章節導覽

第十三章 · 先預測我們的預測

公司做了一份五年AI藍圖。

第一年,Copilot普及。

第二年,Agent進入工作流程。

第三年,多Agent協作。

第四年,大量工作自動完成。

第五年,企業進入高度智慧化。

簡報很漂亮。

AI一年比一年強。

但把五頁放在一起看,會發現一件奇怪的事:

部門還是原來的部門。

職位還是原來的職位。

主管還是主管。

員工仍然登入系統、接受任務、完成工作。

AI則一路從助手升級成更厲害的助手。

五年後的科技變了很多。

五年後的公司,卻幾乎沒變。

這時《明思》不急著問預測準不準。

先問另一件事:

為什麼我們允許AI改變,卻沒有允許其他東西一起改變?

預測未來有一個很隱密的習慣。

我們會把最容易想像的部分往前推,把最難鬆動的部分留在原地。

於是未來變成:

今天的組織,加上更強的AI。

今天的手機,加上更強的AI。

今天的軟體,加上更強的AI。

今天的工作,加上更多自動化。

看起來一直在談未來。

其實只是替今天換了一批新零件。

《明思》的在這裡不是要求我們想得更瘋狂。

而是先找出:

哪些「今天」被偷偷帶進了未來。

例如我們說:

「未來每個人都會有一位AI助理。」

這句話至少藏著幾個前提。

未來仍然以「每個人」作為工作的基本單位。

每個人的工作仍然需要一個專屬助理。

AI仍然以「助理」這種角色存在。

工作仍然由某個人擁有,再交一部分給AI。

這些安排在某些工作裡仍可能成立;另一些工作則可能由臨時任務組合、共享工具或人與多個智慧節點共同處理。無論哪條路,都需要現實證據,而不是只靠想像。

問題只是:

它們目前還只是前提。

不是未來欠我們的承諾。

所以第一步很簡單:

把「一定如此」,降回「目前如此」。

一旦降回來,空間才會出現。

圖 28|未來變了,框卻沒變
圖 28|未來變了,框卻沒變

這時候,《明思》可以做一個很樸素的動作。

找牆。

先不預測答案。

只找那些被當成不能動的東西。

未來一定還有App嗎?

工作一定還按照職位切嗎?

一定是一個人對一個AI下Prompt嗎?

AI一定是一個可以被點開、登入、呼叫的東西嗎?

公司的邊界一定和今天一樣嗎?

甚至「Local AI」「Cloud AI」「Agent」這些我們現在很習慣的名稱,五年後還是不是有意義的分類?

不要急著回答。

只要先承認:

它們都是今天的語言。

語言很有用。

也會留下牆。

接著是第二步:

拆牆。

不是宣布App會消失。

而是假設它暫時不存在。

如果沒有App,服務會怎麼出現?

如果沒有固定職位,工作會怎麼被分配?

如果沒有Prompt,人與AI之間還可能用什麼方式形成意圖?

如果沒有固定的「一個AI」,能力會不會依問題臨時組成?

拆牆不是預言。

只是暫時取消一個前提,看看原來被它擋住的可能性會不會露出來。

然後還有第三步。

再找下一面牆。

因為人很會搬家。

舊框拆掉,很快又會在新地方蓋一個。

例如我們說:

未來沒有App,所有服務都由AI自動完成。

很好。

但裡面也許又藏著:

服務仍然屬於一家固定公司。

使用者仍然是被服務的一方。

AI仍然只是替人完成事情。

那就繼續問。

不是為了永遠拆到什麼都不剩。

而是避免第一個新想法,立刻又變成新的理所當然。

於是預測變成一個回路:

找牆 → 拆牆 → 再找下一面牆。

圖 29|找牆 → 拆牆 → 再找下一面牆
圖 29|找牆 → 拆牆 → 再找下一面牆

《莊子》說井蛙不可以語於海。

不是因為井蛙愚蠢。

它看到的世界,本來就被井口裁過。

夏蟲不知道冰,也不是缺乏想像力,而是它所活過的時間裡根本沒有冬天。

人預測未來,也有自己的井口和季節。

組織。

職位。

螢幕。

App。

Prompt。

Agent。

這些東西今天如此自然,以至於我們很少意識到:

它們本身也只是某個時代的產物。

所以看不見未來,有時不是因為想得不夠遠。

而是站得太牢。

這也包括《明思》自己。

我們現在用「模型」「Agent」「Local AI」「多智慧體」理解正在發生的事,完全合理。

地圖本來就需要名字。

但如果有一天現實已經改變,我們還死守這些名字,《明思》就會犯它自己一直提醒別人不要犯的錯:

把方便理解世界的框,誤認成世界本身。

所以這一章不是教人預測得更準。

它甚至先懷疑「預測準確」是不是最值得追的目標。

因為真正困難的未來,往往不是我們猜錯哪個產品會流行。

而是:

我們連那個世界應該用什麼問題去問,都還不知道。

因此,比「預測未來」更值得做的一件事是:

預測自己為什麼可能預測不到未來。

哪些既有利益讓我們不願意想另一種結構?

哪些語言讓某些可能連名字都沒有?

哪些成功經驗讓我們認為現在這套方式理所當然?

哪些技術名詞,其實只是過渡時期的臨時稱呼?

這些一旦浮出來,未來不會因此突然變清楚。

但至少,今天替它畫好的牢籠會少幾根鐵條。

《明思》不是替未來算命。

它做的是另一件事:

製造以前問不出來的問題。

而有時候,這已經足以讓一個原本不存在的未來,第一次有地方長出來。

如果真正看不見的未來,往往藏在那些我們今天連懷疑都沒有懷疑過的前提後面,那麼,在我們此刻對AI最有把握的想像裡,哪一件「理所當然」,最可能正是下一面應該先拆掉的牆?