首先，我們每個人都可以是專家。只要有一個自認的專長領域，就該視自己為專家。即便只學了三個月的鋼琴，你也是懂得樂理的專家，只是年資尚淺。

建立這種自覺非常重要。面對龐大、高效且基於機率運算的AI機器，你必須捍衛身為專家的自尊。你是帶著有限的領域知識，利用AI來「增強」能力，而不是讓這台冰冷（或者說機房很熱）的機器假裝成專家，來教你如何做出關鍵決策。

說白了，你得從心底看輕這台機器，它永遠只是個助手。你可以問它「A與B哪個方案比較好？」，但必須帶著專家的意識去發問，甚至帶著點審視的態度，預期它可能給出錯誤的資訊。你會感謝它龐大的知識庫、高效的整理能力以及擬真的語氣，讓你快速掌握全局。但在本質上，掌握主導權的人依然是你。

在專業領域之外，我們或許會隨意地向AI提問：「今年夏天去沖繩還是北海道比較好？」

然而，專家的自覺不僅體現在專業領域的自信與觀點，更在於共享一套定義問題、比較方案的通用方法論。因此，專家在處理生活中的非專業提問時，自然也會帶入專家級的提問能力：「今年夏天8月日本旅行，目標：，預算：，參與者：____」。專家就是如此樸實無華且執著地生活著。

機器邏輯是不透明的，如同人類專家的邏輯也不一定總能清晰陳述。人類專家可以透過交流，將內隱知識外顯化，從而產生協作的意義。但如果我們無法了解機器的決策邏輯，就無從彼此學習。

正如 Raisch 與 Krakowski 所言：「機器的輸出被用來挑戰人類，而人類的輸入則被用來挑戰機器。」

AI工具如何產生輸出，往往缺乏透明度。因此，我們必須清楚在何種情況下，需要以專家之姿要求AI增強工作。

有時我們提供框架與方法；有時我們明確指派工作，例如比較兩個學派的論點。說是外包也不完全精確，因為身為專家，我們其實知道該找哪兩篇文獻，也大致預期會得到什麼結果。我們不會一無所知，這是專家的自尊。專家的AI素養，直接反映在提問的水準上——如同在生活中一樣，總能直指核心提出關鍵問題。

此外，專家有意識地「被」挑戰，是另一種AI帶來的增強。讓AI扮演挑戰者的聲音，在生成式AI剛普及時有許多優秀的作法。現在反而少見了。或許是專家已經習慣了這樣的工作流而不再討論？又或是模型已經強大到讓人忘了主動創造不同聲音？

經歷了大量的AI教育訓練、實作與輔導導入後，我意識到市場上太少人在喚起「專家自覺」這種捍衛個人自尊的聲音。而這，才是解決AI焦慮的最佳解方。

專家自覺，是一種原力。

願原力與你同在。