AI 不會嫌你話多，但你要學會有結構地說
以前我們常常被教一件事：「講重點。」
開會講重點、報告講重點、跟主管講話更要講重點。
講太多，別人可能沒耐心；背景交代太久，甚至還沒講到真正想講的東西，對方已經開始放空。
所以久而久之，我們很容易把「表達能力好」理解成：
可以用越少的話，把事情講完。
但跟 AI 長時間協作之後，我開始覺得，這件事情可能要重新想一下。
因為 AI 不會嫌你話多。
至少，它不會像人在會議室裡一樣，聽你講了五分鐘之後開始看手機。
真正的問題不是你講多少。
而是：
你講的東西，有沒有辦法讓它知道你到底在想什麼。
我為什麼習慣把事情的因果講清楚
我替代役時在中學服務，曾經稍微充當過一段時間的教職、代過課。
加上我一直有一個觀念：「不教而殺謂之虐。」
你沒有先讓一個人知道事情為什麼要這樣做、前因後果是什麼，最後他做錯了，再回頭責怪他，我一直覺得這件事情不太合理。
所以我在講一件事情的時候，會習慣把因果一起講出來。
A 為什麼會發生。
A 前面是不是還有一個 B。
B 又受到什麼條件限制。
如果今天要對方做 C，那他至少應該知道，為什麼前面的 A、B 最後會走到 C。
久了以後，這慢慢變成我的表達習慣。
我不是只想告訴對方：
「你要做什麼。」
我會希望對方連：
「為什麼要這樣做。」
也一起理解。
但這個習慣進到職場之後，有時候反而會有點吃虧。
因為不是每個人都想聽完整的因果，也不是每個場合都有時間讓你把整張圖講完。
你還在解釋 A、B、C，對方可能在 B 的時候就已經形成自己的結論；甚至你把推理過程全部攤開來，反而留下很多可以被截斷、抽離語境，或從中挑一句話做文章的空間。
可是很妙的是，同樣一種表達習慣放到 AI 協作裡，效果卻完全不同。
只要因果關係沒有真的斷掉，那些背景、例外、修正、懷疑，反而都變成 AI 理解我的材料。
我不是只告訴它：
我要你做什麼。
而是在慢慢讓它知道：
我為什麼會走到這裡。
這兩件事情差很多。
所以「話多」跟「沒有結構」其實不是同一件事
以前我們很容易把這兩件事情混在一起。
一個人講很多，就覺得他沒有重點。
但 AI 協作讓我開始重新區分：
資訊很多，不代表沒有結構。
有些事情本來就複雜。
如果一個問題牽涉歷史、人物、限制、因果、例外與現實條件，你硬把它壓成三句話，不一定叫精簡。
有時候只是把重要資訊刪掉。
真正成熟的表達，也許不是永遠講得少。
而是：
需要展開的時候，可以把複雜性講出來；理解完成之後，又有能力把它收回來。
精簡應該是理解之後的壓縮。
不是理解之前的省略。
但這也不是叫大家對 AI 狂講三千字
這裡有一個很重要的差別。
AI 不會嫌你話多，不代表丟越多字就越好。
如果三千字裡面沒有因果、沒有時間順序、人物一直換、前後假設互相矛盾又沒有說明，那只是把混亂放大而已。
真正有價值的是：
你能不能把自己知道的東西說出來。
你能不能指出自己不知道什麼。
你能不能在發現錯誤時修正。
你能不能讓另一個認知系統跟得上你正在看的那張圖。
所以我現在反而覺得，未來跟 AI 協作很重要的一項能力，可能不是「Prompt 寫得多厲害」。
而是一種很基本、甚至有點老派的能力：
把事情說清楚。
AI 時代，表達能力可能反而更重要
以前表達能力主要影響的是：
別人能不能理解你。
現在開始多了一個對象：
AI 能不能理解你。
而且當 AI 的執行能力越來越強，這件事情的重要性可能還會繼續上升。
因為你講錯一個方向，它可能不是只回答錯一句話。
它可以很快地沿著那個方向幫你做一大堆事情。
所以真正值得練習的，也許不是背更多 Prompt 模板。
而是慢慢學會辨認：
我真正想解決的是什麼？
哪些背景不能省？
哪些只是雜訊？
我的判斷跟事實要不要分開？
我現在是在下指令，還是在跟它一起釐清問題？
這些能力以前就叫做表達。
只是到了 AI 時代，它突然多了一個新的用途。
我以前也會覺得，自己有時候真的講很多。
現在倒覺得，話多本身可能不是問題。
真正的問題是：
講了這麼多，有沒有讓對方更接近你看到的世界？
如果有，那些話就不是廢話。
那是 Context。
而 Human–AI Collaboration 的起點，也許根本沒有我們想得那麼科技。
它可能只是從一件很普通的事情開始：
你能不能把自己腦袋裡的東西，好好地說出來。