​
昨天下午，
受到張智元教授的邀請，
有機會到逢甲大學工程研訓中心，
和第一線的專案推手們進行交流，
主題是：「AI 在研訓中心的實務工作流」。
​
你一定有過這種感覺，
大家都說 AI 很強，
但每次叫它寫文案、做簡報，
出來的東西總覺得一股濃濃的機器人味。
​
重刷了好幾次，
還是得不到自己想要的內容，
最後還是只好自己動手，
根本沒有比較省時，對吧？
​
問題往往不在 AI 不夠聰明，
而是我們經常只把它當作「單點突破」的許願池，
所以，我帶著大家梳理了一套流程，
把 AI 從零碎使用，
變成真正可以串聯應用的工作流。
​
結果你會發現，
AI 就是你工作中的「巧克力」，
巧妙克服問題的能力。
​

​
這句話聽起來很玄，
但放回日常工作，
其實很有畫面。
​
提報內容太長太雜，
可以把錄音檔丟進 NotebookLM，
快速整理會議紀錄。
​
文案靈感卡關時，
呼叫 Gemini 爆文機器人，
幾分鐘就產出草稿。
​
遇到學員報名資料漏填，
也能請 AI 寫小程式自動比對，
省去人工對到眼睛脫窗的時間。
​
當 AI 接手了工作中最煩、最雜的部分，
你就能把專注力放在需要創意和判斷的地方，
而不是被困在瑣事中哀嚎。
​
你可能會想，
真的那麼厲害嗎，
為什麼我用 AI 產出的圖文，
總是不如預期？
​
因為 AI 需要「明確的指令與設定」。
​
當你想修改一張圖，
如果你只說：
「讓徽章兩旁的葉子更大一些。」
​
你說的「更大」到底是多大，
AI只能自己猜。
​
但如果你說：
請將兩側麥穗向上延伸，
使其頂端達到徽章高度的 80%，
並增加麥穗的彎曲弧度。
​
甚至更進一步利用 YAML 格式來表達，
產出的結果就會穩定很多。
​
這和職場上主管交辦工作，
道理是一模一樣的。
​
「你就照那樣做」，
出來的成果一定失焦。
指令愈明確，
才能產出愈接近你要的內容。
​

​
所以這次交流，
我想讓學員理解的，
不只是怎麼用工具。
​
還包括：
怎麼問對問題，
怎麼把需求說清楚，
怎麼把模糊想法翻譯成 AI 聽得懂的任務。
​
但即使做到了這一步，
最後承擔責任的，還是你。
真正面對客戶的，也是你。
​
AI 可以幫你整理資料、生成初稿、加快流程，
但它的想法也不是全部都對，
什麼方案可行、什麼文案能打動人心，
最後都還是需要你的判斷。
​
而要有好的決策品質，
背後靠的又是平常的閱讀、觀察與連結能力。
​
像在寫招生文案時，
除了最基本的 SCQA 架構之外，
我也利用了「算命仙」的比喻，
來示範如何連結。
​
地下道擺攤的算命仙看到路人，先說一句：
「這位客人，我看你印堂發黑，最近可有煩心事？」
​
對方一旦開始訴苦，
後面就順勢販售解決方案，
三天改運、七天改命，
讓你飛黃騰達、桃花朵朵開。
​
這背後是一套很成熟的行銷策略，
先篩選客人、指出困境，
再放大焦慮，
最後給出一條翻身的路。
​
把這個邏輯放進品管班的招生場景，
畫面立刻就出來了。
​
在工地日曬雨淋的苦命工程師，
被監造刁難、被同事排擠，
工作很累，位置卻一直不上不下。
​
這時候，如果告訴他考取品管證照後，
就多一個轉換跑道的機會，
到了新公司，
整個職涯都會閃閃發亮。
​
這種連結的人味，
不是你丟一句話請 AI 寫文案，
它就能自己憑空想出來的。
​
這種連結方式，
來自人腦中原本就有的素材，
故事感與轉譯能力。
​

​
課後看到幾則學員回饋，
我也很有感。
​
有人記住了 SCQA，
有人提到爆文機器人對業務很有幫助，
也有人終於發現，
原來可以做個人化的設定，
例如直接說不要用 emoji。
​
在交流的過程中我發現，
大家都對工作充滿熱情，
只是還沒有找到與 AI 協作溝通的方法。
​
未來，
工具一定會愈來愈強。
​
但真正稀缺的，
永遠是那些能把客戶需求想清楚，
有系統地轉譯讓 AI 協助，
最後還願意承擔結果的人。
​​
算力決定了產出的速度，
內容的溫度決定了共鳴的深度。