最近，有朋友問我：「應否報讀一個人工智能課程？」我沒有即時作答，反而反問一句：「你打算用人工智能做甚麼？」對方一時未能回應。
這種情況其實頗為典型。當人工智能成為熱門議題，市場上自然湧現各式各樣的課程與證書，由教授如何使用DeepSeek, ChatGPT，到所謂的「提示詞工程」（prompt engineering），彷彿只要修讀數堂課，便可以掌握未來。
然而，大部分人在提出「應否學習人工智能」之時，實際關心的並非學習本身，而是學習之後，是否能提升自身的競爭力。
若將時間軸拉長觀察，這些類似問題的發展路徑其實並不陌生。二十年前，「懂得打字」曾被視為一項技能；不久之後，成為基本要求；至今，已無人再將其列入履歷。
Excel、PowerPoint，以至互聯網本身，皆經歷過類似的演變。人工智能很大機會將成為下一項「預設能力」。這並不意味人工智能不重要，反而其重要性更接近電力或互聯網，是一種基礎設施，而非單一技能。當每個人都可以接觸並依賴同一套工具時，「懂得使用人工智能」自然不再構成優勢，問題亦隨之轉移至另一層面。
人工智能最常被誤解之處，在於被視為「能力的替代品」。在實際應用中更接近一種放大器。一個本身熟悉財務分析的人，可以利用人工智能迅速整理數據、生成報告及模擬不同情境；然而，一個缺乏基本財務概念的人，即使生成出一份完整分析，也未必能判斷其合理性，甚至可能將錯誤結果當作結論。
同樣的情況在資訊科技領域亦十分明顯，人工智能可以協助撰寫程式、修正錯誤，甚至設計系統架構，但前提是使用者本身具備判斷何謂「正確」的能力，否則只會加速錯誤的產生。換言之，人工智能並不能令一個人由零成為專家，卻會迅速放大原有的能力差距。
因此，在討論是否學習人工智能時，一個更關鍵而較少被提及的問題是：使用者是否具備運用人工智能的「資格」。這裡所指的資格，並非學歷或證書，而是三方面能力的結合。
首先是基本專業知識，即對自身所從事工作的理解，否則生成的結果只會是看似合理的文字或數據；其次是判斷能力，人工智能存在錯誤、偏差甚至「幻覺」（hallucination），若無法識別，風險將被進一步放大；最後是應用場景的理解，同一工具在不同領域的價值差異甚大，能否將其嵌入實際工作流程，決定了它是玩具抑或生產力工具。三者之間的差異，正是「懂得使用」與「有效運用」之間的分界。
回到篇首的問題，即是否需要報讀人工智能課程。從現實角度而言，不少課程的內容集中於工具操作，例如提示詞撰寫、圖像或文字生成等。這些技能固然具備一定價值，但學習門檻並不高，且更新速度極快。
當市場上大部分人皆能掌握相同技巧時，證書本身的價值便會迅速下降。這與過去各類辦公室軟件證書的情況無異。真正具備競爭力的，從來不是「會用」，而是「用得比其他人更有效率、更貼近業務需要」。對於希望提升自身能力的人而言，與其單純修讀人工智能課程，不如思考如何將人工智能與自身專業結合，例如金融分析、風險管理或企業營運。「人工智能＋專業」的能力結構，較難複製，亦更具長遠價值。
人工智能的出現並未消除競爭，反而重新定義了競爭的方式。當工具變得普及，差距不再源於「是否懂得使用」，而在於「如何運用」以及「運用至何種程度」。這或許亦解釋了，為何在同一套工具之下，有人可以大幅提升效率，有人卻只是更快速地重複錯誤。
人工智能降低了工具的門檻，卻同時提高了判斷的門檻，而真正拉開距離的，始終不是工具本身，而是使用工具的人。
