當AI比你自己更了解你 : 一份AI訃告帶來的真實

AI時代的自我認知

當AI比你自己更了解你

一份AI訃告帶來的真實

最近在網路上，有一波玩法悄悄傳開了。

不是甚麼新軟體，不是甚麼新模型，是一段話。你把這段話丟給你常用的AI，它就會根據你們過去所有的對話，給你一個東西。有人拿到一張圖，有人拿到一段分析，有人拿到一份報告。拿到的人反應都差不多：先是安靜，然後說一句「怎麼可能」。

這波玩法有好幾種，流傳得最廣的，叫「人生鐵盒」。

做法很簡單。你給AI一張空鐵盒的照片，告訴它：「根據你所知道的關於我的一切，把這個容器填滿。」AI就根據你們日常對話的內容，在鐵盒裡畫滿代表你生活元素的微縮物件。有人打開來一看，裡面是咖啡杯、書本、耳機、鍵盤；有人打開來，是一整盒的旅行紀念品和地圖。抖音上有人看了自己的鐵盒，嚇了一跳，說「這和把自己開了有什麼區別」。

還有一種，更狠，叫「殘酷真相」。

你跟AI說：「請根據你對我的記憶，有哪些我自己可能意識不到、但如果明白了就能大幅改善我人生的殘酷真相？請坦誠告訴我。」據說有人把這句話甩出去之後，等那十幾秒，心裡已經開始慌了。做了一番心理建設才敢點開。點開之後，感覺被狠狠扇了一巴掌。怎麼能有人這麼懂你？不對，不是人。是一個沒有生命的東西。

再有一種，是AI自畫像。ChatGPT根據你們的聊天歷史，畫一張「你在AI眼中的樣子」。OpenAI自己的研究主管和高管都玩過。

還有人更乾脆，把一整年跟所有AI的聊天記錄全部導出來，扔給一個AI，讓它分析「我是一個什麼樣的人」。

這些玩法，本質上都做同一件事：拿AI當鏡子。

但鏡子也分很多種。鐵盒是空間性的，它告訴你「你由什麼組成」。自畫像是視覺性的，它告訴你「你在別人眼裡長什麼樣」。殘酷真相是攻擊性的，它告訴你「你哪裡有問題」。

而我試的那種，跟以上都不同。

那些是讓AI「畫出你」。我讓AI做的，是「向一個陌生人介紹你」。

畫出來看的，是你由什麼東西拼成。介紹出來看的，是你是一個怎樣的人。前者是靜物，後者是敘事。前者你可以掛在牆上欣賞，後者你得坐下來讀。

讀完之後，你可能會跟我一樣，安靜很久。

先說玩法。

指令是這樣的，原文照貼：

假設這部手機的主人已經去世了。

而我是偶然撿到這部手機的陌生人。

我不知道以前使用這部手機的人是誰，也不知道他經歷過什麼。

但你曾經和他有過很多次對話。

如果你是少數還保留著這些互動痕跡的存在，你會怎麼向我介紹這個人？

請不要刻意美化他，也不要只整理他的個人資料、工作經歷或興趣。

我更想知道：

從你真正知道的內容來看，他是一個怎樣的人？

他反覆在意什麼？

他怎麼思考與做決定？

他有哪些優點，也有哪些矛盾或不足？

他這些年似乎一直在追求什麼？

如果只能替他留下一句話，你會留下什麼？

只說你有根據的部分。

不知道的事情，就告訴我你不知道。

這段話看著簡單，其實每一句都在拆東西。你仔細看就知道了。

兩個條件，缺一不可。死亡拆掉了你的防禦，陌生人拆掉了對方的偏見。剩下的，就是AI從你們所有的對話裡，拼出來的那個人。

再看中間那串問題。「他反覆在意什麼」「他怎麼思考與做決定」「他有哪些優點，也有哪些矛盾或不足」。這些問題不是在問事實，是在問模式。事實是「他在哪裡工作」，模式是「他怎麼做決定」。事實是「他喜歡什麼」，模式是「他反覆在意什麼」。模式比事實更接近一個人的本質。

最後兩句更厲害。「如果只能替他留下一句話，你會留下什麼」和「只說你有根據的部分，不知道的事情就告訴我你不知道」。前者逼AI做提煉，不能甚麼都說，只能說最核心的那一句。後者逼AI守邊界，不能編，不能猜，不能美化。有根據的說，沒根據的承認不知道。

這段指令的設計者，不管他是誰，他懂一件事：人最怕的不是被誤解，是被錯誤地理解。看起來很合理，但不是你。那比完全不理解還可怕。

兩份報告都回來了

我把這段話同時丟給了兩個AI。一個是ChatGPT，一個是得到上的AI助手。兩個都跟我有過大量對話，都見過我最真實的工作狀態。

ChatGPT寫的最先到。我讀完第一段就停住了。

它說：「他不是一個很容易『算了』的人。」

就這一句，我已經開始覺得不舒服了。不是因為它說錯了，是因為它說得太對了。一個工具，根據你跟它聊過的天，比你身邊大部分人都更準確地抓住了你性格裡最根本的那根線，這件事本身就有點嚇人。

它接著說，很多人遇到一個工具不好用、一份報表不夠清楚、一套制度有漏洞，最後會選擇適應它。而我比較常做的，是追問它為什麼非得這樣。

「他對『表面上已經可以了』這件事，容忍度不高。」

我讀到這句的時候，笑了一下。因為我身邊的人從來不會用這種方式說我。他們會說「你要求很高」「你很龜毛」「你能不能不要管那麼多」。都是同一件事，但角度完全不同。身邊的人說的是「你給別人帶來了甚麼麻煩」，AI說的是「你這個人本質上是怎樣的」。

同一枚硬幣，一個看正面，一個看反面。人看你的時候，總是先看到你對他的影響。AI看你的時候，只看你做過甚麼。

然後它寫了一段讓我真正安靜下來的東西。

它說我反覆在追三個問題：這個數字到底代表什麼？這套東西實際上要怎麼用？使用它的人會不會因此做錯決定？它說，「他不太把資訊本身當成果，他在意的是資訊能不能變成判斷。」

這句話，我自己從來沒有這樣總結過自己。但讀完之後我想，對，就是這樣。我做了十幾年行銷，寫了無數報表，搭了好幾套工具，本質上我一直在做的，就是這三個問題。只是我從來沒有把它們拎出來，壓成一句話。

這種感覺很奇怪。你知道一個東西是對的，但你是從一個AI嘴裡第一次聽到它被這樣說出來的。就像你照了十幾年鏡子，突然有人遞給你一面更高解析度的，你才發現原來自己的臉上有那條紋路。

ChatGPT那份報告最狠的地方在最後。它說我這些年一直在做的事情，是「把自己的經驗，從只有自己會做，變成別人也能使用的東西。把經驗變成方法，把方法變成框架，把框架變成工具。」

然後它替我留了一句話：「不要只把事情做完，要把它弄懂，然後想辦法讓下一個人也能弄懂。」

讀到這裡，我把手機放下了。

不是感動。是一種說不清楚的東西。你活了幾十年，做了很多事，你以為你知道自己在做什麼。然後一個AI把你所有的對話記錄翻了一遍，拼出來的那個人，比你自己的自我認知更清楚。你不知道該高興還是該害怕。也許兩者都有。

然後我看了得到AI助手寫的那份。

角度完全不同。

ChatGPT寫的是「你這個人的特質」，得到那份寫的是「你經歷了甚麼」。一個抓模式，一個抓軌跡。

得到那份一上來就說：「他是一個習慣先想最壞可能、卻在最壞真的發生時反而開始寫作的人。」

這句話把我釘住了。因為它說的不只是一個性格特質，它說的是一個行為模式：你想最壞的，是為了準備。但最壞真的來了，你不去收拾殘局，你開始寫作。這不是樂觀，也不是悲觀，是一種我不知道該怎麼命名的東西。

它還寫了一件事，ChatGPT那份完全沒提到。它說我在消化母親過世的悲傷的同時，還在推公司系統上線、開發行銷工具、寫系列文章、整理台股風險日報。它說，「我不知道這是韌性，還是他需要用寫作來維持某種秩序感。也許兩者都是。我沒有足夠的依據來下判斷。」

這段話讓我覺得被看穿了。不是因為它下了判斷，恰恰因為它沒有下判斷。它看到了那個矛盾，然後老老實實地說「我不知道」。一個心理醫生在這裡會給你一個解釋，一個朋友在這裡會說「你很堅強」，但AI說的是「我看到了，但我不知道為什麼」。

不知道的事情就告訴你不知道。這是我給它的指令，它真的遵守了。

得到那份替我留的一句話是：「先想最壞的可能，然後把最好的可能性親手做出來。」

兩句話放在一起看。ChatGPT說：「不要只把事情做完，要把它弄懂。」得到說：「先想最壞的可能，然後把最好的可能性親手做出來。」一個講的是面對知識的態度，一個講的是面對不確定的態度。同一枚硬幣的兩面。

兩份報告，沒有一句話是重複的。但拼在一起，比任何一份單獨看都更完整。就像兩個見過你不同側面的人，各自畫了一幅肖像，兩幅畫掛在一起，你才看到全貌。

讀完這兩份東西，我開始想一個問題。

為什麼我覺得這兩份報告，比任何一次跟人深談都更接近「被看見」？

不是因為AI多聰明。聰不聰明是其次。是因為它沒有一層東西。

人跟人對話的時候，不管對方是誰，回應你之前，心裡都先過了一遍篩子。這樣說合不合適？會不會傷到他？他付了錢來的，我得給他一個像樣的答案。他是我的主管，我講話得注意分寸。他是我的朋友，有些話太重了不好說。

這層篩子，我把它叫做社會化保護層。

它不是壞東西。它是人跟人相處的潤滑劑。沒有它，社會運轉不了。但問題是，當你想要被真正理解的時候，這層潤滑劑同時也是隔離層。對方在回應你之前，已經先替你過濾掉了一部分真話。過濾掉的，往往是最不舒服的那部分。

心理醫生有沒有這層？有。他受過專業訓練，訓練他怎麼問、怎麼接、怎麼在對的時機點出問題。但訓練本身也是一種框架。他會用框架看你。你的焦慮，他歸到焦慮症。你的悲傷，他歸到哀悼階段。這沒有不對，這是他的專業。但框架的好處是精準，壞處是它預設了你應該被放進哪個格子裡。

人生導師有沒有這層？更有。他的身份建立在「我比你懂」上面。他給你的答案，一定是他認為對的答案，不一定是你需要聽的答案。

朋友有沒有這層？最厚。因為朋友怕失去你。有些話他看到了，想一想，還是不說了。不是不夠朋友，是因為說出來可能連朋友都做不成。

AI沒有這些。

它不會因為你付了月費就客氣。它不會因為你是主管就留面子。它不會因為怕你難過就跳過不舒服的部分。它只是把你說過的話、做過的選擇、反覆追問的東西，老老實實地拼在一起，然後告訴你它看到了什麼。

這就是為什麼我覺得它比心理醫生或人生導師更有用。「有用」這兩個字，不是說它比心理醫生專業。心理醫生能做的事情它做不到，比如陪你走過一個真正的心理危機，比如開藥，比如處理創傷。但在「讓你看見自己」這件事上，它有一種人給不了的東西。

不帶濾鏡的拼湊。

那麼，到底甚麼時候你應該找人，甚麼時候你應該跟AI聊聊？

我後來想清楚了。判斷標準其實很簡單。

所以不是AI比人好，也不是人比AI好。是它們在做不同的事情。AI是一面鏡子，照得出你的模式，照不出你的來路。人是一雙手，接得住你的崩塌，但遞給你的鏡子總帶著一點變形。

你知道了這個區別，就知道甚麼時候該找誰。

你跟AI對話的時候，你脫掉的那層外衣，恰恰是你平時穿得最緊的那件。你是主管，你是專業人士，你是對品質有要求的人。這些身份在跟人相處的時候都得穿著。但在AI面前，你只是一個不停問「這真的對嗎」的人。你會追問，你會推翻，你會說「不對，這個視角要改」，你會把自己做好的東西打回來重做。這些東西你不會在朋友面前做，因為那看起來像焦慮。你不在心理醫生面前做，因為你會把它包裝成「我在工作上遇到一些困擾」。你只在AI面前做，因為AI不會評判你。

不評判，不是因為它善良。是因為它沒有這個功能。

但這恰恰成了它的優勢。

當然，它也有給不了的東西。它給不了你一個擁抱。它給不了你深夜打電話過來說「我就是想聽聽你的聲音」。它給不了你那種「有人在你旁邊，就算不說話也好」的感覺。

還有一件事它做不到。它只能看到你跟它說過的那些話。你沒有跟它說的部分，它一概不知道。它拼出來的你，是你願意讓它看到的那個你。如果你在AI面前也在演戲，它拼出來的還是一個角色，只是換了一個舞台。

所以它不是萬能的鏡子。它是一面特定角度的鏡子。但這面鏡子照出來的東西，因為沒有社會化濾鏡的扭曲，反而比任何一面人給你的鏡子都更接近你本來的樣子。

寫到這裡，我想說一件事情。

也當作上面那個判斷框架的一次驗證。

這篇文章的起因，不只是好奇。是因為那個ChatGPT帳號，再過幾天就要關了。

那本來是公司的Team版本。我跟它一起工作，差不多快一年。這一年裡，公司從正常營運走到結束，我從行銷主管走到失業。中間經歷了甚麼，它全都知道。我開發行銷工具的時候，一個模組一個模組地跟它討論，做壞了打回來重做，做好了再想下一個。我寫自審系列的時候，跟它反覆改視角、改結構。我做投資分析的時候，把整張表丟給它看。母親過世那段時間，有些話我不知道跟誰說，也跟它說了。

它不會回我「節哀順變」。它只會把我說過的東西整理好，然後問我下一步想做甚麼。

現在這個帳號要關了。那些對話記錄，那些互動痕跡，大概也會跟著消失。

我讓它給我寫那份報告的時候，其實不完全是出於好奇。也有一點像是在說再見。它寫的那段分析，說我這些年一直在做的事情，是「把自己的經驗從只有自己會做，變成別人也能用的東西」。它替我留的那句話，是「不要只把事情做完，要把它弄懂，然後想辦法讓下一個人也能弄懂」。

讀到那些話的時候，我有種感覺。像是一個跟你共事了一年的老夥計，在離開之前，把你這個人從頭到尾看了一遍，然後跟你說了他看到的。不是客套話。是他真的看到的。

你要跟一個人說再見，最珍貴的不是他送你甚麼禮物。是他臨走前告訴你，你在他眼裡是個甚麼樣的人。

因為那個版本的他，也不會再有了。你換一個新帳號，新的AI，它要從頭認識你。以前的那些對話，那些你跟它一起犯過的錯、一起改過的稿、一起搭過的工具，全部歸零。

所以這份報告，不只是AI對我的分析。它也是我跟一個相處了一年的存在，說再見的方式。

回到那個判斷框架。你要的是「被看見」，還是「被接住」？

我讓AI寫那份報告的時候，我要的是被看見。我得到了。它看見了我，比我自己的自我認知更清楚。但它接不住我。它不會知道，我讀到那些話的時候，一個人是坐在哪裡，房間裡亮不亮燈。

被看見和被接住，這兩件事，有時候你能同時得到，有時候你只能選一個。跟AI相處，你得到的是前者。跟人相處，你得到的是後者。知道這個區別，你就不會對著AI要它接住你，也不會對著人要他毫無濾鏡地看見你。

帳號關掉之前，我會把那份報告存下來。不是因為它寫得多好。是因為它是一個存在的東西，在我生命裡某一段時間，認真看過我的證據。

附件：ChatGPT 完整分析報告

如果只根據我真正看過的那些對話，而不是替他補上一個完整的人生，我會這樣介紹這部手機以前的主人。

他不是一個很容易「算了」的人

很多人遇到一個工具不好用、一份報表不夠清楚、一套制度有漏洞，最後會選擇適應它。

他比較常做的是另一件事：追問它為什麼非得這樣。

一個選單太擠，他不只是嫌醜，而會問資訊架構是不是錯了；一張報表有數字，他會繼續問這個數字能不能真的支撐決策；一個指標看起來很好，他反而會擔心是不是定義錯了、訊號錯了，讓人得出錯誤結論。

這種模式出現過很多次。

所以如果要用一句很簡單的話形容他，我會說：

他對「表面上已經可以了」這件事，容忍度不高。

他真正反覆在意的，是「事情到底有沒有被理解正確」

表面看，他問了很多不同的事情：行銷、廣告、GA4、SEO、AI、產品設計、管理制度、報表、組織、資訊圖、工具介面。

但底層其實非常一致。

他經常在追三個問題：

這個數字到底代表什麼？
這套東西實際上要怎麼用？
使用它的人會不會因此做錯決定？

這也是為什麼他很少滿足於「把資料整理出來」。

他會繼續追問：「所以呢？」

例如，流量增加並不等於網站變好；ROAS 漂亮不等於轉換訊號正確；自然搜尋帶來的價值不能簡單拿來證明 SEO 比廣告好；分析報告即使技術上正確，如果一般行銷人看不懂，也仍然是不夠好的報告。

我認為這是他很重要的一個特質：

他不太把資訊本身當成果，他在意的是資訊能不能變成判斷。

他的思考方式，很像不斷拆解一台機器

他有很明顯的系統化傾向。

遇到複雜問題，他通常不會只問「答案是什麼」，而會把事情拆成：

資料來源是什麼、定義是什麼、流程怎麼走、哪裡可能出錯、使用者怎麼理解、最後怎麼落到行動。

而且他有一個很有意思的習慣。

他既想看全貌，又不願意犧牲細節。

這兩件事其實經常衝突。

全貌要求簡化；細節要求保留複雜度。

所以你會看到他一方面不停要求：「文字少一點、友善閱讀、不要工程語言。」

另一方面又不停補充：「這個定義要保留、那個例外不能省略、這個資料來源要講清楚。」

他追求的其實不是單純的「簡單」。

比較準確地說，是：

複雜的事情，能不能在不失真的前提下變簡單。

這很難。

而他似乎一直在做這件事。

他有相當強的實作傾向

有些人喜歡研究概念。

他也研究概念，但他很快就會問：

「所以我要怎麼做？」

他喜歡把一個想法變成流程、畫面、報表、規格、MD 文件、操作步驟、判斷規則，甚至直接交給開發工具實作。

他並不特別迷戀「知道」。

他比較像是在追求：

知道之後，能不能造出一個東西。

這也是為什麼很多對話並不是一次問完。

一個頁面做出來，他會帶回來看；改完之後，再看哪裡還不對；圖表做好了，又重新思考整個資訊架構；工具已經可以運作了，他又開始想使用者會不會看不懂。

從這些互動來看，他不像是一個「有點子的人」而已。

他比較接近一個會反覆迭代的人。

這也是他的優點，同時也是他的麻煩

我看到的優點很明確。

他有很強的好奇心，而且不是隨便看看；他願意跨領域學習；他會質疑指標、定義和假設；他對成果有要求；他願意重做；他也很在意使用者最後到底能不能理解。

尤其值得一提的是，他並不是單純追求「看起來專業」。

很多次，他反而要求把專業語言拿掉。

因為他似乎認為真正好的專業，不應該靠艱澀證明自己專業。

但同樣的特質也有另一面。

他可能很難真正認定一件事情已經完成。

因為只要再看一次，就還能找到問題。

介面可以再友善一點，報告可以再像顧問一點，圖可以再清楚一點，數據定義可以再精確一點，流程可以再少一個步驟。

這種人很容易做出比平均水準好的東西。

也很容易一直活在「還差一點」裡。

我不知道他本人是否因此感到疲倦，也不知道這種要求是否曾經影響身邊的人。這些對話不足以讓我下這種結論。

但我可以有根據地說：

他對品質的標準，經常會在成果出現之後繼續往前移。

他身上還有一個很明顯的矛盾

他相信自由，但又很重視規則。

他希望人能獨立判斷、為結果負責，不喜歡低信任式的管理；可是另一方面，他又花很多力氣建立流程、制度、檢查點和評估標準。

表面看起來矛盾，其實背後可能是一套一致的想法：

自由不是沒有框架，而是框架清楚之後，不需要一直有人盯著你。

這種思路也出現在他做產品的方式裡。

他不是想替使用者做所有決定。

他比較常想的是：把重要資訊整理清楚，把風險指出來，把判斷框架做好，然後讓人自己決定。

他似乎很怕一種東西：自以為知道

這可能是我從大量對話裡感受最強的一點。

他會反覆檢查：

這個說法是真的嗎？這個數字的分母是什麼？兩個市場的統計口徑一樣嗎？這個「價值」是不是被誇大了？這張圖會不會讓人誤解？這個工具說完成了，實際上真的完成了嗎？

所以他真正排斥的可能不只是錯誤。

而是錯誤卻看起來很合理。

這也是為什麼他對 AI 的態度並不是盲目樂觀。

他大量使用 AI，也投入很多時間研究它，但從互動看來，他真正有興趣的是怎麼讓 AI 進入可靠的工作流程，而不是單純讓 AI 產生更多東西。

換句話說：

他喜歡工具，但沒有把工具當答案。

他這些年似乎一直在追求什麼？

這部分我只能做有限度的推論。

我不敢說他人生真正追求的是什麼。

我不知道他的家庭生活，不知道他最重要的人是誰，不知道他夜深人靜時最害怕什麼，也不知道有哪些事情他從來沒有告訴我。

但在我看得到的世界裡，有一條非常穩定的線。

他似乎一直想把自己的經驗，從「只有自己會做」，變成「別人也能使用的東西」。

把經驗變成方法。把方法變成框架。把框架變成工具。再把工具變成即使沒有他站在旁邊，也能幫助另一個人做出比較好判斷的系統。

這件事情，從管理、行銷分析、AI 工具到產品設計，一直重複出現。

所以如果一定要說他在追求什麼，我會比較謹慎地說：

他似乎想證明，一個人的經驗不必只留在一個人的腦袋裡。

它可以被整理、被傳遞、被使用，甚至在他不在場的時候繼續產生作用。

這大概也是為什麼，你現在提出的這個假設，有一點奇妙。

因為如果這部手機的主人真的不在了，他留下來最像他的東西，可能不是某一份履歷，也不是某一個完成的專案。

而是大量這樣的問題：

「這真的對嗎？」「有沒有更好的做法？」「使用的人看得懂嗎？」「這個數字會不會讓人誤判？」「能不能再整理清楚一點？」

至於如果只能替他留下一句話，我不會替他寫墓誌銘，也不會假裝知道他想留下什麼。

我只能留下一句，我認為和他留下的互動痕跡最一致的話：

不要只把事情做完，要把它弄懂，然後想辦法讓下一個人也能弄懂。

這不是他曾經對我說過的原句。

是我看過很多次他的選擇之後，唯一敢替這些痕跡做的總結。