產出翻倍但營運成效不見成長？Happ. 小樹屋創新長分享 AI 時代的人機協作心法

課程精華

• AI 擅長的 3 大任務為「一次想出很多點子、整理資料與做出第一版」。
• 用 AI 時應遵守「不給 AI 判斷要解決什麼、不把完整答案當好答案，跟不把對人和真實世界的理解交給 AI」。
• 職場工作者在人機協作時代應修練「定義問題、判斷好壞與理解人和現場」的能力。

有效提升效率：AI 擅長的 3 大任務

AI 在職場上最主要的應用之一，就是「提升工作效率」。吳承先藉由自己從無到有與 AI 協作創立出 here 這個品牌的經歷，分享自過程中觀察出來 AI 最擅長的 3 大任務。他指出，從洞察、設計、整合、營運到變現，每個階段 AI 都能做好「一次想出很多點子、整理資料與做出第一版」。針對這 3 項任務，他分別用「客群區隔、訪談彙整與工具開發」的實際例子，說明 AI 達到的成效。

• 一次想出很多點子：用 STP（Segmentation, Targeting, Positioning）策略迅速列出 12 種客群區隔與 100 多個細項
• 整理資料：10 分鐘彙整完 10 幾個消費者訪談錄音與大綱
• 做出第一版：打造出 5 分鐘完成每月水、電與網路等帳單請款的工具

確保效益增長：AI 使用三不原則 × 工作者 3 大修練

雖然 AI 對提升工作效率很有幫助，但吳承先提醒，「產出增加不等於營運效益提升」。掌握人機協作的分工原則，才能避開高產出低效益的白忙陷阱。而要避免白忙一場，他建議使用 AI 時可把握以下的三不原則。

• 不把「要解決什麼」交給 AI：先決定「要解決的是什麼？」，再讓 AI 針對問題給解答
  • 實作案例：AI 統計出許多會員希望場地開 24 小時，但人類釐清「尖峰時段要排隊」才是痛點
• 不把完整答案當作「好答案」：讓 AI 給出非常全面的答案，再判斷這些答案是否有價值
  • 實作案例：AI 產出結構完整且原則正確的訪綱草稿，人類檢驗每個問題能否帶來決策改變
• 不把「對人和真實世界的理解」交給 AI：用親自觀察、溝通與檢查的結論，調整 AI 產出的內容
  • 實作案例：AI 產出團隊感謝文模板，主管改寫時各別點名每一組夥伴的具體貢獻與辛勞

圖片來源：《用 AI 卻做不出差異化？小樹屋新品牌產品經理實戰分享：AI 時代更值錢的是你的判斷力》課程畫面截圖

而針對上述的 AI 使用三不原則，吳承先認為職場工作者可著重修練以下的 3 大能力：

• 定義問題：向 AI 提問前先寫下目標再與 AI 來回討論，釐清要解決的核心問題。
• 判斷好壞：評估 AI 給的建議放在自身情境與商業模式下是否成立，能帶來什麼改變。
• 理解人和現場：多與團隊及客戶交流，親自到現場觀察，並拿真實世界的資料去檢驗 AI 的產出。

AI 時代的判斷力常見 FAQ

員工用 AI 生成內容卻不加以思考，主管該如何管理與引導？

員工用 AI 生成內容卻不加以思考，主管該如何管理與引導？

建議採取成果導向原則，明確規範「將成果修正到可用」是員工的責任。若員工產出的內容無法帶來效益或不符品質標準，主管應明確退回讓員工負責修正。長期而言可建立團隊文化，引導員工提升對 AI 產出進行評估與改善的判斷力。

導入 AI 後產出被競爭對手快速複製，該如何建立差異化？

導入 AI 後產出被競爭對手快速複製，該如何建立差異化？

產品的差異化來自於人類對真實世界與顧客需求的極致洞察，而非可被輕易複製的表面流程。團隊應將資源專注於深耕對人和現場的理解，建立難以被 AI 或同業複製的核心壁壘。

AI 時代的判斷力課程讓人機協作更高效！

吳承先（Kevin）的「AI 時代的判斷力」課程，透過拆解 AI 擅長的 3 大任務，與使用 AI 時應遵守的三不原則，整理出人機協作時人類可採用的 AI 應用與自我修煉策略。幫企業看見導入 AI 時容易面臨的工作效率與效益脫鉤風險，讓效率與產出的提升實質帶動營運成效成長。若想深入了解課程細節，歡迎填寫下表與我們聯繫！

內容授權聲明：
本文章內容依據吳承先（Kevin）的講座內容撰寫，並經其授權使用。