「生成式AI」浪潮席捲各產業，當開發者忙於優化模型參數、推升算力之際，許多企業卻面臨AI輸出結果平庸、甚至偏離商業脈絡的瓶頸。筆者觀察，這關鍵在於「語言精準度」的缺失，而非單純的「AI幻覺」。在大型語言模型（LLM）時代，文科背景人士具備的「提示工程」與「古典修辭學」知識，正成為引導AI產出精準解方的核心能力，翻轉過去對文科生缺乏邏輯的刻板印象。
事實陳述：AI瓶頸與文科生的「邏輯逆襲」
現今，儘管擁有最先進的AI模型，企業在實際應用時仍常遭遇輸出內容不符預期或缺乏商業脈絡的挑戰。許多人將此歸因於AI的「幻覺」，即模型因訓練資料不足或上下文誤解而產生不實回應。然而，有業界觀察者提出不同觀點，認為問題核心在於人類「不會發問」，導致指令中詞彙權重不明、語境邊界模糊，進而影響AI輸出品質。
有趣的是，過往資訊時代人機互動以「語法」（Syntax）為核心，要求人類學習程式語言以轉譯意圖；但在LLM時代，核心已轉向「語義」（Semantics）的精準定義與邏輯架構。文科背景人士對語言細微差別的敏感度，以及處理開放式問題的批判性思考能力，恰好能填補大型語言模型機率輸出與商業精準需求之間的鴻溝，這正是「提示工程」（Prompt Engineering）所強調的關鍵。
各方反應：古典修辭學如何賦能提示工程？
當談及提示工程時，許多人習慣尋求現成模板，但其學術根源可追溯至兩千年前亞里斯多德提出的古典修辭學。這套古老的智慧，為現代AI指令設計提供了完美的框架，尤其能幫助文科生發揮其獨特優勢：
- 人格特質（Ethos）：透過在提示（Prompt）中設定AI角色，例如要求模型以「資深顧問」或「批判性學者」的身份回應，能有效縮小其搜尋範圍，提升輸出內容的權威性和針對性。
- 情感共鳴（Pathos）：文科背景人士擅長精準分析目標受眾的心理預期。明確定義讀者群，能引導AI調整語氣（Tone of Voice），使內容不僅正確，更具備強烈的穿透力與感染力。
- 邏輯論證（Logos）：這被視為提示工程的核心。藉由「思維鏈」（Chain of Thought）手法，將複雜問題拆解為層層遞進的論點，確保AI的推理過程嚴謹且具說服力。
透過運用修辭學中的「結構化敘事」來約束AI的發散性，優秀的提示工程師能為大型語言模型構建一個清晰的邏輯場域，使其展現出更為嚴密的邏輯程度。
背景補充：文科生在AI時代的獨特價值
長期以來，文科生常被貼上「感性、缺乏邏輯」的標籤，但在AI時代，這項偏見正逐漸被翻轉。自然語言的邏輯本質是「開放式」的，而文科訓練中強調的批判性思考、文本解構與詮釋學，正是處理這類開放式問題的利器。
當企業需要將抽象願景轉化為AI可執行的具體步驟時，文科生在「定義模糊邊界」及「脈絡化思維」方面的優勢便顯現出來。他們能釐清概念之間的邏輯關聯，避免AI在概念滑轉中產生「幻覺」，並能深入理解技術產出在社會、法律或道德層面的潛在影響。這些都是單純優化演算法所無法觸及的領域。
可以說，文科生的競爭力不僅在於產出內容，更在於「設定標準」。在內容生產過剩的未來，具備審美眼光、價值判斷與邏輯檢核能力的文科通才，將成為管理AI決策的關鍵角色。AI降低了技術門檻，卻同時拉高了「敘事門檻」。能夠理解技術潛力，並以深刻的人文視角進行跨學科敘事的人才，將在職場上獲得更多機會。所謂「跨學科敘事力」，正是將枯燥數據與複雜模型邏輯，轉化為具商業洞察與情緒價值的核心主張。當AI越強大，對「人之所以為人」的論述就越重要，市場需求的是能與機器對話，並在對話中守住邏輯底線與創意靈魂的專業人士。
