剛崛起就四面楚歌！「提示工程師」Prompt engineer 要被取代了嗎？

自生成式 AI 獲得大量關注以來，就有一個新興職業備受矚目 ——提示工程師（prompt engineer），簡單來說，提示工程就是撰寫聰明、準確，時而冗長的文字提示，設定好上下文，一步步把 AI 帶進場景，讓它更了解人類意圖，生成最符合期待的結果。

Copy.ai 提示工程師安娜・伯恩斯坦（Anna Bernstein）指出，她的日常工作並不需要撰寫程式碼，而是給予 AI 提示，好讓 AI 可以按照指令生成部落格文章、Email 等各式各樣的內容。

然而，《哈佛商業評論》卻指出，未來的 AI 語言模型會愈來愈直觀，更善於理解自然語言，需要人工精心設計、撰寫提示的情況也可能愈來愈少，加上有 PromptHero 這樣的免費提示詞平台出現，在 Github 也能輕鬆找到免費提示詞模型。

在台灣人力網站上，「提示工程師」的職缺數量並不多，難道他們才剛崛起就要被取代了嗎？人們想要和 AI 協作，需要具備的重要能力是什麼？

提示工程師會被取代嗎？會「闡述問題」比能夠寫出提示更重要

《哈佛商業評論》分析，提示工程的重點是透過選擇恰當的單詞、語句結構和標點符號，輸入最貼切的提示。 新世代的工作者，更應該著重在拆解、闡述問題和需求，經由描述問題的重點、範圍和限制，快速定焦問題，這需要人們對於問題融會貫通的理解，也必須具備提煉問題的能力。

不過，現在有很多企業並不重視「提問」的能力，「不要給我問題，給我解決方案！」是所有工作者在職場中，很常聽到上司說的一句話，這也難怪，根據調查，有 85% 的高階主管，認為組織內的員工不擅於定焦問題。

但事實是，一旦問題被明確定義，提示中字句的細微差異就很難影響到 AI 生成結果的品質，所以一個「好的問題」才是根本。

拆解、重構問題，讓 AI 協助給予更多解決方案

有時候，一個問題包含了太多面向，容易因為無法聚焦而找不到最好的解決方案，就連 AI 也只會給出籠統的答案。懂得拆解問題，就能把問題分解成數個子問題，一一擊破。

另外，重構問題也是與 AI 協作的重要能力之一，透過變換看待問題的角度，運用不同方法詮釋問題，引導 AI 擴大潛在解決方案的範圍，讓 AI 最大化協助工作者克服思路框架。

《哈佛商業評論》實測一個問題情境：企業員工抱怨辦公室沒有足夠的停車位，最直觀的問題框架是需要增加停車位，但如果用員工上班通勤的角度重新審視問題，便可以以通勤選擇來詮釋問題，而在要求 ChatGPT 生成建議解方時，前者的解方圍繞著停車位佈局、找新的配合停車場；後者則給出更多樣的解方，像是提供接駁巴士、遠端工作等。

在 AI 快速崛起的時代下，提示工程師在短期內獲得許多關注，但若在這個職位上的工作者只在乎能否寫出完美的提示，可能會顧此失彼，忘了探索問題的癥結點。《哈佛商業評論》認為，掌握提問能力，懂的拆解、重構問題，會是未來和 AI 協作的關鍵能力。

資料來源 / Harvard Business Review、KDnuggets；本文出自未來商務