法做出來，用產品呈現，就可以review，可以討論，可以決定，可以上線，可以提早得到用戶的回饋…自用的話可大幅增加自己的效率，部門與公司拿來用，可能就改變了流程，提升了效能。對市場推出，可能就增加了一個新的事業機會。
Build to learn是非常重要的創新實踐方法，以前build太耗資源，所以要慎選。現在Build消耗的資源只要1/100, 甚或 1/500，你不考慮 Build to learn嗎?
結語
依上述分析，vibe coding在決定採用哪個AI工具時，必須是佔最後位，都沒別的方法可以達成時才需要採用的。
但是，以pre-AI時代我們常遇到的資源兩難困境，vibe coding可用來解決的適用情境潛力應該最少是有往下做的案子的一百倍 五百倍數量，不可低估其會帶來的商業生產力巨大衝擊。
AI 不是讓你變成工程師，而是讓你變成指揮官。
懂得選工具、指派哪位 AI 幫你做事，才是 AI 時代的核心競爭力。
請務必想一想，過去你有多少點子，因為IT沒空而沒往下做的?
學Vibe Coding，用媽媽教我們的自然語言把你的idea做個PoC吧!