Claude 讓我產出變 5 倍，但決策品質沒變

工具擴增 ≠ 認知頻寬擴增

最近發現一件事，我必須先承認。

過去幾個月我用 Claude 寫文章、寫程式、做研究，速度確實快，產出也變多。但有個體感越來越清楚——我的產能被 AI 放大 5 倍，我的決策品質沒有跟著放大。甚至更糟。

我同時開了 5 個專案，每個 70% 完成。

這篇文章要拆解我觀察到的這個現象。如果你用 AI 工具幾個月了，有類似「我能做的事變多了，但做完的事變少了」的體感，這篇可能對你有用。

以前（沒有 AI 的時代）：產能是瓶頸，決策相對輕鬆

回想 2022 年以前的工作狀態。

想研究一家公司，要自己讀財報、爬新聞、建估值模型、寫研究筆記。一份深度研究兩週起跳。想驗證一個量化策略，光是清資料就要花兩天。

那個時代的人，一天的認知作業長這樣：

• 80% 時間在執行：找資料、整理、建模型、跑程式
• 20% 時間在決策：真正判斷「要研究哪家公司、哪個方向值得投入」的時間很少

瓶頸在產能——你做不完，不是你不知道該做什麼。

有個很重要的副作用：產能限制本身就是一種收斂工具。因為一件事要做這麼久，物理上你不可能同時開 10 個坑。產能替你做了優先級判斷，替你做了放棄的決定。你沒選擇，只能一次做一件。

那個時代的人不是比現在的人更有紀律，只是他們沒選擇。

AI 擴增了什麼：做的能力變強

AI 來了之後，明確擴增了三層：

執行層：財報分析從 2 小時壓縮到 20 分鐘。寫程式從 2 天壓縮到 4 小時。翻譯、摘要、整理筆記——全部加速。

探索層：以前「試試看」的成本是 3 天起跳，你不敢亂開新方向。現在試一個想法 30 分鐘，心理門檻消失。

資訊處理層：以前一週讀 3 篇論文，現在可以吞 30 篇——AI 幫你摘要、對比、找重點。

一句話：AI 擴增了「做」的能力。它把執行成本壓到接近零。

問題是——在 AI 時代，「做」從來就不是真正的瓶頸。

那真正的瓶頸是什麼？更糟的是——這個瓶頸沒有被 AI 解決，反而被 AI 變得更嚴重。

AI 沒擴增的五件事，以及它正在壓縮的那個東西

先給一個操作性定義：

認知頻寬（cognitive bandwidth）就是你一天之內能做出的高品質獨立判斷的數量上限。

關鍵字：「獨立判斷」、「高品質」、「數量上限」。不是你能看多少資訊、寫多少字——是你能做多少次真正的選擇。

這五件事 AI 碰不到：

1. 你一天能做幾次「真正決策」的數量——要不要進場、要不要放棄這個方向、A 跟 B 哪個優先
2. 放棄能力——AI 永遠會幫你「繼續做」，它不會建議你把某個專案直接關掉
3. 優先級感——AI 能列出 10 個選項，但「哪個對我人生最重要」它不知道
4. 下注的心理韌性——真正決策時「敢不敢」的能量，跟資訊量無關
5. 品味——什麼叫夠好、什麼叫不夠，這是累積出來的判斷力

然後是這篇最反直覺的一刀：

AI 不只沒擴增認知頻寬，它還會主動壓縮頻寬。

因為探索成本降到接近零，你會同時開 5-10 條戰線。大腦在不同任務之間切換的頻率暴增，每次切換都要重新建立脈絡、重新消耗認知資源。你的頻寬被切得更碎。

所以狀態從「產能瓶頸」變成「頻寬瓶頸」——而且後者更糟。因為頻寬耗盡時，你做的每個決策都在變爛，但你感覺不到。你還覺得自己很有生產力，因為你一直在「做事」。

我四月初那週就完整演過一次這個反模式。當時有一個專案（一份 CPI 數據公布前的作戰卡）要收工，腦中卻同時開始預演另外三個專案的結構、一個新工具的設計、還有兩篇沒寫完的文章。表面上是在收工，實際上是在無意識地開新戰線——本質上就是認知頻寬溢出。

AI 是個體差異的放大器，不是平均器

這是整篇我最想寫清楚的一段。

很多人以為 AI 會拉平所有人的能力——資淺的可以靠 AI 變資深、不會寫程式的可以變會寫。這個預期錯了。AI 會放大個體差異，不會拉平。

為什麼？因為剛剛講的「決策 / 收斂」這件事，AI 碰不到。而收斂依賴兩樣東西：

一、大方向的收斂：依賴人生價值觀

決定「這個方向要做、那個方向要放棄」，本質上是價值觀問題。你不知道自己人生要什麼，AI 給你 10 個方向你全都想追——因為每個看起來都不錯。

知道自己要什麼的人，收到 10 個選項會砍掉 9 個。不知道的人，收到 10 個選項會開 10 個坑。在 AI 放大產能之前，這兩種人差異不大（因為產能限制讓兩者都只能做幾件）；AI 來了之後，前者產出 10 倍，後者攤開 10 條戰線。 結果天差地別。

二、執行面的收斂：依賴領域知識

同一個專案，資深的人一眼看穿「這 10 個步驟只有 3 個真的重要」，剩下 7 個是表面功夫或可以跳過的。資淺的人覺得都得做一遍，因為他不知道哪些是雜訊。

以前這個差距就已經存在，只是被「手動執行的時間成本」拉平了——資深的人聚焦做那 3 個，資淺的人做 10 個，前者快、後者慢，差距是一個量級。

AI 來了之後，差距從量級變成指數級——資深的人把那 3 個關鍵步驟交給 AI，當天收工；資淺的人叫 AI 做 10 個，3 天做完但大部分在處理雜訊。更糟的是，AI 幫資淺的人把雜訊做得又快又好，他反而更確信「這些步驟都是必要的」。

所以

AI 不是讓所有人都變強。它讓「知道自己要什麼 + 在特定領域有長期累積」的人如虎添翼，讓其他人被選項淹沒、開滿戰線、每個 70%。

這是 AI 時代最被低估的一件事。

我這幾個月最大的體感不是「AI 讓我變厲害」，而是「AI 讓我看清楚自己在哪些領域真的有累積、哪些領域只是自我感覺良好」——因為有累積的領域我用 AI 事半功倍，沒累積的領域我用 AI 越做越亂。

（至於「人生價值觀怎麼找、怎麼變清楚」這件事，我還在自己的個人作業系統裡慢慢打地基，之後會獨立寫一篇。）

解法：把不該耗頻寬的事外包出去

既然認知頻寬沒辦法被 AI 擴增，解法就不是「擴增它」（做不到），是把不該消耗頻寬的事外包給系統——讓有限的頻寬專門處理真正重要的決策。

我目前在用的兩個做法，剛好對應前面講的兩層收斂——策略層（價值觀） 和 戰術層（domain knowledge + 專案管理）。

① 把人生價值觀寫下來：讓策略決策可以「查表」

大方向的決策（做不做這個專案、放不放棄這個市場、要不要接這個合作），本質上是價值觀問題。但如果你的價值觀只是腦中的模糊概念，每次決策都要重新建構一次——這極耗頻寬。

我花了一段時間（透過 AI 協助梳理），把自己的人生價值觀寫下來——包含核心信念、投資戒律、人生戰略優先級。現在每當有新機會、新方向冒出來，我不用重新思考「我要不要做這個」——去查那份文件。符合就做，不符合就砍。

類比：就像有了設計規範，就不用每次做圖都重新想字型、配色、間距。你的決策頻寬只處理「這次的獨特選擇」，不重新想「我是什麼風格的人」。

這件事不是一天寫得完，也不該一天寫完。它是一個不斷更新的活文件。但一旦有了第一版，你會發現每次決策速度都快了很多——而且更一致，因為背景都是同一份文件。

② 自建一個 AI 專案管理教練 Agent

第二件我在做的事是——把原本要吃大量認知頻寬的專案管理工作，外包給一個 AI Agent。

我以前在工作上有專案經理（PM）幫我處理這塊——排進度、追截止日、抓延誤原因。離開那個環境後，這些工作如果我自己扛，頻寬會被它吃掉一大半。

所以我自建了一個 AI 專案管理教練 Agent。它做兩件事:

1. 一般 PM 做的事：追蹤專案進度、整理每日推進報告、提醒截止日、排優先級。
2. 一般 PM 做不到的事：識別我自己的行為傾向。例如它認得我有「研究癮」——專案快收工時會用「再補一個指標」「再多一個驗證」合理化延遲收工。它在我還沒意識到前就先提醒。

以前我需要 PM 管我，現在我的 AI 教練不只管我，還認識我。

這才是真正把認知頻寬解放出來的地方——它替我做了「我是不是又在重蹈覆轍」的覺察。這不是替我下「要不要停掉這個專案」的判斷——那個還是我在做。它做的是模式辨識，讓我自己的頻寬可以集中在真正的判斷上。這件事以前必須靠我自己意識去覺察，極耗頻寬。現在外包了。

共通原則

兩個解法的共通點：外包的不是判斷本身，而是「每次判斷前要重建的背景脈絡」——讓有限的頻寬專門處理「這次的獨特選擇」，不用每次重新想「我是什麼風格的人、我的原則是什麼、我最近有沒有又掉進某個模式」。

換句話說，AI 碰不到真正的判斷（這是這篇文章前半段的主論點）——所以我也沒打算讓它做。我讓它做的是支援判斷的背景工作：幫我查我自己寫過的規則、幫我識別我自己又在重蹈的模式。決策還是我下的，只是決策前的「脈絡建構」被系統承擔了。

核心邏輯——不是新的生產力技巧、不是時間管理規則，是把已經思考過、驗證過的東西凝固成可查閱的系統。

結語：AI 時代真正稀缺的，不是產能

這幾個月我花最多時間建的不是 AI 工具，是一套幫我省認知頻寬的系統——把人生價值觀寫成文件、自建 AI 專案管理教練、讓品牌語氣指南替我守住寫作風格。每一個看起來都像「系統工程」，本質上都是同一件事：把我有限的認知頻寬保留給真正重要的判斷。

AI 已經解決了「做得完嗎」這個瓶頸。下一個瓶頸是「知道自己該做什麼」。後者不是技術問題，是人生問題。

所以如果你也在過「產出變多但完成變少」「打開很多視窗但不知道哪個最重要」的狀態——別急著找下一個 AI 工具。先回頭問自己兩件事：我的價值觀夠清楚，讓我知道什麼可以砍嗎？我累積的領域知識，夠我看穿哪些步驟是雜訊嗎？

這篇文章本身也是系統的一部分。下次我再寫任何主題，品牌語氣指南會幫我守住語氣、AI 教練會幫我判斷今天該不該寫——我的認知頻寬只花在「這段話是不是我真正相信的」這一件事上。

AI 時代的護城河不是你會用多少工具。是你知不知道什麼不要做。