Sam Altman 的 AI 精通之道：來自 ChatGPT 創造者的 7 個委派原則

「一個擅長 AI 的人，就只是擅長下指令（prompting）的人嗎？」

你可能會這麼想。

但實際上，並非如此。

創造出 ChatGPT 的山姆·奧特曼（Sam Altman）。

在深入閱讀他出版的隨筆以及 OpenAI 的官方資訊後，結論其實在別的地方。

「想出巧妙問題」的時代已經結束了。

從現在開始的差距，將取決於 你能把多少重要的工作交給 AI 來做。

在這篇文章中，我將奧特曼的理念濃縮成「明天就能開始使用的 7 個委託原則」。

內容很長，建議先儲存起來慢慢看。

我先說在前頭。

這不是奧特曼本人發佈的「請按照這些步驟操作」的手冊。

我先公開這個秘密：這是我藉由交叉比對他關於生產力、成功和 AI 的隨筆，以及 OpenAI 的官方資訊，重新建構出來的實用框架。

請在理解這個前提下來閱讀。

但正因如此，它才更有價值。因為它建立在奧特曼哲學的核心之上，即使模型改變，也不會變得過時。

原則 1：讓 AI 先當「篩選者」，再當「工作者」

很多人這樣問 ChatGPT：

「總結一下這個」、「把這封 email 寫短一點」、「給我 10 個想法」。

當然，這很有用。

但奧特曼生產力理論的核心恰恰相反。

他在隨筆中寫道：「選擇做什麼工作，是生產力最重要的元素。」朝著沒價值的方向快速前進，是毫無意義的。

所以，第一件該問 AI 的事，不是「我該如何更快完成這個任務？」

而是「這個任務本身，一開始就值得做嗎？」

把你今天所有的待辦事項清單交給它，讓它先進行分類。哪些能帶來未來的成果？哪些應該停止？哪些可以透過委派給 AI 來消除？

這就是普通的省時技巧，與奧特曼式 AI 運用之間的分水嶺。

原則 2：不要用「流程」束縛，要給「成果」

一個常見的錯誤是給出一堆形容詞大雜燴。

「寫得專業、SEO 要強、基於心理學、要有趣、要全面、但要簡潔。」

這看似是指令，其實只是雜訊。

奧特曼強調清晰思考並用簡單、簡潔的語言溝通的重要價值。OpenAI 的開發者指南也說明，對於最新模型來說，「清楚給出成果和限制條件」，比用詳細的流程嚴格束縛更能發揮其力量。

你只需要提供三件事：

• 目的（你想影響誰？以及如何影響？）
• 成功標準（怎樣才算及格？）
• 限制條件（絕對不能做什麼？）

想像一下把工作外包給承包商。你不會對一位才華洋溢的專業人士照著手冊讀。你會說：「我要這個成果，條件如下。」AI 完全一樣。

原則 3：實踐智慧的「資本配置」

目前的 ChatGPT 有不同模型：日常任務用「即時」（Instant），困難任務用「思考」（Thinking），最具挑戰性的工作則用「專業」（Pro）（根據 OpenAI 幫助中心）。

這裡的關鍵不是「所有事情都用最強的模型來做」。

你不會開著一輛半掛卡車去巷口的便利商店。你會根據貨物的重量來更換車輛。就是這麼簡單。

用「即時」模型來處理電子郵件、翻譯、草稿和輕量的研究。

只把「出錯會很痛」的任務——像是商業決策、複雜比較、長文件分析——交給「思考」或「專業」模型。

用奧特曼的話來說，這就是「槓桿作用」。只把厚重的智慧投資在決定成果的那一個點上。使用 AI 需要資本配置的心態。

原則 4：把 AI 當成「基於角色的團隊」，而不是「單一 AI」

在 2025 年的隨筆「三個觀察」中，奧特曼寫道，AI Agent（代理）最終會讓人感覺像虛擬同事——在知識工作的所有領域中，可能會有數千甚至數萬個這樣的 Agent。

將這個概念應用到個人身上，會改變你的使用方式。

不要將 ChatGPT 當作一個什麼都做的「萬事通」。要為每次對話設定角色，把它變成一個團隊。

• 策略顧問：決定應該做什麼。
• 研究員：蒐集資訊並整理來源。
• 編輯：潤飾文字。
• 評論家：攻擊弱點。
• 導師：教你直到你懂為止。
• 會計助理：考慮數字和成本。

如果角色模糊，答案也會模糊。當你賦予它角色、交付物和判斷標準時，AI 就開始「工作」，而不只是「回應」。

這不是什麼提示技巧，這是組織設計的技巧。

從今天開始，你可以在身為一人創辦人的同時，擁有六個部屬。

原則 5：不要只滿足於初稿。「產出、批判、修正。」

老實說。

AI 並非萬能。它會自信滿滿地犯錯。如果你盲目跟從，一定會栽跟斗。

所以，不要把 AI 的回答當作「最終版」。要執行一個三階段的循環。

首先，讓它產出。

第二，讓它批判。

第三，讓它修正。

如果是文章，在初稿完成後告訴它：「身為總編輯，嚴格檢查與讀者關心的落差、事實與推測的混淆、以及誇大不實的內容」，讓它攻擊自己的輸出。然後，根據這些結果讓它進行修訂。用搜尋或原始數據來驗證數字和事實。

奧特曼寫道：「價值來自執行，而非策略。」

AI 的真正價值，不是一次就給出正確答案。在於能夠比人類快上許多倍，反覆執行「草稿 -> 批判 -> 修正 -> 驗證」的循環。

原則 6：迭代勝過單一正確答案

奧特曼的成功理論，充滿了「多次失敗以換取一次真正正確的決策」這種創業家精神。

AI 賦予個人最大的武器，正是這種「嘗試的次數」。

花半天時間做一份提案的時代已經結束了。讓它產生 30 個點子，比較它們，丟棄它們，然後只深入打磨留下來的那一個。

對於新事業，探索 10 個客戶群。對於廣告，測試 20 個訴求點。對於學習，請它用 5 種不同的隱喻來解釋一個困難的概念。

人類的弱點是執著於第一個想法。

AI 的強項是廣泛嘗試並快速捨棄。

把它當作「增加嘗試次數的裝置」，而不是「給出正確答案的 AI」。

原則 7：最後，務必轉化為「今天的行動」

不要以摘要作結。

不要以想法作結。

不要以漂亮的文筆作結。

讓它讀完文件後，總是問：「那麼，我今天該做什麼？」

如果是合約，要求它列出談判要點。如果是銷售數據，要求它提出因果假設和下一步行動。如果是客戶回饋，要求它提出這週可以嘗試的小改善。

用奧特曼的話來說，閱讀資訊本身不會創造價值。只有當它轉化為下一個行動時，才產生意義。

這麼做，AI 就能從「方便的工具」轉變為「智慧的槓桿」。

總結：委託檢查清單

回顧一下，山姆·奧特曼風格的 AI 運用包含以下七點：

1. 在要求工作前，先要求篩選。
2. 給出成果和限制條件，而不是流程。
3. 輕工作用快速模型，重工作才用重量級模型。
4. 設定角色，當作團隊來使用。
5. 產出、批判、修正。
6. 迭代勝過單一正確答案。
7. 最後，務必轉化為「今天的行動」。

在你向 AI 提問前，把這七點當作自我提問的清單存起來。

奧特曼也寫道，到 2026 年，可能會出現能自行發現新洞察的 AI 系統。模型會持續進化，名稱也會不斷改變。

但委託的原則，不會改變。

贏家不會是追著模型名稱跑的人，而是懂得如何委託的人。

今天只要踏出一小步就夠了。

把你的待辦事項清單交給 AI，然後問它：「這些事情裡面，我該停止做哪一件？」

感謝你閱讀到這裡。

如果覺得有幫助，請 [按讚]；如果想之後回顧，請 [儲存]；也歡迎在回覆或轉發中分享你的想法。

參考資料

• Sam Altman「生產力」（blog.samaltman.com）
• Sam Altman「如何成功」（blog.samaltman.com）
• Sam Altman「三個觀察」（blog.samaltman.com）
• Sam Altman「溫柔的奇點」（blog.samaltman.com）
• OpenAI 幫助中心「ChatGPT 中的 GPT-5.5」（help.openai.com）