我請 AI 幫我做一套會議紀錄系統，做到一半它才知道，我早就有一套自己的流程——錯不在它。
事情是這樣的。我想要一個會議紀錄知識庫：錄音丟進去、自動轉逐字稿、整理成摘要、之後還能用問答的方式搜尋。我把這個需求打給 AI，它很盡責地開始規劃：架構、流程、介面，一步一步都像模像樣。
問題出在做到一半的時候。我隨口提了一句：「喔對，我現在都是用 LINE 傳錄音檔，它會自動跑會議紀錄。」
空氣凝結了三秒（如果 AI 有空氣的話）。
原來我不是「沒有系統」，我是「已經有一套用得順手的流程，只是有幾個痛點想解決」。這兩件事的解法完全不同。前者是從零蓋房子，後者是在現有的房子上修水電。AI 前半段規劃的那棟新房子，跟我每天實際住的房子，根本是兩回事。
後來我把既有流程講清楚，它調整方向，做出來的東西才真正貼合我的習慣。
這次翻車讓我學到一件事：AI 缺的從來不是能力，是你的 context。
我們很容易把 AI 當許願池——把理想需求丟進去，等一個完美的成品浮出來。但 AI 不會通靈。它不知道你桌上已經有哪些工具、你每天的動線長什麼樣、你真正卡住的是哪一步。你不說，它就只能憑想像幫你蓋一棟「理論上很好」的房子。
所以現在我開始任何一個 AI 協作專案之前，會先回答三個問題：
1. 我現在是怎麼做這件事的？ 把現有流程一步一步講出來，包括那些土法煉鋼的部分。不要不好意思，土法煉鋼的細節往往才是關鍵資訊。
2. 我卡在哪裡？ 講痛點，不是講願望。「我希望有一個自動化系統」是願望；「我每次都要手動把錄音檔改名、搬資料夾，一週浪費一小時」是痛點。AI 對痛點的反應精準得多。
3. 我手上已經有什麼？ 現有的工具、帳號、習慣、半成品，全部攤開。AI 最擅長的其實不是從零開始，而是把你已有的東西接起來。
這三個問題，說穿了就是一句話：在開始之前，先讓 AI 知道你的現況，比把需求描述得多漂亮更重要。
有趣的是，這跟帶人也是同一回事。你交辦工作給新同事，如果只丟一句「幫我做一份報表」，他做出來的多半不是你要的；你先讓他看過你以前的報表、知道老闆在意什麼，成品就會接近很多。AI 就是那個能力很強、但完全不了解你的新同事。
差別只在於：同事會主動問你，AI 多半不會。所以，先說。