[AI 怎麼問] 在你動手做之前，先問：這東西已經有人做了嗎？

白話版：為什麼大部分人跳過了最重要的一步

當你發現自己需要什麼東西的時候 — 一個排程發社群貼文的方法、一個把 PDF 轉檔的工具、一套追蹤發票的系統 — 你的第一反應通常是打開 AI 說「幫我做一個」。這個反應跳過了一個最重要的問題：這東西已經有人做了嗎？

根據 Harvard Business Review 的分析，企業經常花好幾個月開發其實已經有成熟產品的工具 — 而且很多還有免費方案。個人也一樣。有人花整個下午叫 AI 寫一個批次改檔名的腳本，但免費的拖拉式 app 已經存在十年了。

這篇教你一個習慣：在叫 AI 做東西之前，先叫它找東西。

---

前言

你想要一個書架。你可以去材料行買木板、螺絲、砂紙，花整個週末量、切、組裝、上漆。或者你可以先去 IKEA 看看 — 他們大概有一個 $30 美元的書架剛好符合你的需求。

大部分人會先去 IKEA。沒有人覺得這樣是偷懶，這就是聰明。

但到了數位工具的世界，大家反而跳過「先去 IKEA 看看」這一步。直接跟 AI 說「幫我做一個書架」。AI 也很樂意 — 它會花 20 分鐘幫你做一個客製方案，但這個方案比你不知道存在的那個免費 app 還差。

上一篇我們聊了從答案機器到協作工具的心態轉換。這篇教你第一個協作應該做的事：研究。

---

我一直看到的錯誤

一個真實的模式。有人有一個需求：

「我要寄一樣的 email 給 50 個人，但每封裡面的名字要不一樣。」

他們打開 ChatGPT：

「幫我寫一個 Python 腳本，讀取 CSV 檔案然後寄出個人化的 email。」

ChatGPT 寫出來了。大致能跑。但現在他們要搞 SMTP 設定、應用程式密碼、發送頻率限制、然後搞清楚為什麼 Gmail 寄到第 15 封就把他標成垃圾郵件。

三個小時之後，他們有了一個勉強能用的腳本。而 Mailchimp 的免費方案用 10 分鐘就能做同樣的事 — 還附帶模板、分析報告、退訂處理，而且不會被標垃圾郵件。

問題不在 AI。AI 做了你要求的事。問題在你要求的方式：「幫我做 X」而不是「做 X 的工具已經存在了嗎？」

---

三個問題研究法

當你有一個需求，打開你的 AI 助手，按順序問這三個問題。不要跳到第三個。

問題一：「這東西已經存在了嗎？」

「我需要 [描述你的需求]。有沒有現成的工具、app 或服務已經在做這件事了？列出主要的選擇。」

這是發現階段。AI 非常擅長這個，因為它在訓練過程中見過幾千種工具的描述。它通常會列出 3-7 個你從來沒聽過的選項。

要注意的事： AI 有時候會列出聽起來完美但其實已經不存在的工具，或是已經停止服務的產品。這就是為什麼問題三存在。

問題二：「比較一下前幾名」

「比較你列出的前三個選項。每一個告訴我：價格（有免費方案嗎？）、主要功能、限制、最適合什麼人用。」

這把一個模糊的清單變成一張決策表。你不是要 AI 幫你選 — 你是要它把資訊整理好，讓你自己選。

進階技巧： 加上你的限制條件。「我需要免費的」「要能在 Mac 上用」「需要支援中文」。條件越具體，比較就越精準。

問題三：「這工具還活著嗎？」

「[工具名稱] 最近一次大更新是什麼時候？公司還在營運嗎？有沒有最近要關閉或被收購的消息？」

這是驗證步驟，而且不能省。AI 的訓練資料有截止日期 — 它可能推薦一個 2024 年很好用、但六個月前就關掉的工具。

一定要自己也驗證一下： 去那個工具的網站看看。如果部落格超過一年沒更新、或者定價頁面跑出 404，就換下一個。

---

實際案例

行銷人想排程發文

不做研究：

「幫我寫一個腳本，可以在指定時間自動發 Instagram 貼文。」 → 拿到一個複雜的 API 串接，花好幾天設定，然後 Instagram 每次改 API 就壞一次。

有做研究：

「我需要排程社群貼文，跨 Instagram、Facebook、LinkedIn。有什麼工具已經在做這件事了？」 → AI 列出 Buffer、Hootsuite、Later、Sprout Social。 「Buffer 跟 Later 比較一下，一人公司用的話呢？有免費方案嗎？」 → 拿到清楚的比較。選了 Buffer 免費方案。5 分鐘搞定。

小老闆想開發票

不做研究：

「幫我做一個 Excel 發票範本，要有公式。」 → 拿到一個還行的試算表，但沒辦法算稅、追蹤付款、處理多幣別。

有做研究：

「我開一間小公司，需要開發票。有沒有免費的工具？」 → AI 列出 Wave、Zoho Invoice、Invoice Ninja。 「Wave 跟 Zoho Invoice 比較一下，一個月不到 10 張發票的自由工作者適合哪個？」 → 選了 Wave（完全免費、不限客戶數）。15 分鐘開出第一張發票。

老師想出考卷

不做研究：

「出 20 題光合作用的選擇題。」 → 拿到題目但要自己排版、沒有自動批改、沒有學生數據分析。

有做研究：

「我需要做考卷然後分享給學生，最好有自動批改。有什麼工具？」 → AI 列出 Google Forms、Kahoot、Quizlet、Socrative。 「哪一個對老師免費而且有自動批改？」 → 選了 Google Forms（免費、自動批改、匯出成試算表）。再用 AI 出題目，貼進 Forms 就好。

注意最後一個案例 — 老師還是有用 AI，但不是叫 AI 做考卷系統。AI 負責產生內容；現成工具負責傳送。這就是最甜的甜蜜點。

---

什麼時候「該」自己做

先研究不代表永遠不做。有四個好理由讓你自己做而不是用現成的：

1. 真的沒有現成工具。 你搜過了、AI 列了、你檢查了 — 就是沒有適合的。現在動手做就有道理了。
2. 現成工具太貴。 工具存在但一個月要 $200 美元，而你只是一個專案需要用一次。叫 AI 幫你做一個簡化版。
3. 你需要深度客製。 工具存在但偏偏做不到你最需要的那一件事。客製方案是合理的。
4. 資料敏感度。 工具要求你把敏感資料上傳到第三方。自己做一個本地方案比較安全。

如果以上都不適用，用現成的。它會比 AI 一下午做出來的東西更可靠、維護更好、也更便宜。

---

驗證的習慣

AI 是很好的研究助手，但不是事實查核員。每一個工具推薦都需要多一步：你自己驗證。

30 秒驗證清單：

• 去那個工具的網站 — 開得起來嗎？看起來有在維護嗎？
• 看定價頁面 — 免費方案還存在嗎？
• 找「上次更新」或「更新日誌」 — 最近六個月有活動嗎？
• 搜尋「[工具名稱] 評價 2026」 — 還有人在用嗎？

四個都通過就試用。任何一個沒過就換清單上的下一個。

這很重要，因為 AI 會很有自信地推薦已經停止服務、被收購然後砍功能、或從免費變收費的工具。推薦在 AI 學到的時候是對的 — 只是現在不一定還對。

---

下次試試看

下次你發現自己正在打「AI，幫我做 X」的時候 — 停一下。換成：

「我需要 [你的需求]。在我動手做任何東西之前，有沒有現成的工具、app 或服務已經在做這件事了？列出主要選項，然後比較前三名的價格、功能和限制。」

2 分鐘的研究。省下好幾小時的重造輪子。

---

這篇的一句話

在叫 AI 做東西之前，先問它有沒有已經做好的東西 — 最好的工具通常是別人已經做好、測試過的那一個。

下一篇我們聊：你問了 AI 一個問題、拿到答案了，但太淺怎麼辦？怎麼深入追問又不用從頭來？追問的藝術。

這是「AI 怎麼問」系列的第五篇。上一篇：為什麼你覺得 AI 沒用？答案機器 vs 協作工具。