# Chris 筆記｜為什麼一看到「很 AI」的投影片，就不想聽下去了？

> 讀書筆記 · 2026-09-24 · Chris Hsu
> 原文連結：https://note.com/nakashima_takaya/n/nb3bb5dc261b9
> 本頁 HTML：https://chrisincite.github.io/notes/20260924-ai-looking-slides.html
> 短連結：https://os.housearch.net/n/k

這篇文章挺有意思，分析著目前人們對 AI 接受度的問題。

人們本來就很奇妙，自己嘗試去使用 AI 改善工作流程而帶來便利時，是滿心歡喜想與別人分享這份收穫。一旦換成聽眾的立場，心情就冷了下來，給使用 AI 去輔助工作的人及成果，給了極低評價，這種落差其實一直存在著。

這讓我想起一件有意思的事，我們會一邊評價古時的不便及落後，卻又特別推崇遵循古法手工製作的產品，似乎純手搓的物件更具溫度，更值得珍惜。以前的我也有同樣看法，但隨著年齡閱歷增長，開始對這些裹著神秘宣傳語的產品，反而先給它貼上「不可靠」的標籤。同樣的態度也用在評價未來大量的 AI 內容或生成物，把關注焦點放在內容的策展判斷、來源證據與取捨上，看看作者是不是把省下的時間，用在這些細微的個人觀點上，這同樣也是我學到的 AI 用法 -「擠出更多的時間，讓思維更上一階」。

## 摘要 / Summary

作者是臨床醫師，也寫過用 AI 做學會投影片的教學，贊成用 AI 省下製作時間；但換成聽眾立場，一看到「很 AI」的投影片就不想聽下去。他把這份落差拆開檢視：同樣的三欄排版、無關的立體插圖、空泛的「個人化醫療」字眼，未必能真的辨認出 AI，研究顯示人判斷 AI 文字的正確率只有 50～52%；而同一幅畫被標成人類作品就得到較高評價，被說明使用 AI 的人也被評為較不能幹、較不勤奮。他承認自己光看投影片外觀，就一路推測到講者沒準備、不懂內容，判斷下得太急。

他認為聽眾真正想聽的，是講者身為人類如何根據臨床做判斷：為什麼選這篇論文、結論能延伸到哪裡、研究不一致時為何採用某個結果。缺了這些，省力的好處就只落在製作的一方。因此身為報告者，他想把 AI 省下的時間用在與原始論文核對數值、區分數據圖和概念圖、刪掉聽眾不需要的投影片、闔上資料試講；揭露 AI 使用時也交代交出去的是哪些工作、之後自己確認了什麼。

身為聽眾，他打算先問自己是對畫風、含糊的說明、錯誤的圖，還是只是對「我覺得這是 AI」本身起反應，把評價放回根據是否正確、說明是否好懂、如何處理研究限制上。下次就算心想「這是 AI 吧」，也要再多聽一會兒，然後問：「為什麼會下這個結論呢？」

## 重點 / Keypoint

> 我們聽報告時想知道的，是身為人類的講者如何根據實際臨床做出判斷。

> 即使講者能在短時間內做出資料，如果聽眾得花時間聽一長串泛泛之論、解讀模糊的圖，那麼享受到省力好處的就只有製作的一方。

> 身為報告者，我想把 AI 省下來的時間，用在確認內容和取捨上。

> 我想聽的，是為什麼這樣判斷、認為能說到哪個程度的說明。只要有這些，就算是 AI 做的投影片，我也想聽。沒有的話，就算是人類熬夜做出來的投影片，我大概也會覺得不夠。