痛點之尺 · 拆解《逆分工》
作者 山姆（謝冠生）・喵喵書評創辦人
發布 最後更新
讀過近千本商業書，這篇不複述內容——只用《痛點》的 P.A.I.N. 之尺，挑這本書最該被戳的那一格，講一句你帶得走的判斷。拆一本書的四個步驟 →
一個人抵十個人，沒人要還是沒人要
《逆分工》整本書在回答一個很實際的問題：當 AI 把一個知識工作者原本十件事裡的三、五件接手過去，剩下的時間該拿去做什麼。林之晨和蔡祈岩的答案是——拿去做本來不屬於你這份工作的另外三、五件事。工業革命把人切成一個個窄窄的專才，AI 正在把這件事倒轉回來，讓一個人重新長回通才。他們給這種新人才畫了一個很好記的形狀：一把梳子，很多支長度差不多的齒，不必每一支都是大師，但要有品味、有判斷力。
這類「企業怎麼落地 AI」的書，我讀過的多半停在願景喊話，翻完只記得幾個熱詞。這一本難得不同：它把台灣大內部真的跑過的東西攤出來——超人計畫讓八成員工用 AI 提效、智能客服「小麥」一個月服務六十萬人次、滿意度九成七。這些數字讓它站得住，它談的「一個人加 AI 就能吃下一整個流程」，是他們在自己公司裡先跑過、才寫進書裡的東西。就衝這一點，它值得一個正準備用 AI 重組團隊的人認真讀。
只是讀到後來，我一直在等一格，等到最後也沒等到。整本書幾乎都在回答「東西怎麼被做出來」——用更少的人、更快的速度、不掉品質地做出來。它預設了一件事：你手上這門生意，是對的。而「對不對」這一格，它沒逼你回答。
它把「做得出來」這道門檻，幾乎抹平了
逆分工最實在的威力，是把生產一個東西需要的人數往下砍。書裡舉的例子很具體：以前設計師畫完介面，要交給工程師寫成產品；現在設計師用 AI 的氣氛編程，自己就能把雛形做出來，一個設計師加 AI，抵得上一個設計師加一個工程師。同樣的邏輯，作家跨過語言隔閡寫多國版本、行銷人員自己搭出一個聊天機器人、產線主管自己寫一套人資考評系統。做一件事需要湊的人手，一路往下掉。
對「怎麼把東西做出來」這件事，這是天大的好消息。過去很多好點子，卡在「湊不齊一個團隊」就胎死腹中了。門檻降下來，它們終於有機會被生出來。
過去「做不出來」，替你擋掉了多少壞點子
這裡藏著一個沒人替你講的副作用。過去要把一個點子變成真的東西，門檻高得嚇人：你得會寫程式、湊得到設計師、養得起一個團隊。這道高門檻很煩，可是它一直在默默替你做一件事——把大部分「其實沒人要」的點子，擋在「被做出來」之前。你連做都做不出來，自然就不會賠一整年時間進去。那道牆很粗糙，卻是一個一直在運作的過濾器。
逆分工把這道牆推倒了。現在你一個人加 AI，一個週末就能把想法變成一個能點擊的產品。做出來變得太便宜，於是「做不出來」再也擋不住任何東西——包括那些從頭到尾就沒人要的東西。牆倒了以後，還站在原地守門的，只剩一個問題：有沒有人，真的要。
用痛點的眼光看，這正是《逆分工》預設你早就解決、實際上最容易出事的一格。它讓你一個人就能做出十個人的產能。只是產能會自己堆進倉庫，客人不會跟著一起堆進來。你可以用十分之一的人力，把一個沒人要的東西，做得又快又漂亮又便宜——然後對著它，等一個永遠不會來的人。
判斷力最值錢，最值錢的判斷是「有沒有人要」
書裡有句話我很認同：AI 把知識性、邏輯性的硬功夫都接走了，人剩下最值錢的，是判斷力和品味。梳子那個比方其實藏了一層——齒是各種能力，握把才是判斷力；沒有握把，一堆齒散在桌上，梳不了頭。
【一家小工廠換了一台新機器，同樣的人力，產量翻了十倍。老闆很興奮，開足馬力連跑三班，倉庫很快堆到天花板。麻煩的是，機器再快，倉庫裡堆的是三年前就賣不動的款式——他只是用十倍的速度，把賣不掉的東西堆得更高。】（打個比方而已。把「我現在做得更快了」聽成「我現在更容易成功了」，這一步差之毫釐，倉庫堆得再滿也不等於有人要。）
所以問題不是要不要培養判斷力，是把那把最貴的判斷力，先用在哪一格。多數人會很自然地把它用在「做得好不好」——這個介面順不順、這段文案漂不漂亮。可是在逆分工的世界，做得好已經是 AI 幫你保底的下限了。真正還稀缺、還需要一個人扛的判斷，是更前面那一題：這東西，到底有沒有人在為它痛、痛到願意掏錢。要練這一格，你得走出去、找到幾個真人，看他們已經為這件事花了多少時間和錢——這正是 P.A.I.N. 體檢工具想逼你先面對的事。
動手重組團隊前，先確認要重組的是一門對的生意
先說清楚這本書的邊界，我覺得也不用苛求它。它從書名到最後一頁，處理的都是「已經有一門對的生意，接下來怎麼用更少的人把它做出來」——需求那一關，本來就在它畫的範圍之外。當一本生產端的操作手冊讀，它扎實得很。
但如果你正打算把逆分工搬進自己的公司、自己的專案，在你興沖沖地用 AI 把三個人的活壓縮成一個人做之前，先停下來，對著你要投入的那個東西，問一個很土的問題：這件事，現在有幾個人正在為它花錢？不是覺得該有、不是問卷上勾「會買」，是真金白銀已經在花。
找出那幾個人，一個一個去問他們現在怎麼解決、花了多少。名單湊得出來，你再回頭讀這本書，讓 AI 把你交付的速度拉到十倍——那個十倍才算數。名單湊不出來，那台能抵十個人的機器先別急著開；先出門，把那份名單找出來，先有一個人的名字都好。