AI 越來越會做，我反而開始在意：你看見了什麼？
- 當生成能力普及，真正稀缺的可能是觀察、提問、判斷與選擇。 -
最近看到一篇文章，講一個滿誇張的案例。
一位做了 11 年媒體工作的創作者「晚晚」，靠自己做出 48 集 AI 短劇《硯邊青梅》，最後播放破億。
看到這種故事，我以前第一個反應大概會是：
- 她用了什麼模型？
- 影片怎麼生成？
- 角色一致性怎麼處理？
- 一集要做多久？
- 整套工作流是什麼？
但這次看完，我反而對這些事情沒有那麼好奇。
真正讓我停下來想的，是另一件事：
如果今天大家都有一樣強的 AI，為什麼最後被看見的是她？
AI 解決了「做不出來」，卻讓「做什麼」變得更難
那篇文章提到一個很驚人的數字：2026 上半年，光抖音上線的 AI 短劇就超過 22 萬部；播放破億的只有 1,055 部，大約 0.47%。
這個數字值得想一想。
這兩年我們一直在談 AI 如何降低內容製作門檻。以前要拍一部劇，需要編劇、導演、演員、攝影、美術、剪輯、場景與服裝；現在一個人加上一堆 AI 工具，真的開始有機會完成以前一整個團隊才能完成的事情。
但當 22 萬部作品都出現之後，新的問題就來了：
做得出來，還重要嗎？
或者更精準地說：
當「做得出來」變成基本能力之後，下一個競爭門檻到底是什麼？
我最近自己玩 AI 影片、AI 音樂、AI 生圖，也越來越強烈感受到這件事。
以前看到一支很漂亮的 AI 影片，我會研究半天。現在滑到很多 AI 影片，我可能三秒就過去了。
不是那些作品變差了，而是漂亮的東西正在快速變多。當供給開始接近無限，「內容」本身就會開始通膨。
一個不到 100 字的人，如何長出 48 集作品？
《硯邊青梅》的起點其實很小。
它來自顏真卿的《祭姪文稿》。創作者晚晚開始研究這段歷史，查《新唐書》、《舊唐書》等史料，最後發現一件事：關於顏真卿姪子顏季明的歷史記載，加起來甚至不到 100 字。
可是問題來了。
一個在歷史裡幾乎只剩下一個名字的人，為什麼會讓顏真卿寫下一篇流傳一千多年的祭文？顏季明到底是一個什麼樣的人？
我覺得整個故事真正厲害的地方，是從這裡開始的。
因為這個問題不是什麼厲害的 Prompt，甚至跟 AI 沒有直接關係。它只是某個人看到一段歷史之後，沒有直接滑過去。
她停了一下，覺得奇怪，然後開始查。最後從不到 100 字的史料，長出了一部 48 集的作品。
這讓我突然想到：
AI 最容易複製的可能是答案，最難複製的，反而是你為什麼會問這個問題。
從 Prompt Engineering 走向 Question Engineering
這幾年大家花很多時間研究 Prompt Engineering：提示詞怎麼寫、角色怎麼設定、上下文怎麼給、模型怎麼選、工作流怎麼串。
這些當然都重要，我自己也一直在研究。
但模型越來越強之後，我開始覺得另一個能力可能會慢慢浮上來：Question Engineering。
你到底有沒有一個值得 AI 幫你追下去的問題？
因為今天你叫 AI：
幫我寫一部唐朝背景的穿越愛情短劇。
它真的寫得出來，而且一秒鐘可以寫十個版本。問題是，其他 10 萬個人也可以。
但如果你的起點是：
一個在史書裡只留下不到 100 字的人，為什麼值得另一個人寫下一篇流傳千年的祭文？
後面的世界就不一樣了。
差別不是 AI 能力，而是你先看見了什麼。
這也和我最近思考的 AI 時代專業價值很像：當執行能力越來越容易被複製，真正能留下差異的，會是你怎麼觀察、怎麼判斷，以及你曾經用這些判斷完成過什麼。AI 時代，你真正該累積的不是內容，而是「專業證據」
經驗真正值錢的地方，不只是「我比較會做」
很多人會問：AI 時代，做了十年、二十年的專業人士，到底還有什麼優勢？
如果答案只是「我比較會做」，這個優勢其實很危險。因為 AI 最擅長追趕的，就是執行能力：寫文案、剪影片、做簡報、整理資料、生成圖片、寫程式，很多以前需要幾年才能練熟的事情，門檻都正在快速下降。
可是老手還有另外一種東西。
做媒體 11 年的人，可能知道哪一句話怪怪的、哪一個不起眼的人值得追、哪一份看起來沒什麼的資料，背後卻可能藏著故事。
做行銷十幾年的人也是。看到一份企劃，他可能說不出完整理論，但就是知道：「這個消費者不會買。」
這些東西以前很難量化，現在反而可能越來越重要。
所以我最近很喜歡一個比喻：
新手跟老手都拿到同一台 AI，但老手知道該把它開去哪裡。
這不是說老手可以停止學新工具，而是提醒我們：工具熟練度只是起點，方向感才是稀缺能力。
AI 一人公司，不只是「一個人抵十個人」
這個案例也讓我重新思考「一人公司」這件事。
我們常常把 AI 一人公司講成：以前十個人的工作，現在一個人完成，所以可以省人、降低成本、提高效率。
但我覺得這只是第一層。
真正有意思的是：以前只有組織有資格實現的想法，現在個人也開始有資格實現。
這完全是兩件不同的事情。
以前一個普通人突然說：「我要拍一部 48 集古裝劇。」大家第一個想到的不是劇情，而是錢：演員呢？場景呢？服裝呢？攝影呢？後製呢？
很多想法甚至還沒有開始，就被資源限制殺掉了。
AI 改變的是，那些以前根本沒有資格被執行的想法，現在開始可以被試試看。
所以 AI 帶來的最大改變，也許不只是企業可以少請幾個人，而是未來會出現大量以前根本不可能存在的一人製片公司、一人媒體、一人工作室與一人 IP。
這和我之前談過的「把專業知識變成軟體」其實是同一個方向：個人不只是在使用工具，而是開始有能力把自己的觀察變成產品、內容與服務。Vibe Coding 下一階段：把專業知識變成軟體，產業專家就是下一代產品經理
當每個人都有一間虛擬製片廠，真正稀缺的是什麼？
假設再過幾年，每個人都可以一句話生成電影，每個人都可以做動畫、寫歌，也都有自己的虛擬演員、攝影師、剪輯師與設計師。
那時候真正稀缺的，可能不是生成能力，而是四件很老派的事情：
- 觀察：你到底看見了什麼？
- 提問：為什麼這件事值得追？
- 判斷：AI 給你 100 個答案，你知道哪一個比較接近真實、比較值得留下嗎？
- 選擇：所有人都在做同一個熱門題材時，你敢不敢去做那個只有不到 100 字的人？
這四件事也解釋了，為什麼 AI 素養不會只等於 Prompt 技巧。真正的人機協作，還包含分工、描述、判斷與負責；Prompt 只是其中一段。4D Framework：比 Prompt Engineering 更完整的 AI Fluency 框架
最後決定「這個值得做」的人，還是你
AI 可以一天生成 100 個故事，但最後決定「這一個值得我花三個月做完」的那個人，還是你。
所以我現在反而覺得，AI 越強，人真正值錢的地方可能會變得越原始。
不是你按按鈕有多快，不是你懂多少模型名稱，甚至不只是 Prompt 寫得多漂亮，而是你對這個世界到底還有沒有好奇心。
兩個人走過同一條街，讀同一本書，看到同一段歷史。
一個人看完就走了，另一個人突然停下來：
等一下，這裡是不是有什麼故事？
以前從這個念頭，到真的把故事做出來，中間隔著一整個產業。現在 AI 正在把這段距離快速縮短。
所以也許 AI 時代真正巨大的機會，不只是「我們終於可以做更多東西」，而是：
那些你以前看見了，卻沒有能力做出來的東西，現在終於輪到你了。
常見問答 (FAQ)
Q1：什麼是 Question Engineering？
Question Engineering 可以理解成「問題工程」：先找到值得追問、查證與延伸的問題，再讓 AI 協助研究、生成與執行。它關注的不是提示詞格式，而是你為什麼問、問題是否有價值，以及你想把答案帶到哪裡。
Q2：AI 越來越強之後，創作者最該練習什麼？
創作者應該持續練習觀察、提問、判斷與選擇。生成工具可以降低製作門檻，但無法替你決定哪個細節值得追、哪個故事值得投入，也無法替你對最後的作品負責。
Q3：AI 一人公司和「一個人抵十個人」有什麼不同？
「一個人抵十個人」強調的是省人與效率；AI 一人公司更重要的意義，是讓個人有機會實現過去只有組織才有資源執行的想法，例如獨立完成一部長篇作品、打造一個媒體品牌或驗證一個產品構想。
Q4：沒有深厚的媒體或歷史背景，也能開始 Question Engineering 嗎？
可以。可以從日常看到的矛盾、被忽略的人、反覆出現的問題或讓你感到奇怪的細節開始，先記下問題，再查資料、比較來源，最後用小規模作品驗證它是否值得繼續。重點不是一開始就提出完美問題，而是不要太快滑過值得停留的地方。
Q5：專業經驗在 AI 時代還有價值嗎？
有，而且價值會從單純的執行熟練度，轉向辨識模式、發現異常、理解情境、做出取捨與承擔結果。新手與老手可以使用同一個 AI，但老手通常更知道該把 AI 帶往哪個方向，以及哪些產出值得被採用。
