010. 導言｜學會 Claude，不等於知道下一步
很多人學 Claude 的路徑很像：先學 prompt，再做自動化，接著做 agent、MCP、workflow、dashboard。學到某個程度後，會出現一個更現實的問題：然後呢？
要開 AI agency 嗎？要賣自動化嗎？要做 SaaS 嗎？還是要離職創業？
Nate Herk 這支影片的答案，刻意避開最吵的那幾條路。他說，對多數觀眾來說，90% 的 AI 賺錢建議其實不相關，因為很多人有正常工作、公司職涯、固定收入，也不一定想承擔自雇的起伏。
所以這支影片真正想談的，是另一條更低風險的路：把 Claude 技能變成職涯內的 AI consulting 能力。
這裡的「顧問」不是名片上的頭銜，而是一種工作方式：你不只是會 build，還能找出公司真正卡住的地方，定義要移動的 KPI，做出小型可驗證成果，最後把成果變成升遷、角色、職涯選項或外部顧問服務。
來源影片在這裡：Nate Herk：So You Learned Claude, Now What?。
021. 工具會變，底層技能才留下
影片一開始，Nate 先拆掉一個迷思：現在很會 Claude，本身不一定有長期價值。
原因很簡單，AI 工具換得太快。今天是 Claude，明天可能是另一個 agent framework；今年大家賣 chatbot，明年改賣 automation agency，接著又變成 agent builder，現在則進入 agentic AI。每一波都有人搶先賺到機會，也有人留在上一波裡面打價格戰。
Nate 的觀點是：真正重要的不是工具名稱，而是你理解工具可以為人和企業創造什麼價值。
他用幾個市場數字支撐這個判斷。影片引用 Gartner 對 2026 agentic AI spending 約 $202B 的預測；也引用 McKinsey 調查，說約 88% 的組織已經在某處使用 AI，但只有約三分之一把它變成真正專案。這些數字都要用歸屬語氣讀，因為它們來自影片引用；但它們指向的落差很清楚：大家都在用 AI，真正會把 AI 變成可交付專案的人還很少。
這就是 Nate 所說的機會：下一階段的價值，不再只是「誰會最快 build」，而是「誰知道該 build 什麼、為什麼 build、build 完有沒有真的改變 business result」。
032. Builder 像藥師，Consultant 像醫師
影片裡有一個很有用的比喻：builder 像 pharmacist，consultant 像 doctor。
藥師會把你指定的藥交給你；醫師要先診斷你到底怎麼了。對應到 AI 工作裡，builder 是「你叫我做 automation，我就做 automation」；consultant 是「你說想要 automation，但我先判斷你真正的問題是不是 lead response 太慢、handoff 掉單、內容產出卡住，還是管理層根本看不到數據」。
這個差別決定了價值。
如果你只是照單 build，就很容易被工具降價。因為 build 的門檻正在下降，越來越多人能照著教學做出 agent、workflow、dashboard。但如果你能說出公司真正 constraint 在哪裡，並設計出能移動 KPI 的解法，你賣的就不是 automation，而是 business improvement。
Nate 也提到 AI consulting market 可能到 2028 超過 $64B，並引用「約 30% company AI projects abandoned」「只有約 6% companies using AI are actually good at it」這類數字。這些都應視為影片中的市場論述，而不是本文自行查證的事實。重點是：企業知道 AI 重要，但很多專案卡在「不知道做什麼才有價值」。
會 build 的人很多，會診斷的人少。這就是 AI consultant 的空間。
043. 兩條路｜獨立顧問，或公司內 AI 負責人
Nate 把路徑分成兩種。
第一條是 independent AI consultant。你到不同公司裡找問題、設計 AI solution、交付成果。這比較接近大家熟悉的 AI agency，但 Nate 建議把定位從「scrappy devs who build automations」調整成「長期問題解決夥伴」。也就是不要賣「我幫你做一個 automation」，而是賣「我幫你解決這個流程、收入、成本或交付問題」。
第二條是 in-house AI consultant。你不需要離職創業，也不用接很多客戶。你可以成為同一家公司裡最懂 AI 如何落地的人，也可能就是你現在工作的公司。
這是影片裡比較值得魚塘讀者注意的地方。AI 內容常常把創業、agency、freelance 當成唯一出口，但很多人其實想要的是更穩定的職涯槓桿：升遷、更好的職缺、公司內部更重要的角色、避免技能過期。
Nate 引用 IBM 2026 CEO study，說大型企業中 chief AI officer 類角色已經從兩年前 26% 到 76%。他也特別補充，這份研究樣本是約 2,000 位 CEO，而且多是大型企業，median revenue 約 $5.8B、多數是上市公司。換句話說，這個數字不能直接套到中小企業，但它顯示大型組織已經在搶占 AI leadership seat。
中小型公司反而可能還有空缺。你不一定要等 LinkedIn 出現「Head of AI」職缺；你可能要先在公司內做出證據，然後把這個角色創造出來。
054. 四種人，都可以從同一條路開始
Nate 說，這條路至少適合四種人。
第一種，是把 Claude 當 passion project 的人。你不一定要創業，但如果能讓某個人願意為你的能力付錢，或讓公司願意採納你的成果，那就是很便宜的 validation。同時，AI 工具和 token 都不便宜，能把技能變現一點，也能反過來資助你的學習。
第二種，是 aspiring entrepreneur。這群人確實想做生意、想賺錢。Nate 引用 World Economic Forum 關於 AI 可能創造 170M new jobs by 2030、扣掉被取代和改變的角色仍有 80M net gain 的說法，也提到美國 tech job postings 約一半已要求 AI skills。這些數字的精確性需要讀者自行查證，但對創業者的啟示是：市場需求在變，懂 AI 的人不必是世界第一，只要在某個 room 裡是最能交付的人，就可能有機會。
第三種，是想在公司裡升級的 employee。這是影片最想服務的新 audience。Nate 引用 PwC 對近十億 job postings 的分析，說 AI skills pay premium 在一年內從 21.5% 到 56%；也引用另一份研究，說近三分之二員工承認曾因某人技能過時而略過 promotion。重點是，AI 技能不是履歷上的裝飾，它正在變成「誰被留下、誰被看見、誰被升上去」的條件。
第四種，是已經有 business 的人。你不一定要聘顧問，也不一定要變成顧問；你可以先 consult your own business，一個流程一個流程改。
四種人看似不同，但共同起點一樣：不要只學工具，要把工具接到真實問題和可驗證成果。
065. AI Consultant 這個標籤會過期，但窗口現在還開著
影片中有一段很精準：Nate 認為「AI consultant」這個 label 有 expiration date。
這不是說 AI consulting 不重要，而是說未來每個 consultant 都必須 AI-native。就像今天不會有人認真把自己稱為 Excel accountant，因為會 Excel 已經是會計工作的基本假設；也不太會有人自稱 internet marketer，因為 internet 已經是 marketing 本身。
AI 也會走向同樣的路徑。
現在把 AI 寫在 title 裡有辨識度，是因為市場還在過渡期。一部分人已經用 AI 改變工作方式，另一部分人還停在舊方法。等 AI 完全滲進每個 role，「AI consultant」可能就只剩 consultant。
但這不代表現在不用動。剛好相反：當 label 還有辨識度、企業還不知道怎麼落地、同事還不知道怎麼把 Claude 變成業務成果時，窗口才最大。
真正會留下來的不是 title，而是 skill：診斷、拆解、設計系統、量化成果、溝通價值。
076. Roadmap｜Constraint First, KPI Second, Build Third
影片的核心路線圖其實很短：audit, build, pattern recognize, formalize。
但在四步之前，Nate 先給了一條 operating principle：Constraint first, KPI second, build third.
這句話是整支影片最值得記的部分。
錯誤做法是：看自己的工作裡有哪些重複任務，然後全部自動化。這當然不是壞事，但不一定有價值。你可能花一週省下某個沒人在等的 20 分鐘任務，最後沒有人在乎。
正確做法是：先找 constraint。哪個地方真的讓團隊慢下來？哪裡卡住 revenue？哪裡造成 downstream pain？哪裡讓公司出血？
找到 constraint 之後，再綁定 KPI。你要移動哪個數字？response time、conversion rate、handoff error、sales cycle、content output、support resolution、reporting delay？沒有 KPI，就沒有可證明的成果。
最後才 build。用 Claude、agent、automation、dashboard、workflow，都只是手段。你真正要留下的是一句可以被 leadership 聽懂的話：我做的 AI system 讓某個 business metric 變好了。
這就是 builder 和 consultant 的分水嶺。
087. 四步走｜從公司內小專案到正式角色
第一步，audit your own role。不要列所有重複工作，而是用 constraint lens 看自己的職務：哪些工作拖慢團隊？哪些地方造成實際成本？哪些流程沒有人處理但一直在漏？
第二步，take on small projects。從清單裡挑一個可以小範圍試的專案，找一個部門、一個流程、一個 corner of the business 實作。這不是要你一開始就改造整家公司，而是做出第一個 case study。
第三步，become an expert at solving problems, not just building。做過幾個小專案後，你會開始看到模式：公司常見問題其實重複出現。你會從「別人交給我需求，我來 build」變成「我能走進一個情境，找出真正問題，設計系統解掉它」。
第四步，formalize it。當你已經有足夠證據，證明公司需要這樣的人，就帶著成果去找主管或 leadership，提出正式角色。很多人不會在 LinkedIn 找到這份工作，而是從公司內部把它創造出來。
即使公司當下還沒有準備好，你也要成為他們想到 AI 落地時第一個想到的人。
影片最後用一個個案收束：Nate 提到社群裡一位叫 Alan 的人，從 email developer 背景、非 AI 出身，開始學 n8n 和 Claude Code，並持續 build in public。她沒有大量粉絲，但有 demos、case studies、LinkedIn proof。當一家 15 人公司 Young 的 recruiter 問「What have you built?」時，她不用長篇解釋，只要送 links，最後直接跳過 HR 見 CEO，拿到 Head of AI role。
這個故事的重點不是人人都會複製同樣結果，而是市場在問的問題變了：不是「你看過多少教學」，而是「你做出過什麼，移動過什麼」。
給讀者的 Takeaway
- 學會 Claude 只是起點，長期價值在於能否把 AI skill 轉成可驗證 business result。
- 不要只自動化重複任務；先找 business constraint，再綁 KPI，最後才 build。
- 你可以走獨立 AI consultant，也可以走公司內 AI 負責人路線；兩者本質都是診斷、設計、交付、證明。
- 「AI consultant」這個 title 可能會過期，但 AI-native problem solving 會成為每個顧問與知識工作者的基本能力。
- 最有用的作品集不是炫技 demo，而是 case study：我解了什麼問題、移動了哪個指標、產生了什麼結果。