當企劃用 AI 做出工程師說「做不到」的功能

過去半年，我在工作現場聽過幾次：
「這個做不到。」

過去，當工程師做出這個判斷，討論通常就結束了。
因為企劃不會寫程式，也不了解完整的系統架構。
即使心裡覺得應該還有其他方法，也拿不出證據。

但後來，一些被判定「做不到」的構想，
竟然被企劃人員使用 AI 做出了可以操作的雛形。

雛形當然不是正式產品。
它可能還沒有處理效能、資安、資料一致性與長期維護，
也不能因為 demo 跑得動，就否定工程師的專業判斷。
可是，它至少證明了一件事：
原本被判定「做不到」的事情，未必真的不可能。
有時候，只是還沒有被認真研究。

▋「做不到」其實有很多種意思

可能是原理上不可行。
可能是現有架構不適合。
也可能是成本太高、風險無法接受、團隊沒有時間研究，
或暫時還沒有人找到方法。
這些都是合理的判斷，卻不是同一件事。
「目前不知道怎麼做」，不等於「不可能做到」。
真正具有研究精神的人，會把限制說清楚，
而不是用一句「做不到」關掉所有可能性。

▋AI 降低的，是研究與驗證的成本

AI 沒有讓每個人都成為工程師。
它讓企劃、設計、遊戲、美學、行銷與其他領域的人，
多了一種把專業判斷轉化成實驗的工具。
以前只能說：
「我覺得這個方向可能有效。」
現在可以說：
「我先做了一個雛形，也取得了初步結果。
我們一起看看這個方向還有哪些限制。」
AI 原型的目的，不是證明工程師錯了。
而是把抽象的爭論，變成可以被觀察、測試與討論的問題。

▋下一次聽到「做不到」，先問四個問題

1. 是原理上不可能，還是現有架構不適合？
2. 是不能做，還是成本與風險不值得？
3. 能不能先做一個最小的實驗？
4. 看到什麼結果，才值得繼續投入？

研究精神，不是盲目相信所有事情都做得到。
而是不急著把「我不知道」，說成「不可能」。


有些人把「做不到」當成結論。
有些人聽見「做不到」，卻會停下來說：
「這挺有趣的，我們試試看。」

兩者之間的差距，不只是能力，而是面對未知的態度。
在答案出現以前，願意保留好奇、動手驗證，
並根據結果繼續前進。 這就是 AI 時代更應該具備的研究精神。