當 AI Slop 填滿日常：真正的生產力，是對九成看似合理答案說不
以前談生產力，我們經常說要學懂拒絕。
拒絕不必要的會議、即時訊息、別人的臨時要求，以及那些看起來重要、實際上沒有推進任何成果的工作。因為一天只有二十四小時，不能甚麼都做，選擇本身就是生產力。
AI 出現後，這個問題沒有消失，反而變得更難。因為現在的情況，不再只是 Search Engine 連垃圾資訊也一併給你；而是你提出一個題目後，AI 會因應你的需求，主動生產更多看似合理的答案。
現在，只要輸入一個題目，AI 便可以產生十個方向、二十個標題、一份完整文章、三個商業模式和一張看似合理的執行清單。每一項都不像垃圾，每一項都有完整句子和清楚結構，甚至每一項都值得我「再看一下」。
結果，AI 省下了生成時間，卻把更多東西送進我的生活：更多草稿要審、更多建議要比較、更多資料要核實、更多可能性令人不捨得放棄。
AI Slop 最麻煩的地方，不是它明顯很差，而是它大量製造「看似合理、好像有用」的內容，逐少佔據我們的注意力。
所以，AI 時代的「說不」，不再只針對別人的要求。我們還要學會對 AI 生成的點子、文章、圖片、功能和待辦說不。
當創新數量變便宜，選擇便成為最重要的工作
一項刊於 Technology in Society 的研究，分析 2018 至 2024 年中國 A 股上市公司的 26,716 個公司年度觀察值。研究者以投資者問答文字中的生成式 AI 詞彙，估算企業的相關應用強度，再比較專利數量、語義新穎度和影響力。
研究觀察到，較高的 AI 相關強度與更多創新產出相關，但在研究期間內，創新品質沒有同步顯著改善。
這項結果很容易被寫成一句吸引眼球的結論：「AI 只能增加數量，不能提高品質。」但證據其實沒有支持這麼強的說法。研究用 investor Q&A 的詞頻代理 AI 應用，並沒有直接記錄每間公司的實際工具、工作流或使用深度；上市公司也與一人公司相差很遠。這是一項觀察性研究，不能證明 AI 造成專利增加，更不能證明 AI 必然降低創新品質。
不過，它提出的問題十分值得重視：
當產生新東西的成本迅速下降，我們有沒有同時提高選擇、淘汰和驗證的能力？
以前，一個點子可能要花幾天才做成 prototype，因此我們會在開始前多想一會。現在，AI 可以在一個下午製作十個版本，生成不再是主要成本；真正昂貴的，是逐一閱讀、比較、核實、修改，以及承擔錯誤方向的機會成本。
當創新數量變便宜，真正要面對的問題是如何刪除九成看似合理的答案。
AI Slop 不只污染網絡，也會污染自己的思路
我們通常把 AI Slop 理解成網上大量出現的低成本文章、圖片和影片。但對個人工作而言，另一種 slop 更難看見：它沒有公開，卻進入了自己的工作系統。
- AI 提出的十個內容方向，全部被放進「遲些再寫」；
- 一個簡單功能被延伸成完整產品 roadmap；
- 同一份資料被生成為報告、簡報、貼文和短片，卻沒有一個真實讀者在等待；
- 每天收藏大量 AI 新聞和教學，卻沒有改變任何決定或行動；
- 因為每個答案都說得通，所以不斷比較，最後沒有真正選擇以及產出。
這些內容未必錯，也未必完全無用。問題是，它們佔用了注意力，卻沒有服務一個清楚的問題。
這也是為甚麼我現在覺得，「說不」已經由時間管理能力，變成 AI 使用能力。AI 可以無限生成，但我不能無限閱讀、判斷和執行。如果沒有過濾系統，AI 最後放大的可能不是生產力，而是猶豫、分心和未完成工作。
面對資訊以前，先面對真正的問題
那麼，應該怎樣過濾？我不認為答案只是「少看一點」。有時候，我確實需要大量搜尋，才能發現原本沒有看見的選項。真正的分別是：我有沒有帶着一個問題進入資訊，而不是讓資訊替我製造問題。
我可以把每一項 AI 建議、新聞或草稿放過四道閘門。
第一道：問題——它正在幫我處理甚麼？
先把問題拆成一句可以作出決定的話。例如，不是「研究最新 AI 工具」，而是「我應否把每日素材整理交給 AI，以減少兩小時工作而不增加錯誤？」
如果一項資訊不能連到目前要處理的問題，它可以留在參考庫，但不應進入今日待辦。可能有用，不等於現在值得佔用注意力。
第二道：證據——它憑甚麼值得相信？
把事實、推論和宣傳分開。原始研究量度了甚麼？樣本是誰？供應商案例是否有對照？所謂節省時間，是第一稿時間，還是包括核實和返工的完整時間？
AI 很擅長把不完整資料整理成完整語氣。面對流暢答案，我反而要主動找限制、反例和原始來源。沒有足夠證據的內容未必要丟掉，但只能標示為假設，不能偷偷升級成結論。
第三道：淘汰——如果刪掉它，我會失去甚麼？
這是最難的一關。因為 AI 生成的每個版本都可能有一點亮點，我們很容易全部保留。
我可以反過來問：這項答案是否只是重複已知觀點？它有沒有提供新的證據、重要反例或不同決策？如果刪掉之後，文章的論點、客戶的選擇和下一步行動都沒有改變，它大概只是增加體積。
淘汰不是否定創意，而是保護真正值得深化的創意。沒有刪除，便沒有空間讓任何一個方向變得具體。
第四道：行動——它會改變哪一個下一步？
有用的資訊不一定要立即變成大型計畫，但至少應該改變一個決定、問題或小型實驗。例如：訪問三名潛在客戶、比較兩個版本、補查一份原始資料，或者明確決定暫時不做。
如果看完後唯一行動是「再找更多資料」，便要小心自己是否以研究代替決定。資訊的目的不是令收藏庫愈來愈大，而是令下一步愈來愈清楚。
真正有用的閱讀，不只是「看過」
另一項 2026 年在日本福岡進行的小型 feasibility randomized controlled trial，提供了一個有趣的對照。研究把 60 歲以上、患有 mild cognitive impairment 的非報紙訂戶分組，要求其中一組在 26 週內每星期至少四天閱讀報章。
但他們做的並不只是翻開報紙。他們要閱讀一篇頭版文章、朗讀專欄、完成 quiz，還要用文字記下重點。完成研究的閱讀組，在主要認知測驗、抑鬱量表和活動範圍的變化上優於控制組。
這仍然只是 63 人完成的單一城市小型試驗，而且介入同時包含閱讀、朗讀、答題、摘要和固定習慣，無法知道是哪一部分帶來差異。研究亦由西日本新聞社資助，兩名作者任職該公司。因此，它不能證明「讀報可以預防失智」，也不能直接套用到中年人或一般 AI 新聞閱讀。
但這個介入的設計值得借用：資訊只有經過提取、重組、回答和行動，才由「看過」變成一次真正的處理。
這正好說明為甚麼我不想把每日 news pool 變成另一個無限 scroll 的頁面。素材池的價值，不在收集了多少新聞，而在它能否幫助我面對一個真實問題，辨認重要證據，淘汰無關內容，並形成自己的判斷。
把每日 News Pool 變成反 AI Slop 練習
我可以為每日素材設定一個簡單限制：不是讀完全部，而是選出一項與目前問題真正相關的 finding，然後完成四件事。
- 三句摘要：不用 AI 原句，寫出研究或事件真正說了甚麼。
- 一項限制：說明它沒有證明甚麼，以及不能直接套用到哪裏。
- 一個反例：找出甚麼情況下，這個觀點可能不成立。
- 一個下一步：決定要測試、採用、擱置，還是拒絕。
這四步與我在《知道自己不知道，才是學習的開始》談到的主動校準很接近：我們不是靠看得多來證明理解，而是用自己的預測、解釋和結果，暴露仍然不知道的地方。
它也補充了《AI 時代的生產力》提出的品質問題：品質不只是文章完成後檢查錯字，而是在開始前決定哪些資訊值得進入系統，哪些方向根本不應該被生產。
可以直接使用的反 AI Slop Prompt
如果手上已經有太多 AI 建議、新聞、筆記或草稿，可以把以下 Prompt 連同內容交給 AI。它的任務不是再提供更多點子，而是協助刪減、核實和找出下一步。
你是我的「AI Slop 過濾器」。你的任務不是生成更多內容，而是幫我減少選項、辨認證據限制，並找出最值得採取的下一步。
我目前要處理的真實問題：
[填寫問題]
我需要作出的決定：
[填寫決定]
我的限制（時間、預算、能力或風險）：
[填寫限制]
需要過濾的內容：
[貼上 AI 答案、新聞、筆記、點子或草稿]
請按以下四道閘門處理：
1. 問題
- 用一句話重述我真正要解決的問題。
- 判斷每項內容是否直接服務這個問題。
- 如果問題不清楚，只提出最多兩個必要的澄清問題，暫時不要生成新方案。
2. 證據
- 把每項內容標示為：可核實事實、合理推論、未驗證假設，或宣傳主張。
- 指出支持它的證據、重要限制，以及仍需核實之處。
- 不要虛構來源；無法核實便清楚說明。
3. 淘汰
- 合併重複觀點，刪除沒有新證據、沒有改變決定，或只增加篇幅的內容。
- 為值得保留的觀點提出一個反例或不適用情況。
- 「刪除九成」是一個保護注意力的原則，不必機械地保留剛好 10%；預設只留下少量真正影響決定的內容。
4. 行動
- 對每項保留內容，只提出一個最小而可驗證的下一步。
- 下一步必須是：測試、採用、補查、擱置或拒絕其中之一。
- 不要把被淘汰的內容改寫成新的待辦事項。
請用以下格式回答：
A. 真正問題：一句話
B. 建議保留：最多三項；每項包括保留原因、證據強度、限制／反例、下一步
C. 建議刪除或擱置：列出項目及一句原因
D. 現在只做的一件事：一個具體行動
E. 最終判斷仍需由我決定的地方這個 Prompt 不能保證 AI 找出自己的所有錯誤。它的作用，是迫使對話由「還可以生成甚麼」轉向「甚麼真正值得保留」。來源核實、取捨與後果，最後仍然由使用者承擔。
AI 時代真正的生產力，是保護判斷力
AI 讓生成變得便宜，這是一項真實而重要的進步。我可以更快探索方向、更早看見 prototype，也可以把過去沒有能力完成的想法變成實物。
可是，生成成本愈低，拒絕成本便愈高。每個看似合理的答案都會要求我再看一眼、再試一次、再保存一份。久而久之，我的一天仍然被填滿，只是佔據時間的東西由別人的要求，變成 AI 為我製造的可能性。
所以，我需要的不是另一個替我生成更多內容的系統，而是一個幫助自己保留問題、證據、取捨和行動的過濾系統。
面對 AI Slop，說不並不是拒絕 AI；而是拒絕讓每一個可以生成的答案，都自動取得我的時間。
當我能夠對九成看似合理的答案說不，剩下的一成才有機會得到足夠的注意、驗證和實作，成為真正屬於自己的作品。
DISCUSSION
讀者留言