我做過一件很無聊的事：把自己十二年前寫的一篇文章，丟進所謂的「AI 文章檢測器」。
結果它告訴我：70% 由 AI 生成。
十二年前欸。那時候連 ChatGPT 的影子都還沒有。難道我有超越時代的「工人智慧」？🤣🤣
笑完之後，心裡留下一個很實際的念頭：連「判斷這是不是 AI 寫的」這麼單純的任務，工具都能給你一個煞有介事、但完全錯誤的答案。那我拿它來寫兒童健康、寫生長、寫用藥，我憑什麼相信它？
這個經驗，對我後續的ＡＩ任務，影響很大。
一開始，我只是好奇，然後跑去當學員
我接觸 AI 的起點，其實比很多人想的早，但也比很多人想的笨拙。
2023 年 5 月，我自費跑了一趟台北，聽了兩天的 AIGC 詠唱者年會。票價 5,999，早鳥票。我坐在台下當觀眾，名牌上寫的是診所的名字。當年還在強調「咒語」，回過頭去看，真的很有意思。那兩天大部分講者在講 咒語 （prompt） 怎麼下、圖怎麼生，我聽得半懂半不懂。但回程的路上，我確定了一件事：這東西會進到診所。
半年多後，2024 年初，我跟一個工程團隊合作，訓練了一個生成式 AI 機器人，讓它回答診所相關問題、兒科跟皮膚科的衛教知識。同年二月，我在粉專上開放「AI 兒科醫師＋AI 平安診所客服」試用，公開徵求測試者。當時的心情很單純：這東西看起來可以幫我回答重複的問題，來試試看。
那一年我到處摸：ChatGPT、Stable Diffusion、Midjourney 都玩過。回頭看，那階段的我是個興奮的旁觀者，不是使用者。
真正有系統地學，是 2024 年下半年。我去上了不少堂線上課，學 GPTs 機器人怎麼建、Prompt 怎麼設計、自動化平台怎麼串。
課上完之後，我做了一件現在看起來很土法煉鋼、但當時覺得超厲害的事：把 2015 到 2025 年寫的 1,834 篇文章、將近 197 萬字，整理成一個大檔案，上傳給 GPTs 當知識庫。
我的想法很單純：把我十年的東西餵給它，它就會變成半個我。
它確實變得比較像我。但那個階段的做法，本質上還是「餵資料 → 問問題 → 拿答案」。沒有驗證、沒有留痕、沒有制度……它講對的時候我很開心，講錯的時候我自己抓出來，然後心裡想「還好我有看」。
2025 年中，我太太（她自稱「白袍旅婦」）把自己用 ChatGPT 一整年的心得寫成懶人包，我幫她轉發到粉專上。那份東西是她寫的、她整理的，不是我的使用心得，但我覺得比很多科技評論都好看，後面會再提到。
真正的轉折：我不再問 AI 問題，我開始幫它寫 SOP
2026 年開始，我的用法整個換了一個層次。
轉折點不是換了哪個工具，是換了一個認知。
我後來在演講裡是這樣講的：現在的 AI，是「每天都失憶的天才實習生」。聰明、動作快、什麼都敢做，但每天上班都是第一天。
如果你今天新來一個這樣的實習生，你會怎麼帶？你不會每天早上重新跟他解釋一次你的價值觀。你會寫 SOP、設檢核點、安排一個人複核他的東西。
所以我的重點從「怎麼把問題問得更好」，變成「怎麼把制度建立起來」。AI 不缺聰明，缺你的 SOP。
具體做出來的東西，講四個。
第一個是診所的拍照歸檔。
為什麼做？診間會拍病灶照、拍健保卡。以前最常見的做法是拿手機相機 App 拍：照片留在個人相簿，要自己傳、自己刪。目標是照片自動歸到正確的病人名下。
卡在哪？卡在「歸到正確的病人」。身分證字號的檢查碼擋不住所有單碼打錯；照片一張張傳進來，系統怎麼知道這批拍完了、而且是同一個人？原本「靜置幾秒就算一批」的直覺做法，第二輪跨模型審查就被推翻，改成序號連續性這類確定性規則。整套判準審了 5 輪才定案。
AI 做了什麼？拍照那一端是別人做好的開源工具 ClinicSnap（GitHub 上 leon80148 寫的，我們不改碼）：電腦一開出現 QR Code，護理師手機掃一下就能拍，健保卡拍一張、本機 OCR 讀出身分證字號、跳出來給人核對。我們跟 AI 一起做的是疊在上面的整合層：監看資料夾、判斷這批照片屬於誰、有疑慮的丟進待確認佇列，寫了 216 個測試。
我做的是拍板規則。全部地端、不上雲（病灶照無法去識別）。給護理師的口訣是「先拍卡、再拍灶；換病人、重新拍卡」，還有一條鐵律：只用系統拍，不用相機 App。
現況：架構定案、程式寫完、開源放上 GitHub，但寫這篇的時候仍在測試修正中。
再一個是 LINE 對話的去識別。
診所的 LINE 官方帳號累積了上萬則跟家長的對話。我很想知道：家長最常問什麼？卡在哪裡？哪些衛教我其實從來沒寫過？
但這些對話裡有名字、有電話、有病情。所以我先做的不是分析，是一條去識別的 pipeline：先在本機端，把可識別資訊拿掉，再談分析。順序很重要。順序很重要。順序很重要。重要的事說三次。
還有一個，也是我最在意的：衛教文章的引用驗證。
我寫的是兒童健康。一個編錯的參考文獻，對讀者來說可能就是一次錯誤的決定。
所以我幫寫作流程加了兩道東西。一道叫 Claim Ledger：寫一句有數字、有主張的話，就必須同時登錄出處，沒登錄的數字禁止出現在文章裡。另一道叫 5 Gates，五個關卡各用不同工具把關：寫作前獨立查證、寫作中留帳、寫完開一個沒看過前面對話的 AI 用「證偽」姿態挑毛病、程式化字串檢查，最後上線再抓一次線上版本。
聽起來很囉唆，但它抓到了東西。育兒懶人包那次就是它抓到的（後面踩坑那段會講）。自費流感疫苗那份報告，62 篇文獻走完三層驗證，其中 9 篇被標為需要人工再看。
這件事我後來濃縮成一句話：沒有 reference 的 AI 是巫師；有 reference 的 AI，才能幫助醫師。
最後是知識庫跟官網
我把散在各處的筆記，重建成一個有結構的個人知識庫，現在大約 186 頁，橫跨兒科、睡眠、糖尿病、教養、診所經營等十個領域，每頁有格式規範，有腳本定期健檢。診所官網也一樣：從憑證怎麼管到內容怎麼推上去，全部走同一套流程，先產草稿、我指名核准、才動作。
這幾件事講起來很不一樣，但骨子裡是同一件事：AI 負責產出，我負責定義什麼叫做「對」。
說一下我踩過的坑，這段比較不好看
如果只寫上面那些，這篇就變成自吹自擂的年終報告了。所以講幾個難看的。
幻覺，而且專挑我最在乎的題目。
我在粉專上提醒過大家：在生長這件事情上，AI 很多幻覺，千萬小心。身高、生長速度、骨齡這類題目，數字聽起來都很有道理，出處查下去卻站不住。愈是家長焦慮的題目，AI 愈願意給你一個漂亮的答案。
AI 自己驗自己，等於沒驗。
這是我現在的鐵律：maker ≠ checker。同一個模型、同一段對話裡寫完再自己檢查一遍，它只會確認自己原本的假設，因為它看不見自己的盲點。所以我後來固定換一個模型、開一個乾淨的視窗，讓它以「找碴」為唯一任務來審。
更好笑的是：連我用來「產生 skill 的 skill」，都被抓包在文件裡列了 10 個根本不存在的檔案……😅從那次之後，我的規則多了一條看起來很白痴、但非常必要的鐵律：寫到的檔案，必須真的存在。
我教的東西，也曾經是錯的。
有一場直播的講義，寫到第九版的時候還被一路挑出好幾處錯誤：某個 AI 產品的定價方式我寫錯、某家公司的資料保留政策我引用了過時的說法。第十版才逐條改掉，附上一手來源連結。
那次學到的不是「要小心」，而是「教學內容也要走驗證流程」。我不能因為它是我的講義就跳過查證。
我的參考文獻裡，有一筆查不到的論文。
育兒懶人包 62 章、85 條參考文獻。寫作的 AI 來回改了五、六輪，我完全沒發現問題。換一個沒看過前面對話的獨立 AI，用找碴的姿態稽核，一小時抓出 12 筆內文引用跟清單錯配：冷門期刊被寫成《Science》，作者整個寫錯。更麻煩的是有一筆，用完整標題加作者加卷期頁去查 PubMed 完全查無，疑似是捏造、或是抓錯了人；還有一筆把家長衛教網頁當成期刊論文引用。
修法：能查證的直接修，4 筆高風險留給我本人裁決，不讓 AI 自作主張換文獻。
教訓是：參考清單不是文章寫完之後外掛的附錄，它是一個要被單獨攻擊的資料庫。
修好的網頁，被我自己開著的舊分頁蓋掉。兩次。
我用 API 把官網的頁面修好，回頭在後台按了儲存……問題是，那是另一個還開著的舊編輯分頁。舊內容整頁蓋回去，剛修好的東西不見了。複驗才發現。
然後……又發生一次。
第二次代表第一次的教訓沒有真的變成規則。直到寫進工作紀錄、訂下「動頁面前先關掉所有舊分頁」才根治。順帶也發現後台的視覺編輯器會把結構化資料逐行塞進換行符號、直接弄壞，所以又多一條：結構化資料一律存單行。
教訓是：沒有鎖定機制的時候，最後儲存的人贏，不是對的人贏。而且 AI 改的東西，最常被自己的手蓋掉。
老實說，我這三年的治理規則幾乎每一條都是事故驅動的。先出事，再補規則。
醫療這一行，難的從來不是模型不夠聰明
常有人問我：AI 都這麼強了，醫療是不是要被翻掉了？
我的答案是：醫療端的難，不在模型不夠聰明，而是卡三個點。
零容錯。其他產業容忍得了的錯誤率，可以用「反正整體效率提升」帶過。醫療不行：一個劑量、一個過敏史，錯一次就是一次事件。
個資紅線。病人可識別資料是特種個資。很多在其他產業「上傳就好」的做法，在醫療院所全部不能用。可行的路線只有三句話：去識別、本機跑、不上公開 API。隱私是前提。
沒有工程師。這才是最大的那一關。診所包含小型醫院，不會有資訊部門。所以任何要靠工程團隊長期維護的方案，對基層院所來說都等於不存在。
但話說回來，機會也是很具體的。我在演講裡引用過兩份國外資料：Tampa General 導入語音 AI 後，來電放棄率降了 56%；Penn Medicine 導入 ambient AI scribe 後，病歷書寫時間降 20.4%、下班後工作降 30%（PMID 39969880）。打動我的不是技術，是它們解決的都是「行政負擔」，不是「臨床判斷」。那正是 AI 現在最該去的位置。
還有一件正在發生的事：AI 正在改變患者找醫師的路徑。過去大家 Google 完點進來，現在有一部分人先問 AI，再決定要不要來。這代表你的內容能不能被 AI 讀到、引用到，會愈來愈重要。社群平台是租來的地，AI 進不去；自己的網站、自己的電子報，才是留得住的根。
往 2027 看，我的判斷是這幾條
2027 我沒有數字，只有從自己這三年立場推出來的判斷。
第一，AI 會先接手行政負擔，不是臨床判斷。前面那兩份國外資料，改善的都是接電話跟寫病歷，沒有一項是幫醫師決定要不要開藥。行政有 SOP、錯了來得及回頭，臨床判斷沒有。先被接手的，是重複、可檢核、出錯救得回來的事。
第二，病人會先問 AI，再決定要不要來。接續前面 AEO 那段：找醫師的入口正從搜尋變成對話。你的內容能不能被 AI 讀到、引用到、追溯到出處，就從加分題變成必答題。
第三，能落地的多半是地端、隱私優先的診所級小工具，不是大平台。因為三關還在：零容錯、個資紅線、沒有工程師。要過關，方案就得小到診所養得起、笨到不用工程師待命、緊到資料不離開這台電腦。
第四，會建制度的人，比會下指令的人值錢。指令會過時，制度不會。誰定義什麼叫做「對」、誰複核、出事之後規則怎麼補，到 2027 只會更重要。
我期待兩件事。一是醫師把寫 SOP 的能力用在管 AI 上：寫流程、設檢核點、安排複核，我們本來就會。二是民眾把 AI 當第二意見，不是結論。
我自己在用的大概這幾類：語音轉錄與去識別、引用驗證機制、地端 OCR 歸檔、自有網站與電子報、健康管理 LIFF 平台。健康產業鏈往下走，我最在意的不是誰產得多，是誰的內容追溯得到出處。
如果你不是醫師，只是一個會擔心的家長
先講一個能讓人放鬆的“歷史故事”。
古騰堡大約在 1440 年開始打造活字印刷，1450 年代印出四十二行聖經。書變多、變便宜之後，反對的聲音馬上就來。這些擔憂不是古騰堡自己說的，是同時代的學者與教士說的。
修士 Trithemius（1492）說抄寫是修行、印刷讓人偷懶，書還不耐久。抄寫員 Filippo de Strata（1473 到 74）上書威尼斯總督，說廉價印刷讓低俗內容氾濫、壞了道德。編輯 Squarciafico（十五世紀末）留下一句：書太多，讓人不再用功、記憶力衰退。Gessner（1545）警告世界出現「令人困惑且有害的書籍過量」。Erasmus 約 1525 年也嫌新書成群結隊。
再往前拉：柏拉圖《斐德羅篇》274 到 275 節裡，蘇格拉底轉述一則寓言。文字之神 Theuth 誇口文字能讓人記性更好，法老 Thamus 回他：文字只會讓人依賴外在符號，內在的記憶反而退化。
往後也一樣熱鬧。五個時代並排，長這樣：
| 共同主題 | 文字（蘇格拉底） | 印刷術 | 電腦 | 網路 | AI |
|---|---|---|---|---|---|
| 記憶與思考退化 | 《斐德羅篇》274–275：依賴符號 | Trithemius 1492：印刷讓人偷懶 | 1970 年代：計算機毀算術？ | Carr 2008：只剩略讀 | MIT 2025：思考參與度下降 |
| 錯誤與低劣內容氾濫 | — | Erasmus 約 1525：愚蠢的書 | — | Stoll 1995：沒有編輯把關 | AI 幻覺，難以完全根除 |
| 守門人失勢與失業 | — | 抄寫員行會 1472 請願 | Wiener 1950、1964 三重革命 | — | Goldman Sachs 2026：白領職缺淨減 |
| 資訊過量 | — | Gessner 1545：有害的過量 | — | 早期網路「資訊蠻荒地」 | 生成內容爆量，真偽難辨 |
| 有害內容與道德 | — | de Strata 1473–74：低俗氾濫 | — | 1995《Time》網路色情 | 2024 深偽選舉電話 |
| 人際疏離 | — | — | — | Kraut 1998：越上網越孤單 | APA 2025：青少年情感依附 |
| 把判斷交給機器 | — | — | Weizenbaum 1976：ELIZA 之後 | — | Common Sense Media 2025：青少年心理支持不安全 |
每一代的擔憂，都有一部分成真，一部分沒有。印刷確實讓低劣讀物氾濫，也確實催生了現代科學；網路確實讓人分心，也確實讓知識變得人人可及。而成真的那些，最後都是靠制度跟教育處理的：出版長出編輯與同儕審查，網路長出事實查核與媒體識讀。不是靠大家不用。
所以我對家長的建議，不是「不要用」，而是「知道它什麼時候會騙你」。
AI 是很好的第二意見。孩子的狀況你聽醫師講完，回家還是霧煞煞，拿去問 AI 換一種說法解釋給你聽，這個用法我完全支持。
但有兩類問題我會請你特別小心：生長，還有用藥。這兩類的幻覺特別多，而且錯得非常有說服力。碰到這兩類，請把 AI 的答案當成「等一下要拿去問醫師的問題清單」，不要當成結論。
至於一般人可以怎麼用，我太太整理的那份心得其實比我寫得好。她把一年的使用分成五個層次：從問今天晚餐煮什麼、拍冰箱食材生成食譜這種生活問答，到資訊整理、觀點討論，再到用它做每週反思跟自我覺察。她的結語我很喜歡（這句是她寫的，不是我）：ChatGPT 不是用來「變得更有效率」而已，它是讓我們「把心思用在真正重要的地方」。
這三年我最大的體會，其實跟技術沒什麼關係。
我不會寫程式。我沒有工程團隊。我會的是二十年來被訓練出來的東西：把一件事拆成步驟、定義什麼叫做完成、設計一個複核的人、出事之後回頭補規則。
那不是寫程式的能力，那是寫 SOP 的能力。而這件事，很多人已經做了十年，只是自己沒發現它突然變得這麼有價值。
AI 時代最值錢的，不是會下指令的人，是會建制度的人。
延伸閱讀
- 這篇是張益豪醫師發起的「各科醫師怎麼看 AI、怎麼用 AI」系列的完整版。各科醫師的 AI 觀點彙整由張益豪醫師整理（drhao33.com），連結補上後更新。
- 我在 twkid 的其他 AI 相關文章，整理好之後會更新在這裡。
參考資料
- Plato, Phaedrus 274–275（Theuth 與 Thamus 的寓言）。Perseus Digital Library：Perseus, Phaedrus 274
- Johannes Trithemius, De Laude Scriptorum（寫於 1492，1494 年出版）。History of Information：historyofinformation.com/detail.php?id=337
- Filippo de Strata 上書威尼斯總督（1473–1474）。History of Information：historyofinformation.com/detail.php?entryid=4741
- Hieronimo Squarciafico，「書籍氾濫讓人不再用功」（15 世紀末；常被誤植為 1477 年，確切年份並不明確）。Wikipedia：Hieronimo Squarciafico
- Conrad Gessner, Bibliotheca Universalis（1545），序言警告「令人困惑且有害的書籍過量」。USTC：Setting an example: the bibliography of Conrad Gessner
- Erasmus，約 1525 年抱怨「成群結隊的新書」。Aeon Essay：We’ve always been distracted
- 抄寫員行會的請願與遊說（1472 年起，熱那亞與巴黎）。Big Think：The printing press and AI
- Norbert Wiener, The Human Use of Human Beings（1950）：The Human Use of Human Beings；〈The Triple Revolution〉備忘錄（1964）：The Triple Revolution
- Joseph Weizenbaum, Computer Power and Human Reason（1976）：Computer Power and Human Reason；1970–80 年代計算機與學校數學爭論（NCTM）：Arithmetic Teacher 35(8)
- Clifford Stoll, “The Internet? Bah!”（Newsweek, 1995-02-27）：Newsweek 回顧；1995 年《Time》網路色情封面故事（Poynter 回顧）：Poynter: Cyberporn scare of 1995
- Robert Kraut et al., “Internet Paradox”（American Psychologist, 1998）：Internet Paradox；Nicholas Carr, “Is Google Making Us Stupid?”（The Atlantic, 2008）：Is Google Making Us Stupid?
- AI 時代五例：OpenAI 承認幻覺難以根除（Computerworld）OpenAI admits AI hallucinations are mathematically inevitable；MIT 2025 寫作依賴研究（TechNewsWorld）MIT study on ChatGPT and critical thinking；Goldman Sachs 2026 白領職缺估算（Fortune）Fortune: Goldman Sachs estimate；2024 新罕布夏深偽選舉電話（NBC News）NBC News: deepfakes and the 2024 election；Common Sense Media 2025 與 APA 2025 青少年 AI 陪伴報告：Common Sense Media 2025、APA Monitor 2025
- Duggan MJ, et al. Clinician Experiences With Ambient Scribe Technology to Assist With Documentation Burden and Efficiency. JAMA Netw Open. 2025 Feb 3. DOI：10.1001/jamanetworkopen.2024.60637；PubMed：PMID 39969880
