打開 ChatGPT 寫文案、用 Midjourney 生成圖片,再請 AI Agent 整理報表、規劃行銷活動,已經成為不少電商行銷人員的日常。而當 AI 工具越強越快,焦慮也就跟著冒出來,也不禁讓人開始思考:「自己多年磨練的能力,會不會突然變得不值錢了?如果 AI 什麼都能做,人類該把資源投注在哪?」

本集《這就是電商人蔘》邀請《INSIDE》與《iCook 愛料理》共同創辦人蕭上農 fOx,分享他從網路、行動裝置到生成式 AI 浪潮中,所觀察到的產業變化。當 AI 工具讓許多專業工作的執行門檻與成本快速降低,專業價值並不會憑空消失,而是逐漸轉向更高層次的能力。能否找到值得解決的問題、判斷 AI 產出的答案、跨領域連結知識,並將想法快速投入市場驗證,才是真正拉開差距的關鍵。

Podcast 相關資訊

《這就是電商人蔘》節目:當 AI 把專業變便宜後,真正值錢的能力是什麼?聽蕭上農 fOx 分享他眼中的 AI 世界遊戲規則

本集重點摘要

  • AI 正在降低寫程式、做內容與資料分析的門檻,但工具只是手段,商業目的與給使用者的價值才是重點。
  • 當 AI 能穩定產出 70 至 80 分的成果,專業工作者的價值會移向判斷、整合、跨域與提高自身平均為超過 80 分的品質。
  • AI 不再只是問答工具,而是要讓它成為自己能夠連續執行、檢查結果並自行迭代的 Agent,這樣才會真正改變工作流程。
  • 創業試錯成本下降,小團隊有更多機會;同時,品牌必須更清楚自己提供什麼價值,以及顧客為什麼願意信任。
  • 面對職務轉變,與其等待焦慮消失,不如持續使用當下最強最前沿的模型,然後從自己的興趣與專業出發,找出新的市場機會。

從網路、行動裝置到 AI:這次改變的是所有人的工作方法

蕭上農過去經歷過網路與行動裝置兩波變革。對他而言,生成式 AI 帶來的衝擊更全面,因為它不只改變某個產業,而是直接進入組織、工作流程與日常生活。

他提到過去談 AI,常讓人覺得像「狼來了」,因為機器學習早已存在,實際應用卻離多數人的生活很遠。直到 ChatGPT 等生成式 AI 工具出現,人們第一次直接感受到:「科幻作品裡的能力,真的進入了自己的電腦與手機」。

而這種變化更接近一條突然向上的指數型成長曲線,但身在其中的人未必能立即替它命名,就像第一次工業革命發生時,當時的人也不會立刻知道自己站在歷史轉折點上,但能確定的是,原本熟悉的工作方法正在式微,新方法則快速成形。

這也如同中世紀的聖經抄寫員為例,當印刷機出現後,抄寫不再是大量複製知識的主要方法;幾百年後,手寫字沒有消失,卻轉成藝術、療癒與個人風格的展現,而技術取代的是原本的生產方式,不一定抹除整項能力,而是改變它被需要的理由。

所以,AI 對設計、程式、行銷等影響亦是如此,問題不只是「這份工作會不會消失」,而是「這份工作的價值接下來會落在哪裡」。

繼續閱讀文章

AI 工具應用不再稀缺後,先問自己到底想完成什麼

蕭上農沒有程式背景,卻透過 AI 在一個月內做出「AI 名片王」App,若在十多年前開發《愛料理》網站時,不僅需要前端、後端、iOS 與 Android 工程師共同投入,還得花上大把時間;但現在一個人也能用更短的時間做出可驗證的產品。

這並不代表會操作 AI 本身就是商業模式,因為工具降低的是實作成本,不能替人們決定要服務誰、解決什麼問題,以及如何獲得收入。所以當蕭上農回顧《愛料理》的起點時提到,他們不是為了做一個平台或 App 才創業,而是希望讓更多人使用服務與內容,並建立能夠持續運作的事業,而當時平台只是當時最適合的手段。

所以,當數位工具逐漸齊備,品牌老闆真正要煩惱的,不再是「能不能做出來」,而是「做什麼才有人需要」。

試錯變便宜,問題選擇反而更重要

以前驗證一個 App 或網站,可能要先組團隊、投入資金,再等幾個月才能看到市場反應。現在同一個想法可以在幾天內做出原型,甚至同時測試多個版本。

這段時間可視為一個「試錯紅利期」,速度快的人不一定一開始就有完美答案,但能用更低成本排除錯誤方向,逐步靠近市場真正願意買單的需求。蕭上農說道:「過去說 Idea 不值錢,做出來才值錢,到了 AI 時代,Idea 仍舊不值錢,而且執行也變便宜之後,真正值錢的投資應該是辨識問題、設計驗證方式與解讀結果的能力,因為工具人人可用,但核心商業問題卻不會自動出現。」

《2026 AI 零售趨勢報告》
從全球與台灣 AI 零售應用概況開始,結合流量獲取與企業 AI 轉型的深度洞察,帶領讀者快速瞭解零售 AI 的發展趨勢!

AI 把平均拉高,專業價值會移向最後的 20 分

盤點現在市場概況,不少設計師、工程師與內容工作者都遇過類似場景 — 主管看見 AI 生成工具後,開始認為圖片、程式或文案「調一下就好」,原本需要時間完成的專業工作,彷彿一下變得很簡單。

蕭上農認為,專業與一般使用者的品質標準本來就不同,設計師追求的可能是 95 到 100 分,一般使用者對美感的要求或許只有 70 分,而 AI 最直接的影響,就是快速把多數人的平均成果拉到 70 至 80 分。

而當這個基本盤一旦建立,低於平均分數的工作自然會受到壓縮,但從 80 分走到 100 分,仍需要經驗、判斷與大量調整,這正是專業的價值。以 AI 製作廣告片為例,生成畫面已不是難事,真正費力的是讓結果符合品牌、情境與溝通需求;程式開發也一樣:AI 可以大量生成程式碼,工程師的工作逐漸從逐行撰寫,轉向設計測試、交叉審查與確保系統可靠。

有鑑於此,專業並沒有失去價值,只是過去單純把東西做出來這件事,已難以成為品牌護城河,而品牌邁向下一階段的差距,則來自「能否判斷成果好壞」、「能否整合不同領域」,以及「能否把 AI 的產出推到市場真正需要的品質」。

好奇心決定你能不能問出下一個問題

在談到 AI 讓學習變容易這件事時,蕭上農也點出了「學習的悖論」—— 人類永遠不知道自己不知道什麼。如果一個人不知道某個概念、方法或市場存在,就不可能主動問出相對應的問題。

因此,好奇心與創造力並不是抽象口號,它們會驅使人持續接觸陌生領域,再把新知識和原本的專業連在一起,以蕭上農長期使用 Midjourney 的經驗為例,他因為連續用了 500 多天,不只是熟悉操作方式,也在過程中主動學習接觸藝術流派與藝術史,而這些知識最後會回過頭,都是他原本沒有想過要學習的領域,也因好奇心驅使,讓他願意提升這塊知識,讓他之後在判斷生成內容時也更有想法。所以,在穩定的時代,沿著既定教育與職涯路徑前進,通常能得到相對可預期的回報;但在快速變動的 AI 時代,跨域理解與觸類旁通的人格特質,或許才更容易帶來新的市場與機會。

從聊天工具到 Agent:讓 AI 做完整工作,而不是只回答問題

如果只是把 AI 當成另一種 Google,能得到的價值仍然有限,蕭上農強調,AI 更重要的變化,是開始能連續工作,從理解目標、執行多個步驟、檢查成果,再根據數據迭代。

他以短影音製作為例,Agent 可以先讀取市場資訊、提出內容切角,接著撰寫腳本、拆解分鏡、生成畫面、複製聲音、合成影片並加上字幕,當影片發布後,Agent 還能抓回觀看時間與觀眾流失點,回頭檢查腳本,把學到的經驗放進下一輪製作。

過去這是一整個內容團隊的工作。現在 AI 已能形成一個持續運作的 Loop,而且可以 24 小時執行,相同邏輯也能用在程式開發、電商分析、行銷素材與跨境營運。

這對品牌而言,重點不只是挑一個熱門模型,而是建立能反覆改善的工作流,先選擇適合任務的工具,再讓 Agent 讀取正確資料、執行清楚步驟,最後由人判斷結果,也讓工作方法成為品牌能累積的資產。

工作角色會消失,但判斷與負責不會自動化

廣告投手、社群小編等職稱,在十多年前也不是成熟的工作類型,新工具創造職位,新的工具同樣可能讓職位快速轉變。

以電商行銷為例,過去不少時間花在整理報表、排除雜訊,再做出一份結論。當 Agent 能自動讀取銷售與投放資料,人的價值就不再是把報表搬到簡報,而是判斷 AI 的結論是否合理、素材為什麼有效,以及下一輪實驗該怎麼設計。這也代表,人們不能只用原本的職稱定義自己,因為工作內容在 AI 時代下可能會快速消失,但累積的產業理解、判斷標準與解題經驗仍然可以帶到下一個角色。

蕭上農分享自己訪談 Meta 前員工的觀察:有人因為太會使用 AI,反而把原本的部分工作自動化,但他們也在過程中看到新的玩法與職涯可能。所以,真正危險的不是舊流程被替代,而是「仍用舊流程衡量自己的價值」。

小團隊創業的機會正在增加

AI 能同時協助產品、設計、內容與分析,創業需要的初始人力隨之下降,蕭上農認為,不必先想像遙遠的「一人獨角獸」,對台灣的小型團隊而言,更實際的機會是用較少人力服務明確市場,建立年營收千萬元等級的事業。

像是傳統產業導入 AI 時,仍有大量流程、資料與組織問題要解決,所以能理解產業現況,又知道如何運用 AI 降低成本、提高效率的人,會有很直接的顧問與服務機會。而創業的門檻降低不等於競爭消失,因為當更多人可以創業,品牌定位與信任會更加重要,而品牌必須說清楚自己提供什麼價值、為什麼值得選擇,並確保 AI 生成的內容與服務真的完成承諾。

結論:別等焦慮消失,先用 AI 強化你願意長期投入的事

面對 AI,蕭上農最後給年輕工作者的建議並不複雜:「不要拒絕使用,也不要只停留在免費或過時的使用經驗。投入合理預算接觸前沿工具,親自試過,才知道它真正能做什麼。」

接著,他也建議把 AI 放進自己願意長期鑽研的領域,因為興趣會讓人有動力繼續「追問」,而過去的專業則能提供判斷成果的標準,當你把兩者結合後,AI 就不只是提高你的速度,而是幫助你走到原本碰不到的位置。

所以,當技術門檻下降,真正值錢的不是背住每一項工具操作,而是持續找到問題、驗證方向、判斷結果,並對最後的成果負責。AI 可以把平均拉高,卻不能替一個人決定什麼值得做。

常見問題回顧

AI 時代最值得投資哪些能力?

優先投資「問題辨識」、「結果判斷」、「跨領域整合」與「快速試錯能力」,AI 能降低執行成本,但不能自動決定市場需要什麼,也不能替使用者判斷成果是否可靠。

專業工作者會被 AI 取代嗎?

低於市場平均、只負責重複執行的工作會受到較大壓力。專業價值會移向最後的品質控制、情境理解、系統設計與結果責任。與其固守原本流程,更重要的是重新定義自己能替組織解決什麼問題。

品牌或小型團隊該如何開始導入 AI Agent?

先選一個目標清楚、結果可檢查的流程,例如整理報表、製作內容或分析投放資料。設定資料來源與步驟,讓 Agent 執行後由人審核,再把實際成效寫回下一輪流程。從一個可驗證的 Loop 開始,比一次自動化所有工作更容易累積成果。

你覺得文章有幫助到你嗎?

歡迎給我們評論唷!

5 / 5. 共有 1

可以留下你的評論讓我們知道

延伸閱讀