The Shape of the Thing★ 85
One Useful Thing (Mollick)82d agoOpinion沃頓商學院教授 Ethan Mollick 撰文分析 AI 的現狀與未來。他指出，雖然基礎模型的純暴力縮放（Scaling）可能遇到瓶頸，但透過「推論時運算」（Inference-time compute）如 OpenAI o1/o3 和 Claude 3.7 Sonnet，AI 的推理能力正大幅躍進。我們正處於從「對話式 AI」轉向「自主 Agent」的關鍵節點，這將徹底重塑工作流程與組織架構。
A Guide to Which AI to Use in the Agentic Era★ 85
One Useful Thing (Mollick)104d agoTutorial隨著 AI 從單純的「聊天機器人」演進至具備主動執行能力的「代理人（Agents）」與深度思考的「推理模型（Reasoning Models）」，使用策略已大幅改變。本文整理了當前主流 AI（如 GPT、Claude、Gemini 及 DeepSeek）在寫作、程式開發、資料分析與自動化任務中的定位。讀者將能理解何時該用一般聊天、何時該啟動推理，以及如何佈署代理人來提升生產力。
Management as AI superpower★ 85
One Useful Thing (Mollick)126d agoOpinion賓州大學教授 Ethan Mollick 指出，隨著 AI 轉型為能自主規劃與執行的 Agent（代理），人類的工作將從「與 AI 協作」轉變為「管理 AI」。這意味著傳統的管理技能——如明確授權、設定目標、績效評估與跨團隊協調——將成為每個人的核心競爭力。不會管理的人將難以駕馭強大的 AI 工具。
Import AI 441: My agents are working. Are yours? ★ 75
Import AI (Jack Clark)134d agoCommentary在本期 Import AI 中，Jack Clark 探討了 AI Agent 的實用化轉折點，分享他如何將 Agent 融入日常工作流，指出 Agent 已從「玩具」走向「實用工具」。此外，本期也介紹了一項安全研究「毒泉（Poison Fountain）」，展示了攻擊者如何透過持續注入惡意數據，污染 AI 系統的長期記憶與檢索機制，對當前日益普及的 Agent 安全性敲響警鐘。
Claude Code and What Comes Next★ 85
One Useful Thing (Mollick)145d agoCommentary知名 AI 學者 Ethan Mollick 撰文分析 Anthropic 最新釋出的命令列工具 Claude Code。他指出，這款工具代表了 AI 從單純的「對話框」走向「自主代理人（Agent）」的重大轉變。Claude Code 不僅能寫程式，還能直接在終端機執行、測試、根據錯誤訊息自我修正並完成 Git 提交。這預示著未來所有工作流程都將被這種「給予工具並讓其自主嘗試」的 Agent 模式所顛覆。
The Shape of AI: Jaggedness, Bottlenecks and Salients★ 80
One Useful Thing (Mollick)164d agoOpinion沃頓商學院教授 Ethan Mollick 探討了 AI 發展的非線性特徵。他結合了著名的「崎嶇邊界（Jagged Frontier）」理論，並引入科技史學家 Thomas Hughes 的「反向突進（Reverse Salients）」概念，解釋為何強大的 AI 技術在實際應用中會遭遇瓶頸。Mollick 幽默地以虛構的「Nano Banana Pro」為例，說明解決特定工作流瓶頸的小型、專門化 AI 工具，其影響力往往大於一味追求強大卻泛用的通用大模型。
Three Years from GPT-3 to Gemini 3★ 80
One Useful Thing (Mollick)196d agoOpinion知名 AI 學者 Ethan Mollick 撰文指出，AI 技術在過去三年經歷了巨大的範式轉移。AI 已從最初 GPT-3 時代單純進行文本生成與對話的「聊天機器人（Chatbots）」，演進至如今以 Gemini 3 為代表、具備自主規劃與執行能力的「AI Agent（代理人）」。這一轉變不僅改變了人機互動模式，也重新定義了 AI 在工作與生活中的實用價值。
Giving your AI a Job Interview★ 80
One Useful Thing (Mollick)202d agoOpinion隨著 AI 提供的決策與建議在工作中變得越來越重要，傳統的簡單測試已不足以評估其極限。華頓商學院教授 Ethan Mollick 指出，我們需要透過結構化的「工作面試」流程，包含情境問答、極限測試與邏輯追問，來評估 AI 在特定任務中的真實實力、潛在偏見與幻覺機率，從而決定如何安全地與其協作。
An Opinionated Guide to Using AI Right Now★ 85
One Useful Thing (Mollick)226d agoTutorial賓州大學華頓商學院教授 Ethan Mollick 釋出最新 AI 實用指南。他指出，目前主流模型各有擅場：Claude 3.5 Sonnet 適合寫作與程式，GPT-4o 語音與綜合能力強，Gemini 則以超大上下文見長。他強調，使用者應將 AI 視為「聰明但缺乏經驗的實習生」，透過持續對話與回饋來突破「不規則邊界（Jagged Frontier）」，才能真正發揮 AI 的生產力潛能。
Real AI Agents and Real Work★ 85
One Useful Thing (Mollick)246d agoOpinion隨著 AI Agent（代理人）技術走向實用，它們能自主執行複雜的多步驟任務。這帶來了雙刃劍：一方面，AI 能代勞繁瑣的行政庶務，讓人類專注於真正有溫度的核心工作；另一方面，極低的產出成本可能導致「無限 PowerPoint」等企業官僚垃圾氾濫。組織必須主動重新設計工作流程，避免人類淪為 AI 垃圾內容的審查員。
On Working with Wizards★ 85
One Useful Thing (Mollick)263d agoOpinion知名 AI 學者 Ethan Mollick 提出「與魔法師共事」的隱喻，指出當前 AI 並非傳統軟體，而是具備強大卻不穩定能力的魔法師。在「參差不齊的技術前沿（Jagged Frontier）」上，AI 可能在困難任務上表現驚人，卻在簡單任務上出錯。人類必須學會扮演「驗證者」，透過深度整合（如半人馬或賽博格模式）來駕馭這股魔法般的技術。
GPT-5: It Just Does Stuff★ 85
One Useful Thing (Mollick)299d agoOpinion知名 AI 學者 Ethan Mollick 撰文探討 GPT-5 的核心變革。他指出，未來的 AI 不再只是回答問題的聊天機器人，而是能夠自主執行複雜工作流的「代理人（Agent）」。使用者將從「撰寫提示詞」轉變為「授權與管理」，真正實現「讓 AI 掌管任務（Putting the AI in Charge）」，這將徹底改變我們的工作與組織協作方式。
The Bitter Lesson versus The Garbage Can★ 85
One Useful Thing (Mollick)309d agoOpinion沃頓商學院教授 Ethan Mollick 探討了 AI 領域著名的「苦澀教訓」（The Bitter Lesson）與組織理論中的「垃圾桶模型」（The Garbage Can Model）之間的對立。前者認為只要持續堆疊算力，AI 就能解決所有問題；後者則指出企業組織本質上是充滿混亂與隨機決策的「垃圾桶」。隨著 AI 試圖融入真實工作，這兩股力量的對決將決定 AI 能否真正顛覆生產力。
Against "Brain Damage"★ 85
One Useful Thing (Mollick)330d agoOpinion賓州大學教授 Ethan Mollick 在新文中探討了 AI 對人類思考能力的深遠影響。他指出，將思考外包給 AI 雖然能提高短期效率，但長期可能導致人類批判性思考與寫作能力的退化（即「腦部損傷」）。為了避免這種認知萎縮，我們必須主動與 AI 協作，將其視為挑戰思維的「共同智慧」（Co-intelligence），而非單純的自動化寫作工具。
Using AI Right Now: A Quick Guide★ 85
One Useful Thing (Mollick)344d agoTutorial知名 AI 學者 Ethan Mollick 整理了最新的 AI 實用指南，解答「該用哪款 AI」與「如何使用」的核心問題。他強調應直接使用最頂尖的 Frontier Models（如 GPT、Claude、Gemini），並將 AI 視為「聰明但缺乏常識的實習生」。指南涵蓋日常寫作、程式開發、資料搜尋與多媒體生成等四大領域的推薦工具與實戰心法。
Making AI Work: Leadership, Lab, and Crowd★ 80
One Useful Thing (Mollick)376d agoOpinion知名 AI 學者 Ethan Mollick 指出，企業要成功導入 AI 必須克服組織慣性。他提出「領導層、實驗室與群眾」三維度框架：領導層負責消除員工恐懼並制定安全規範；實驗室（Lab）專注於前沿技術研發與客製化工具；群眾（Crowd）則由基層員工發起，透過日常實踐找出真正有用的 AI 應用場景。唯有三者協同，才能打破 AI 導入的瓶頸。