為什麼 AI 做得比較醜，卻可能還是最好的選擇？

基本能力沒有消失，而是角色改變了

以前我們會說，外文能力很重要，因為你要自己讀、自己寫、自己翻譯。以前我們會說，繪圖能力很重要，因為工程、建築、設計都需要自己畫。

以前我也會叫學生學 LaTeX，因為經濟學、數學與圖表內容，要整理得清楚漂亮，本來就需要一定的排版能力。

這些能力到現在仍然重要。但它們的角色正在改變。

你不一定每一件事都要從零開始手工完成，但你必須看得出來 AI 哪裡做錯、哪裡不精準、哪裡邏輯怪怪的，以及怎麼把它修成真正能用的東西。

這才是 AI 時代更重要的能力。不是單純會不會做，而是你能不能判斷、能不能指揮、能不能修正、能不能整合。

對老師來說，這個改變特別明顯。以前要出一份題目，可能要花很多時間設計題幹、調整數字、排版公式、檢查答案。

現在 AI 可以先幫忙處理很多技術性與行政性的工作。老師真正需要投入心力的地方，反而更集中在判斷題目有沒有意義、邏輯是否清楚、能不能引導學生思考。

用經濟學看 AI 與人力的取捨

如果用經濟學來看，AI 和人力其實可以被理解成兩種不同的投入。

• AI 的特色是快，成本低，產出速度高。
• 人力的特色是細緻、審美穩定、判斷品質成熟，但時間與成本也比較高。

這時候，真正的問題就不是「AI 比較好，還是人比較好」。真正的問題是：在有限資源下，如果品質和速度都會帶來價值，最適選擇應該怎麼分配？

有些情境下，品質非常重要，速度只是其次。那你當然會願意投入更多人力，慢慢打磨。

但有些情境下，速度本身就是價值。早一天上線、早一天測試、早一天取得市場反應、早一天讓學生看到內容，這些都可能帶來實際效益。

這時候，即使 AI 做出來的版本沒有那麼完美，它仍然可能是更好的選擇。因為專業不只是在最後成品裡，也存在於流程速度裡。

模型設定：美感品質與完成速度

接著我們用一個簡單的經濟學模型來看這件事。

假設某位老師要製作一個教學網站。網站帶來的效用取決於兩個指標：美感品質 B 與完成速度 V。

• B 越高，代表網站越美、越精緻。
• V 越高，代表網站越快完成。

令 x 代表投入 AI 工具的金額，y 代表投入人力設計的金額，單位都是萬元。假設總預算為 10 萬元。

假設這位老師的效用函數是 CD 型：

這個效用函數代表老師同時重視美感與速度，而且兩者不能完全互相取代。網站不能只有美感但慢到不行，也不能只有速度但醜到不能用。

很多人看到 CD 型效用函數，會以為最適選擇一定是「AI 用一點，人力也用一點」。但這其實不一定。

第一步：把問題轉成 x 與 y 的選擇

將 B 與 V 代入效用函數：

因為平方根函數是單調遞增函數，所以最大化 U，等於最大化根號裡面的部分。

把常數提出來，可以寫成：

常數 10 不影響最適選擇，所以問題等同於最大化：

第二步：求邊際效用與內部解條件

接下來求邊際效用。先對 x 微分：

再對 y 微分：

如果存在內部解，最適條件應該是邊際替代率等於價格比：

因為投入 AI 和人力設計的價格都一樣，都是每 1 萬元一單位，所以價格比為 1。

因此內部解的一階條件是：

第三步：為什麼沒有內部解？

由內部解條件可得：

但這不可能是可行解。因為 x 和 y 都是投入金額，不可能小於 0。

可是 x = -3y 代表除非 x = 0、y = 0，否則一定會有一個變數是負的。而 x = 0、y = 0 又不符合總預算 x + y = 10。

所以，本題沒有內部解。

這裡是整個題目的關鍵。CD 型效用函數通常會讓人想到內部解，但 CD 型效用函數不保證一定有內部解。

第四步：角解為什麼會是全部投入 AI？

在這一題裡，AI 的美感雖然比人力低：

但 AI 的速度明顯比人力高：

而且 AI 的美感沒有低到完全不能接受。所以即使效用函數同時重視美感與速度，AI 在整體邊際效用上仍然可能比較有利。

我們可以更直接看邊際效用比率：

在所有可行的 x ≥ 0、y ≥ 0 下：

這代表在整條預算線上，AI 工具的邊際效用都比人力設計高。

既然每 1 萬元投入 AI 所帶來的邊際效用都比較高，那最適選擇就不會是兩邊各分一點，而是把預算全部投入 AI。

此時美感品質與完成速度為：

所以效用為：

即使 AI 做得比較醜，最適選擇仍然可能是全部投入 AI。

經濟直覺：折衷不一定永遠是最適解

這聽起來有點反直覺。很多人會以為，只要同時重視品質和速度，就一定會採取折衷方案。

• AI 做一半，人力修一半。
• AI 負責初稿，人力負責美化。
• AI 負責速度，人力負責品質。

這些做法在很多情況下確實合理。但經濟學要告訴我們的是：折衷不一定永遠是最適解。

如果 AI 的速度優勢夠大，而且 AI 的品質沒有低到拖垮整體效用，那麼即使人力設計比較漂亮，最適選擇仍然可能是全靠 AI。

AI 不需要做到最美，才有資格被選擇。它只要做到「夠用」，再加上「非常快」，就可能在整體效用上勝出。

這也是為什麼很多人低估 AI。大家常常批評 AI 圖片不夠精緻、文字不夠有味道、排版不夠漂亮、邏輯偶爾會出錯。這些批評都可能是對的。

但這些批評不一定能推出「所以 AI 不值得用」。因為最適選擇看的不是單一指標，而是整體效用。

如果速度也有價值，如果早點完成也有價值，如果快速試錯也有價值，如果把時間省下來可以投入更重要的判斷，那 AI 即使在某些面向比較弱，仍然可能是最好的選擇。

結論：這不是偷懶，而是資源配置

AI 真正改變的，不只是工具，而是我們對專業的理解。

以前的專業，很大一部分建立在「我會做」。我會翻譯，我會畫圖，我會排版，我會寫程式，我會整理資料，我會做簡報。

但未來的專業，會更接近：我知道要問什麼問題、知道結果哪裡怪、知道怎麼修正、知道怎麼把工具、知識與目標整合起來。

更重要的是，我知道在什麼情境下該追求完美，在什麼情境下該先求速度，也知道什麼時候乾脆全靠 AI 反而比較有效率。

所謂全靠 AI，當然不是說人完全消失。人的價值仍然在於設定目標、判斷方向、檢查結果、修正錯誤，以及決定什麼叫做「夠好」。

但在某些執行層面上，的確有可能出現這樣的結果：與其把預算分給 AI 和人力，不如把執行資源全部集中在 AI 上，再由人來做最後的判斷與整合。

• CD 型效用函數常常會有內部解，但不保證一定有內部解。
• 是否出現內部解，要看效用函數、技術條件與可行集合的位置。
• 在這一題中，AI 的美感低於人力設計，但速度優勢非常大，而且美感沒有低到不能接受。
• 因此在整條預算線上，投入 AI 的邊際效用都高於投入人力設計。
• 最適選擇會是角解：x = 10, y = 0，也就是全部投入 AI。

AI 不一定是因為做得比較漂亮才被選擇。它可能是因為在某些效用標準下，快本身就是價值。

當速度也進入效用函數，AI 就不只是輔助工具，而是會改變最適選擇的技術。而且在某些情境下，結論真的可能很直接：不是 AI 配一點人力，而是全靠 AI，反而最有效率。