生成式 AI 是什麼？5 大用途＋3 個風險，新手一次看懂【2026】

每次有人跟我說「生成式 AI、LLM、AI Agent 這些名詞我都聽過，但到底差在哪？」我都能理解那種感覺。名詞一個比一個新，每篇文章都在講原理，看完還是不知道明天上班能拿它來做什麼。

我自己是每天都在用。我管理超過 4,000 個網站，日常會用 Claude Code 這類 AI 工具批次檢查網站、找出有問題的站、寫修復腳本；我們自己開發的 zenbu AI 網站系統，也能透過 MCP 讓 AI 直接操作網站，建頁面、上架商品、寫文章。所以這篇我不打算講太多技術，而是幫你畫一張「生成式 AI 能幫你做什麼」的地圖，最後再講風險和怎麼開始。

生成式 AI 是什麼？用一句話怎麼講？

生成式 AI 就是「會創作的 AI」。你用文字告訴它要什麼，它就產出一段文字、一張圖、一段聲音或一段程式碼。

它的原理可以想成一個讀過非常大量作品的學徒：看過上億篇文章，就學會文章通常怎麼寫；看過大量圖片和說明文字，就學會「夕陽下的咖啡杯」大概長什麼樣子。你下指令時，它不是去翻某一篇文章出來，而是依照學到的規律，一個字、一個像素地組出新的內容。

大家最熟的 ChatGPT、Claude、Gemini 都屬於生成式 AI，它們背後負責文字的那顆「大腦」叫做大型語言模型。想知道那顆大腦怎麼運作，可以看我另一篇〈LLM 是什麼？大型語言模型白話解釋〉，這篇我們專心講「能拿來做什麼」。

生成式 AI 和傳統 AI 差在哪？

最大的差別是：傳統 AI 負責「判斷」，生成式 AI 負責「產出」。其實你早就天天在用傳統 AI，只是沒注意。

這張表最後一列很重要。傳統 AI 錯了，通常你一眼看得出來；生成式 AI 錯的時候，常常寫得頭頭是道，這是後面要談的風險。

生成式 AI 能幫小老闆和行銷人做什麼？

依照產出的東西，可以分成文字、圖片、影片、聲音、程式五大類。下面每一類我都列出實際可以拿來做的工作，而不是只說「提升效率」。

文字：最成熟、最值得先學的一類

文字是目前生成式 AI 最強的領域，也是投資報酬率最高的起點。行銷人和小老闆可以拿來做：

• 廣告與社群文案：給它產品特色和目標客群，一次產出十種不同角度的開頭，你挑最好的再改。
• 商品描述：把規格表丟進去，請它改寫成客人看得懂的賣點。
• 客服回覆草稿：把常見問題整理好，請它寫成語氣一致的回覆範本。
• 讀長文件：合約、報告、競品網站，請它先摘要重點，你再去看關鍵段落。
• 企劃發想：檔期活動、文章題目、課程大綱，先讓它丟出一輪點子。

寫廣告文案的實際做法，我在〈用 AI 寫廣告文案〉有更完整的步驟。

圖片：素材量不夠時的救星

圖片生成適合「需要很多變化，但不需要百分之百精準」的場景：

• 廣告素材的多版本測試，例如同一個商品放在不同情境背景
• 社群貼文配圖、部落格封面、簡報插圖
• 產品拍好之後的去背、換背景、延伸畫面
• 設計提案前的風格草圖，先跟客戶對齊方向

要注意的是，商品本身的外觀最好還是用實拍，AI 畫出來的商品細節常常跟實物不一樣，客人收到貨會覺得被騙。

影片：從腳本到剪輯都能插手

影片是近兩年進步最快的一類。小團隊最常用的是：

• 用文字工具寫短影音腳本、分鏡、字幕
• 自動上字幕、剪掉停頓和口誤
• 把一支長影片切成多支短影音
• 用 AI 分身做講解影片，不用每次都自己上鏡

直接用文字生成整支廣告影片也做得到，但畫面穩定度和品牌一致性還需要人把關，比較適合當素材來源，而不是成品。

聲音：配音、旁白、會議紀錄

聲音類包含「文字變語音」和「語音變文字」兩個方向：

• 幫影片、課程配旁白，或做多語言版本
• 把會議、訪談錄音轉成逐字稿，再請文字 AI 整理成重點
• 做背景音樂、音效

用別人的聲音做配音要特別小心，沒有本人同意就複製真人聲音，法律和信任上都很危險。

程式：不會寫程式的人也能做小工具

這一類是我自己用最多的。以前要請工程師的小事，現在可以自己用講的完成：

• 寫試算表公式、整理資料的小腳本
• 做簡單的網頁、表單、計算機
• 串接兩個系統，例如表單送出後自動寄信通知
• 讀懂錯誤訊息，知道網站壞掉該從哪裡查

我用 Claude Code 管網站時，它會自己寫檢查程式、連到主機去跑、整理結果給我。這已經不只是「產出內容」，而是會自己動手完成任務，這種形態叫做 AI Agent，可以看〈AI Agent 是什麼〉。

五大類一張表整理

生成式 AI 有哪些限制與風險？

主要有三個：會講錯話、版權有灰色地帶、個資容易外流。這三個不搞清楚，用得越多風險越大。

風險一：幻覺，講得很順但內容是錯的

生成式 AI 的原理是「產出看起來最合理的內容」，不是「查證後回答」。所以它可能捏造一個不存在的法規條文、算錯價格、編出一篇根本沒有的研究。這種現象叫做 AI 幻覺，我在〈AI 幻覺是什麼〉有專篇說明。

實務上的原則很簡單：數字、日期、法規、價格、人名，一律自己再查一次。對外發布的東西，最後一關一定是人。

風險二：版權，誰擁有 AI 做出來的東西？

台灣目前的方向是：純粹由 AI 產出、沒有人類創意貢獻的內容，很難主張著作權。根據 2026 年 8 月工商時報的報導，經濟部智慧財產局完成的「生成式人工智慧著作權指引」1.0 版認為，AI 不是自然人，不能當著作人；發生爭議時，主張權利的人要能說明哪些部分是人類創作。

對小老闆來說有兩個實用的做法：第一，重要的品牌素材（商標、主視覺）要有人實際參與設計和修改，並留下過程紀錄；第二，不要叫 AI「做一張跟某某品牌一模一樣的圖」，生成內容跟既有作品太像，一樣有侵權風險。

風險三：個資，貼進去的東西不一定只有你看得到

很多人會把整份客戶名單、訂單資料直接貼給 AI 整理，這其實很危險。不同工具、不同方案對資料的保存和使用方式不一樣，有些免費版可能會拿對話來改善模型。

我的習慣是：先去識別化再丟。姓名、電話、地址、身分證字號先換成代號，真的需要處理大量客戶資料時，選有明確資料保護條款的企業方案。

生成式 AI 會取代我的工作嗎？

比較準確的說法是：它會取代「只做初稿」的那一段工作。AI 很擅長產出八十分的草稿，但剩下的二十分，也就是判斷這段文案適不適合你的客人、這張圖符不符合品牌、這個數字對不對，還是要靠人。

我看過很多接案者，用 AI 之後交付變快、案子接得更多；也看過有人直接把 AI 產出交給客戶，很快就被說「這我自己用 ChatGPT 也做得到」。差別就在那二十分。想把這二十分變成收入，可以參考〈用 AI 接案能賺多少？9 種 AI 變現技能〉。

新手怎麼開始用生成式 AI？

從一件你每週都要重複做的事開始，不要從工具開始。我建議照這四步：

1. 挑一件重複的工作：例如每週寫社群貼文、回客服信、整理會議紀錄。
2. 選一個文字工具用熟：ChatGPT、Claude、Gemini 挑一個就好，先把免費版用到熟，不用每個都試。
3. 學會寫清楚的指令：交代角色、背景、要的格式和範例，產出品質會差很多。方法可以看〈AI 提示詞怎麼寫〉。
4. 固定流程，再擴充：把好用的指令存成範本，一件事穩定之後，再往圖片、影片或自動化延伸。

想讓 AI 直接幫你動手，而不只是給建議

用了一陣子你會發現，最花時間的不是「想內容」，而是把內容貼到各個後台：網站要上架、文章要排版、商品要填規格。這也是我們開發 zenbu AI 網站系統的原因之一。zenbu 網站可以透過 MCP 接上 AI，你跟 AI 說要做什麼，它就能直接在網站上建頁面、上架商品、寫文章，形象網站、一頁式、購物車、線上課程網站都能做。如果想了解 AI 怎麼跟網站串在一起，可以看〈MCP 是什麼〉。

常見問題

ChatGPT 是生成式 AI 嗎？

是。ChatGPT 是 OpenAI 做的生成式 AI 應用，背後是大型語言模型。Claude、Gemini 也是同一類，差別在開發的公司和各自擅長的地方。

生成式 AI 要付費嗎？

大部分主流工具都有免費版，夠你先練習。等你確定某件工作每週都會用到，再升級付費方案換取更高的用量和更好的模型，會比一開始就訂一堆工具划算。

生成式 AI 產出的內容可以直接商用嗎？

要看工具的使用條款，也要看內容本身會不會跟既有作品太像。重要的商業素材建議有人參與修改並保留紀錄，事實性內容一定要人工查證後再發布。

生成式 AI 跟 AI Agent 有什麼不一樣？

生成式 AI 負責產出內容，AI Agent 則是把生成式 AI 當大腦，再加上工具和權限，讓它可以自己拆步驟、執行任務、回報結果。前者給你草稿，後者幫你把事情做完。

不懂技術的小老闆，最先該用在哪裡？

文字類工作，例如社群貼文、商品描述、客服回覆範本。門檻最低、成果最容易檢查，也最快感受到省下的時間。

結語：先找一件事，讓 AI 幫你做到八十分

生成式 AI 不是一個要「學完」的東西，而是一組可以分散在日常工作裡的幫手。先從文字開始，選一件每週重複的工作，讓 AI 做出八十分的初稿，你負責最後二十分的判斷和查證。熟了之後，再往圖片、影片、程式和自動化延伸。

記住三個原則：數字自己查、素材留紀錄、個資先去識別化。照這樣用，生成式 AI 會是你最便宜、最勤勞的助理。