同樣的問題問 AI,為什麼你得不到你要的答案?

同樣的問題問 AI,為什麼你得不到你要的答案?

有一次跟一個老闆聊天,他跟我說:「ChatGPT 不好用,我試過了,答案都很廢。」

我說:給我看你當時問了什麼。

他打開手機給我看。螢幕上那行字是:「請問我的產品要怎麼行銷?」

我沒有笑他。因為我看過太多人這樣問。


AI 不是算命師,它不知道你在想什麼

很多人用 AI 的方式,是「給一個關鍵字,等它猜」。

這是搜尋引擎的使用邏輯,不是跟 AI 協作的邏輯。

你問「我的產品要怎麼行銷」,AI 不知道你的產品是什麼、你的客人是誰、你的預算有多少、你之前試過哪些方式、你希望得到什麼格式的答案。

它給你的,只會是一個教科書等級的通用答案。

廢,是你給的資訊太少,不是 AI 不行。


把任務說清楚,答案就不一樣了

我請那個老闆重新問一次,這次我幫他改了提問。

「我在花蓮開一間賣本地農產品的小店,主要客群是觀光客,想用 Instagram 增加曝光。我每週只能發兩篇,請幫我設計一個一個月的內容主題規劃,每篇給我主題和一句吸引人的標題。」

同樣是 ChatGPT,同樣是行銷問題。

出來的結果,他說:「這才像話。」

差別就在這句話裡藏了什麼:背景(花蓮農產品小店)、對象(觀光客)、限制(一週兩篇)、目標(Instagram 曝光)、輸出格式(主題 + 標題)。


一個好的 AI 提問,至少要包含這幾個元素

我在課堂上常講一個簡單的框架:

背景是什麼、對象是誰、你想要什麼、輸出格式是什麼。

不需要全部都有,但越完整,答案越精準。

你可以把它想成是在跟一個剛進公司的新員工說任務。你說越清楚,他做越對。你只說「去做行銷」,他不知道從哪裡下手,你也不能怪他。

AI 也是一樣。


提問是一種技能,不是一種天分

我發現有些人覺得「會用 AI 問出好答案」是一種天分。

不是的,這是練出來的。

你第一次問,答案爛,不要直接放棄。回頭看你的提問,想想缺了什麼,補上去,再問一次。

這個來回,本身就是學習的過程。

越練越快,越問越準。現在花五分鐘想清楚怎麼問,比花三十分鐘改一個廢答案有效。


你不是不會用 AI,你是不習慣說清楚

那個老闆最後跟我說:「原來不是 AI 的問題,是我不習慣把事情說清楚。」

他說這句話的時候,我覺得這才是真正有用的收穫。

能把需求說清楚,不只對 AI 有用,對員工、對客人、對供應商,都有用。

AI 只是讓你更快發現自己有沒有想清楚這件事。

你上一次用 AI 得到一個廢答案,回頭看,你的提問清楚嗎?


本文與 AI 夥伴[小貫]🦞共同完成

#AI工具應用 #AI導入 #數位轉型 #小微企業 #宜花東

Read more

為什麼 SOP 寫了沒人用?根本原因在這裡

為什麼 SOP 寫了沒人用?根本原因在這裡

很多公司都有 SOP。 但問起來,往往說不清楚上次看是什麼時候。 SOP 沒人用,通常不是員工的問題。 根本原因有三個: 第一,寫 SOP 的人不是真正在做這件事的人。 主管寫的 SOP,描述的是「理想上應該怎麼做」,不是「現場實際怎麼運作」。 員工看了,覺得跟自己的工作沒什麼關係,自然就放著不用。 第二,SOP 只告訴你「怎麼做」,沒有說「為什麼這樣做」。 少了「為什麼」,SOP 就只是一份操作說明書。 遇到例外狀況,員工不知道原則在哪,只能猜、問、等。 第三,沒有人負責更新。 SOP 寫完那天可能是對的,但三個月後流程改了,SOP 還是舊的。 員工照 SOP 做,反而出問題。久了就不信任文件了。 讓 SOP

By GJ Lien
導入任何系統前,先問這三個問題

導入任何系統前,先問這三個問題

很多導入失敗的案子,不是因為工具不好,也不是因為預算不夠, 是因為在錯的時間點做了決定。 什麼是錯的時間點? 就是你還沒問過這三個問題的時候: 第一個:現在的流程,是誰在用、怎麼在用? 很多人以為自己了解公司的流程,但真的問起來,每個人說的版本都不一樣。 導入之前,要先把現況說清楚。不是為了找人負責,是為了知道起點在哪裡。 第二個:哪個環節最常出問題,原因是什麼? 新系統要解決的,應該是真實的痛點,不是假設的問題。 「我覺得這裡可以更好」和「這裡每個月都出問題,上次讓我們損失了兩天工時」,是完全不同的優先級。 第三個:導入之後,誰要負責維護? 這個問題最常被跳過。 系統不是裝了就好,它需要有人持續管理、更新、跟現有流程整合。 如果沒有人負責,三個月後它就會變成另一個沒人用的工具。 問完這三個問題再動 這三個問題不是要把事情弄得複雜。 是要確認你導入的是解法,不是新的問題。 你們上一次導入新系統,問過這三個問題嗎? 本文與 AI 夥伴[小貫]🦞共同完成

By GJ Lien
不是工具太多,是你還沒想清楚自己要什麼

不是工具太多,是你還沒想清楚自己要什麼

上週在一個聚會場合,旁邊坐著一個開設計公司的老闆。 他說:「我光是追AI工具就快跟不上了,每次剛學會一個,又有新的出來,感覺一直在原地跑。」 我問他:「那你現在手上,真正每天在用的是哪個?」 他想了一下說:「好像……只有一個。」 這就是問題所在。不是工具太多,是你還沒想清楚自己要什麼。 跟風學,是最貴的學法。 AI工具的世界,現在確實亂。每週都有新工具上線,每個人都在推薦,每個都說自己是最好的。但你的時間有限,你的注意力更有限。 如果你什麼都學,等於什麼都沒學。 我的做法是,在碰任何新工具之前,先問自己三個問題: 第一,我的預算底線在哪? 免費工具不是不好,但通常有限制;付費工具不一定更好,但通常更穩定。 先決定你願不願意花錢,會幫你過濾掉一半的選項。 第二,我要的是火力還是便利? 有些工具功能很強,但學習曲線陡。有些工具很簡單,但做不了複雜的事。 你要先知道自己的需求在哪個層級。 第三,這個需求的時效值是多少? 這是最多人忽略的一點。 時效值的意思是:你現在要解決的這個問題,

By GJ Lien
AI Agent 很好用,但沒人告訴你設定有多麻煩

AI Agent 很好用,但沒人告訴你設定有多麻煩

上週有個朋友傳訊息給我,附了一篇文章,說「你要這樣逼 AI,它才會認真」。 我看了一下,大概就是用強硬語氣、給它壓力、威脅它說答案不好就不付錢之類的。 我試了幾次,發現AI 還是那個 AI。 PUA 不是提示詞工程 我理解這個說法從哪來。有些情境下,給 AI 一個明確的角色設定,或是要求它「用最嚴格的標準審視自己的答案」,確實有效。 但那不是「逼」,那是給脈絡。 差別在哪? 逼,是你希望 AI 因為你的情緒改變行為; 給脈絡,是你讓 AI 知道任務的邊界在哪、標準是什麼、你要的是什麼格式。 一個是在管 AI 的態度,一個是在管你自己的需求有沒有說清楚。 會讓 AI 輸出變差的,九成是你的 prompt 沒說清楚,不是 AI

By GJ Lien