凡事先問AI，是我的日常，也是我要求同事們的基本流程：簡報前、開會前，一律請先跟你的AI開「會前會」。然而真正的考驗是：你有多會「用AI」？
短短三個字，差距卻可以如天與地。一個人的「AI領導力」，是關鍵。因為，AI就像人一樣，也需要被領導。
而一個卓越的領導者，在解決問題前，得先定義問題。「知道什麼是對的問題，比知道什麼是對的答案更重要。」
譬如，同樣面對公司營收衰退的命題，甲這樣問AI：怎麼讓公司營收不要衰退？
這是亂問、空問，結果就是「垃圾進、垃圾出」。如果一個問題輸入AI，出現一個以上的答案，就不是好問題，因為它空泛、無邊界，AI就天馬行空。
乙卻是這樣問AI：一、分析本公司與五家同業，過去三年，在營收成長率、毛利率、應付帳款天數、庫存週轉率的差距。二、比較本公司與五家同業，各自前五大客戶的營收成長率。三、基於上述，提出營收成長的建議方案。
乙不只在問問題，他是精準的「建構問題」，以自己的觀察為基礎，透過明確結構化的提問，將模糊或複雜的挑戰，轉化為具體的問題，從而引導AI產生高價值的輸出。
換言之，AI的價值，不在於它能做什麼，而在於你問了什麼。因為AI是邏輯的放大器，給它清晰的方向，它能挖掘數據深處的珍珠；給它混亂的指令，它就吐出毫無價值的雜訊。
好問題、爛問題，AI使用效率會是一比九九的差距。一個好的提問，有三大要素：
一、具體力：SMART原則、5W1H框架，都可用來檢查提問的具體性。一個大問題，也應有層次的被拆解為數個中問題、小問題。
二、脈絡力：問題須包含背景資訊，一如寫文章須有上下文，也如領導時需要讓對方理解所處環境、變數、因果關係等，以確保AI理解需求。
三、追問力：好的問題不會只問一次，它需要被詰問反思、交互驗證。當AI給出一個答案後，應接續給予批判性提問：為什麼？如果？如何？譬如，有什麼證據可支持此結論、如果不這樣做會如何⋯⋯。
上述三力，背後代表的是一個人的問題建構力，其核心為批判性思考能力。要提升自己的AI領導力，便必須不斷練習、打磨這項能力。
危險的是，一個人若高度依賴AI，只求簡單答案，就會不自覺的將自己的「大腦外包」給AI，這就等於放棄了自己訓練大腦的記憶、思考、學習能力，最後，可能如最近麻省理工學院報告中所示，認知失憶上身，越來越笨了。
