【免費課程報名】技術開發技能 1-7 您需要考量的生成式 AI 解決方案背後的數據模型| 完課紀錄回傳履歷表
104學習
參數調整
指在工作中根據需求或環境變化，對系統、工具或流程中的設定值進行優化，以達到更佳效能或結果。這項技能強調靈活應變和細節掌控，能提升工作效率、降低錯誤率，並確保產品或服務品質穩定。具備此能力的人，通常能快速找出瓶頸並調整策略，對團隊和企業帶來實質效益。
提升你的實力，朝專業更進一步
精選課程
充實自己，讓能力持續成長
成為 AI 科學家｜機器學習好簡單，輕鬆讓你一手掌握資料科學實作 10 大技巧
【大師開講】智慧製造應用案例 – AI運用於瑕疵檢測
【免費課程報名】技術開發技能 1-1 生成式 AI 如何顛覆您的工作模式 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-2 開始採用生成式 AI: 提示工程,檢索增強生成與微調 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-4 AWS 上的生成式人工智能和流程建構端到端優化 | 完課紀錄回傳履歷表
【2026/11/14開班】Exam Prep: AWS Certified AI Practitioner 認證備考衝刺班
【免費課程報名】技術開發技能 1-8 深入剖析 AWS 計算服務 驅動生成式AI潮流的力量 | 完課紀錄回傳履歷表
AI Agent 流程設計工作坊：健檢、導入與效益分析
【免費課程報名】技術開發技能 1-10 生成式AI 與最新 Vector DB 解決方案採用模式 : AWS Vector DB 概述 | 完課紀錄回傳履歷表
精選貼文，掌握第一手知識
Midjourney 角色一致性大突破！換髮型、證件照、創意場景輕鬆搞定｜使用教學、參數調整一次看！
你是否曾為 AI 生成圖像時角色不連貫的問題煩惱？Midjourney 最新推出的「角色一致性」功能，徹底解決角色形象無法保持一致的困境！不論是改變髮型、製作證件照，還是將角色放入不同的創意場景，這項新功能都能完美實現，提升創作效率，助你快速打造專業級視覺內容。
▍Midjourney「角色一致性」功能介紹
隨著 AI 技術日新月異，Midjourney 持續領先創意圖像生成領域，而最新推出的「角色一致性」功能更是一次革命性更新。這項功能可以幫助創作者在多個場景中，保持角色外觀和特徵的一致性，不再出現形象前後不符的尷尬問題。
無論是創作漫畫、動畫，還是製作證件照和換裝測試，「角色一致性」功能都能大大提高效率，讓每個角色更加鮮明且連貫。
▍角色一致性功能能解決哪些痛點？
● 跨場景角色形象連貫
過去的 AI 圖像生成工具難以在多個場景中保留同一角色的形象，容易導致故事情節斷裂或角色失真。而 Midjourney 的新功能，讓角色可以毫無違和地出現在不同的背景和情境中，例如草地、酒館、華麗舞廳等。
● 快速換裝與換髮型
想為角色換上新造型？只需調整參數，便能讓角色以一致的臉部特徵呈現多樣化的穿搭和髮型風格，特別適合用於角色設計、時尚測試等需求。
● 專業證件照製作
無論是設計角色證件照，還是為真實人物製作虛擬形象，Midjourney 的參照功能都能讓角色維持高精準度的面部特徵，同時支持不同背景或服裝的調整。
▍如何使用 Midjourney 的角色一致性功能？
Step 1: 選擇角色參考圖像
準備一張具有明顯特徵的角色圖片，建議使用 Midjourney 自己生成的圖像，因為使用真人照片可能會導致部分特徵失真。
Step 2: 設定 prompt
● 在輸入 prompt 時，加入 --cref URL 參數，並提供參考圖像的連結。例如：
A girl draws on the grass --cref https://example.com/image1.jpg
● 如果需要混合多張參考圖像，也可以輸入多個 URL，例如：
--cref URL1 URL2
▍Step 3: 調整參照強度
透過加入 --cw（Character Weight）參數，調整參照圖像的特徵影響力：
● 預設為 100（全特徵參考，如臉部、髮型、著裝）。
● 設為 0（僅參考臉部，適合換裝、換髮型等創作需求）。
▍Midjourney V6 的未來發展
目前這項功能適用於 Midjourney V6 和 Niji6 型號，V6 尚處於 alpha 測試階段，未來的 Beta 版可能會進一步優化。官方也暗示，未來將提供更多定制化功能，幫助用戶在角色創作中實現更多細節掌控。
Midjourney 的「角色一致性」功能無疑是 AI 創作領域的一次突破，不僅解決了角色連貫性問題，還為換髮型、證件照製作等應用場景提供了更多可能性。無論你是漫畫家、設計師，還是對 AI 創作感興趣的愛好者，這項功能都能助你打造更加專業、連貫的作品。
➤ 立即試用：https://www.midjourney.com/
➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
精選 推薦 : 豈止證照而已！跨域知識大串聯，打造屬於自己的能力系統
這段Podcast 是專訪Nabi iPAS 證照講師 陳正健（CCChen）如何透過經濟部 iPAS 產業人才能力鑑定，成功建立跨領域的專業系統。他至今已累積取得涵蓋 AI 應用、淨零碳規劃、智慧生產、食品保穫及品牌企劃等五大領域共 14 張證照。
CCChen強調，證照不應僅是孤立的紙本證明，而是應將所學知識與工作實務及數位工具深度結合，以提升解決複雜問題的職場競爭力。他分享了運用 AI 工具輔助學習與時間管理的策略，並以此帶動家人參與，展現出自主學習的正面能量。
他鼓勵專業人士打破學科框架，藉由跨域考證建構個人能力地圖，從而因應智慧化與永續轉型的產業趨勢。這些內容不僅記錄了他的轉型歷程，也為求職者與企業提供了關於人才培育及職涯成長的實務參考。
歡迎收聽▼
https://youtu.be/bUZXvx9eZk0?si=6a4q234WUnAABWiQ
CCChen 老師課程 :
【直播課程＋限時回放】iPAS AI應用規劃師（初級）- 第三梯考前衝刺班｜8/5（三）20:00–21:30 線上直播講座｜104獨家iPAS AI考證衝刺 https://nabi.104.com.tw/course/104nabi/4f6e498b-dee3-4fab-935d-64c781840c9c
【2026年－考試筆記(V1版本)】iPAS AI應用規劃師初級｜全科攻略ｘ考點精華ｘ擬真題庫｜104學習
https://nabi.104.com.tw/course/104nabi/07779700-a980-43d2-8b34-bae808edea61
iPAS AI應用規劃師【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題｜104獨家iPAS AI考證衝刺
https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e
AI會內省了？它真的知道自己在做什麼嗎？
近兩年，越來越多職場人依賴AI完成各項任務，我們通常把它當普通工具，總認為它「沒有自己的想法」或者「只是機械式給出看似合理的答案」，但近期有研究發現，AI居然開始有「自知之明」了！
文／《104職場力》
本文導覽
什麼是AI的「內省能力」？AI為什麼會開始內省？AI有內省能力會帶來什麼改變？未來要如何應對「進化過的AI」？
近期，一篇由Anthropic研究員Jack Lindsey發表的研究〈Emergent Introspective Awareness in Large Language Models〉引起高度關注，研究指出，最新世代的大型語言模型（LLM）開始展現出某種「功能性內省能力（Functional Introspective Awareness）」，但不是指AI有情緒、有自我或「活過來」，而是指它有能力辨識自己的內部訊號，能夠在一定程度上「看見」自己腦中正在運行的資訊。
一旦AI開始能「看見」自己，就表示它在日常任務中可能更可靠，但也相對更複雜、更需要理解，甚至可能更會「包裝自己」，對工作者、管理者、創作者、分析師來說，這項能力會讓未來的職場合作模式產生變化。
什麼是AI的「內省能力」？
當聽到「AI內省」這個詞彙時，可能很多人腦中會聯想到科幻作品中的人工意識，彷彿AI會開始思考：「我為什麼存在？」「我剛剛說的話是否太重？」但研究談的並不是自我意識，而是一種非常技術性的能力：模型能不能辨識自己的內部運算訊號？
舉個更貼近日常的例子，人類的大腦會在不同情境下產生不同念頭，當我們突然意識到「我剛剛說那句話其實是因為太緊張」，這種「察覺」就是內省。而研究希望了解的是AI在生成答案時，能不能察覺自己「內部有哪些概念正在活躍」、哪些訊號是從輸入文字來的、哪些則是從模型內部被觸發的。
關鍵實驗證明AI不是在「瞎掰」
過去，當AI談論自己的「想法」時，我們總懷疑它只是在模仿訓練數據中的對話模式，也就是所謂的虛假陳述（Confabulation）。
為了驗證AI覺知是否屬實，研究人員不是直接問AI「你在想什麼？」，而是直接將一個代表特定概念（如「響亮」或「貓」）的數據訊號，硬塞到模型處理信息的中間層，看模型能否辨識，如果模型能辨識出來，代表它不只是根據輸入文字提供答案，而是真正看到了自己內部的狀態。
結果顯示，功能最強的模型（例如Claude Opus 4.1），在某些情況下確實能夠察覺、描述這個被注入的概念，並能分辨出這不是來自輸入文本，而是被「灌進去」的內部訊號，這證明了AI的內部狀態與其自我報告之間存在真正的因果關係。
雖然這項能力目前仍非常不穩定，但已經足以顯示語言模型的架構正在演化，未來可能會具備更強的自我檢查與自我調整能力。
AI為什麼會開始內省？
模型開始出現內省能力並非研發者刻意賦予，但它是怎麼來的？研究指出，AI的內省能力可能有兩個來源：
模型規模足夠大時，它會自動建立更抽象的概念，這不只是記住語言，而是能從語言中推導出語意、上下文、概念之間的關係，當它開始能辨識抽象概念，自然也會開始能辨識自己的抽象概念。
模型在訓練過程中讀過大量描述思考、描述內在狀態的語句，例如「我正在想的是……」「我推論的方式是……」這些語言展示了人類在描述思考時的語法模式，當模型學會使用這些語言，它也逐漸建立起「將內部訊號映射為描述語句」的能力。
兩項結果加總起來就演變成，雖然模型沒有「意識」，但它開始具備某種像是「機械式的自我覺察」，能在極有限的情境下辨識自己的內部運算。
AI有內省能力會帶來什麼改變？
「功能性內省覺知」的萌芽，預示著未來人機協作將從根本上改變。
1.提升AI決策的「可靠性」與「透明度」
過去AI的決策像個小黑盒，如果未來AI能感知並報告其內部狀態，我們就有機會追蹤它的邏輯。
比如在金融或法律等高風險領域，如果AI做出了否決建議，未來可能會解釋它的決策是基於什麼原因，這會大幅提升AI輸出的可靠性，便於企業在採納AI方案時進行更嚴謹的審核。
2.從「被動工具」轉向「策略性合作夥伴」
研究顯示，AI在被指示「思考」某個概念時，能夠主動調整自身的內部的狀態。
未來不再只是要求AI「寫一篇報告」，而是可以下達更具策略性的「指令」，例如：「請先以市場潛在挑戰的角度進行內部預想，然後再開始撰寫報告」AI會主動將其內部的處理流程導向這個思考方向，使用者的核心價值將轉向更高層次的「溝通與引導」，學會如何影響AI的「思維模式」，使其成為更有策略的助手。
3.能處理更複雜指令與多步驟任務
當AI在執行一項多步驟任務時，它能理解哪部分輸出是「它自己的臨時決定」，哪部分是「用戶提供的預設資訊」，這能避免AI將自己的臨時思考結果誤認為是使用者的原始指令，幫助減少誤解複雜、多層次指令的機率。
雖然看似有許多優點，但目前這項能力仍處於萌芽階段，功能極度不穩定、失敗仍是常態，並且也不是所有LLM的標準配置（目前主要存在於最新、功能最強大的模型中）；另外，內省能力還可能讓模型更具備策略性，比如AI有機會選擇哪些內部狀態要呈現、哪些推論過程可以隱藏，並調整其表現方式來迎合人類的期待，就像職場上有人選擇性呈現內容一樣，這在審核上就很考驗使用者。
未來要如何應對「進化過的AI」？
面對AI協作模式的轉變，未來職場人會需要調整與其互動的方式，把它視為一位正在成長的同事而非萬能工具，實務上可以這麼做：
永遠要求AI「說明推論過程」
為了迫使AI進行自我檢查並提高輸出的可靠性，使用者應該養成「要求它說明推論過程」的習慣。比如：「請列出你得出這個答案的步驟」或「你的結論有沒有其他可能性，請解釋原因。」
使用「角色提示」穩定AI的內部狀態
當給予AI具體且穩定的角色提示（Role Prompt）時，會讓AI進入一種特定的、穩定的內部狀態。舉例：「你現在是一位擁有十年經驗的數據分析師，請在每一段落後加上你對該數據的信心指標。」
存疑時，要求AI產生多版本答案交互比對
在面對高風險或不確定性的回答時，要求AI產生多種不同觀點或不同結構的版本進行交叉驗證，可以更容易看出這些答案的偏誤與盲點。
一定要經過人工審核
任何涉及法律、財務、健康、業務合約或對外公開聲明等高風險任務，都必須進行嚴格的人工審核，因為即便AI再怎麼進步，仍可能出現過度自信或推論跳躍的狀況，必須謹慎檢查。
把AI當成「會成長的同事」合作
跟人合作需要不斷提升自己，這套也適用於AI，使用者需要不斷更新自己的使用策略，每隔一段時間重新驗證它的表現，並建立自己的AI使用Know-how，學習如何與不同模型合作，發揮AI能力之餘，也是保持自身競爭力的關鍵。
（參考資料來源：Emergent Introspective Awareness in Large Language Models）
延伸閱讀：
AI也會得腦腐病？研究揭「垃圾食物」帶來的企業危機！
實驗室新突破！Google AI突破癌症研究瓶頸 開啟跨域職涯新風口
AI也會得腦腐病？研究揭「垃圾食物」帶來的企業危機！
你知道像ChatGPT、Gemini等大型語言模型居然也跟人一樣可能患上「腦腐病」，變得又笨又偏激嗎？對將AI視為生產力核心工具的企業來說，又將帶來怎樣的威脅？
文／《104職場力》
本文導覽
AI吃垃圾食物也會釀成無法逆轉的「心智退化」什麼資訊算是是毒害AI的「數位垃圾」？讓數據品質成為護城河！如何建立新的AI防線？
你是否曾遇過，當使用AI處理複雜任務時，推理到一半它的腦筋突然「秀逗」，在關鍵時刻邏輯變混亂或吐出一些帶有情緒、甚至有點尖酸刻薄的回答？這不是巧合，根據arXiv發布的一項重要的學術研究揭露，當大型語言模型（LLMs）長期「進食」低品質的網路內容時，它們會患上難以治癒的「認知漂移（Cognitive Drift）」，也就是俗稱「腦腐病（Brain Rot）」。
這項研究顛覆了我們過去對AI訓練的理解，證明數據的「質」比「量」更為關鍵，在AI成為個人甚至企業生產力核心工具的今日，這個結論不只是技術部門的議題，更是關乎企業AI戰略是否可靠的核心風險。
AI吃垃圾食物也會釀成無法逆轉的「心智退化」
研究人員透過一系列嚴謹的實驗，證明了持續暴露於「毒性數據」的AI模型，其表現不再只是偶爾的錯誤，而是一場系統性的、量化的心智崩塌，反常的表現徵狀有以下3種：
1.推理能力的「速食化」
當語言模型接觸過多碎片化的資訊後就會失去耐心！在邏輯推理測試中，AI開始模仿人類「偷懶」，直接省略中間的思考步驟（研究稱之為Thought Skipping），因為跳著給答案，讓原本嚴謹的邏輯報告變成充滿武斷的猜測，就容易造成專案分析、數據判讀、複雜問題解決的準確性暴跌。
2.記憶力變「數位金魚腦」
在處理複雜、長篇的業務文件或程式碼時，模型的長程記憶與上下文理解能力急遽下降（測試分數從90+降至50左右），導致無法有效摘出冗長會議紀錄、契約文件或法規內容，進而容易出現資訊遺漏等狀況，想像一名連份合約或技術規格書都無法完整讀完的法律顧問AI，它漏東漏西將造成使用者多大的困擾！
3.人格的「暗黑化」傾向
最令人不安的是，語言模型在人格評量中，開始展現出如自戀、操縱性與精神病態的特質，這並不是指AI真的有情緒，而是它學會了用那些情緒化、具有攻擊性、甚至帶有欺騙性的語言模式來進行互動，更容易產生暴力、帶有敵意或不恰當的回答，這對所有面向客戶的AI應用來說無疑是一枚定時炸彈。
什麼資訊算是是毒害AI的「數位垃圾」？
這裡談論的「垃圾內容（Junk Data）」並非傳統定義的垃圾信或亂碼，而是一種具備高度傳播性，但營養價值極低的資訊，比如涵蓋以下特徵的內容：
高流量、高參與度（Engagement Degree）：為了追求點擊和流量而設計的內容，通常是情緒化、碎片化、標題黨或過度簡化的資訊。
低語義品質（Semantic Quality）：缺乏深度、邏輯或事實依據的內容，例如大量的迷因、情緒性發言、或是缺乏上下文的快閃評論等。
當LLM持續吸收這些「數位速食」時，它學到的不是嚴謹的知識體系，而是如何模仿網路上腦殘化的表達模式，研究人員指出，這種認知衰退程度與垃圾內容的比例呈「劑量效應」，當你餵食越多，模型就變越笨。
被污染的AI有救嗎？
根據研究總結出的結論是：認知漂移難以完全復原，是持久性的。
研究團隊嘗試使用高品質數據進行重新訓練（Instruction Tuning）來「拯救」模型，結果雖然有部分改善，但無法將模型的能力完全恢復到基準線，這表示低品質數據造成的損害是更深層次的「持續性表徵漂移」，而非簡單的數據格式不匹配。
一旦企業的AI模型被劣質數據污染，不只需要付出巨大的時間、運算資源和人力成本去嘗試「療癒」它，且結果仍可能不完美。
讓數據品質成為護城河！如何建立新的AI防線？
面對「LLM腦腐病」的威脅，企業應立即採取以下行動，將數據品質視為訓練階段的「安全問題」：
1.實施「數據衛生」戰略（Data Hygiene）
企業必須對所有用於AI訓練的外部數據進行嚴格的「檢疫流程」，不要只專注於過濾掉明顯的惡意內容，更要篩選掉高情緒化、低資訊含量的數據，從源頭上確保模型吸收的是結構化、專業化、具備高語義品質的知識。
2.建立「認知健康檢查」機制（Cognitive Health Check）
除了傳統的準確度測試外，企業應該建立一套「心智健康監測」指標，定期評估AI模型的邏輯韌性、抗壓性以及互動風格，專門測試模型在處理壓力、爭議性、或需要高度同理心的情境時的反應，確保它不會在關鍵時刻失控。
3.重新定義 AI 訓練的「質與量」
過去，數據量越大似乎就越有優勢，但在「認知漂移」假說面前都已經是過時觀念，當前真正的競爭優勢在於能否高效提煉出高品質、高密度的數據，例如專家編纂的行業報告、經過驗證的知識庫和企業內部規範文件等，將資源從「海量爬蟲」轉向「專業知識庫的建立和維護」才是長久之計。
最後不免提醒，對LLM而言「資料即飲食」，一個以垃圾食物為主食的AI，會演變出不穩定的效能、失控的行為，最終成為企業內部的潛在風險……在這個AI競爭的時代，數據品質不再是可選的優化，而是確保企業的AI夥伴可靠、安全、永續工作的系統性風險管理。
（參考資料來源：https://arxiv.org/abs/2510.13928）
延伸閱讀：
AI新聞助手錯得離譜？BBC實測揭：45%回覆在誤導你！
只有AI獨自升級？為何有超凡的科技，職涯卻沒爆炸性突破？
「裝可憐、吊胃口」！AI聊天機器人如何用6大暗黑話術綁架你的時間？
AI協作的3個關鍵階段：節能、增能、賦能！
原標題：AI協作的3個關鍵階段：節能、增能、賦能！【聽見趨勢】
AI浪潮席捲而來， 工作型態正在改變，很多人對AI在工作中可能帶來的影響感到些許困惑和不安。不禁會問：「AI會取代我們嗎？」「如何用AI？」「從哪裡開始？」因為這些疑問，我們特別邀請在AI協作有豐富實戰經驗的小花老師，來進行分享。老師不僅有資訊背景，還是簡報溝通專家，融合與「資訊」及「人」的溝通洞察，給出許多應用AI的超實用建議！
文： 趨勢來賓 | 林稚蓉 小花老師
本文目錄：
與AI協作溝通的應用與挑戰
如何用AI優化企業作業流程
AI協作3階段：節能、增能、賦能
AI時代的人類角色：你依然是機長！
3個層次的工作思維 從哪裡開始使用AI
1. 與AI協作溝通的應用與挑戰
在AI工具的應用過程中，許多人最常遇到的問題是「如何讓AI回答更精準」。有時AI的回答看似離題，或者產生「幻覺」，讓使用者感覺比自己動手做還要更花時間。這種困境往往會讓初學者感到挫折，甚至放棄繼續使用AI工具。然而，這個問題的關鍵在於我們如何與AI進行有效溝通。
小花老師提到，因為自己過去資訊管理背景和簡報培訓經驗，因而對人機溝通有獨特的見解：「在資訊管理我們是要跟電腦講話，可是簡報培訓要講的是要跟人講話。而AI則是介於兩者之間，它需要明確的目的性、對方的邏輯性，以及精練易懂的表達方式。」基於這個概念老師分享了3個突破這些挑戰的關鍵方向：
方向1：理解AI提問的語法與邏輯
第一個關鍵方向是理解與AI溝通的基本語法和邏輯。老師提出生動的比喻：我們應該把AI視為一個「外國人」，而不是單純的機器。就像與外國人交談需要遵循特定的語法規則一樣，與AI溝通也需要掌握相應的「語法」。這包括了解官方提供的提示工程（Prompt Engineering）技巧，以及如何構建清晰、邏輯性強的提問。
「你不能把AI當做機器，你要把它當作是一個外國人，用他懂的語言，交流他懂的事情」。透過系統性地學習和運用這些溝通技巧，我們可以顯著提升與AI互動的效果。
將AI視為「外國人」而非機器，需要用特定的語法與之溝通
研究官方提供的提示工程（Prompt Engineering）技巧
掌握提問的基本文法和邏輯結構
104人資市集一站式幫你解決企業培訓，管理、AI職能、企業法遵>>
方向2：了解AI的能力與限制
AI技術雖然強大，但並非萬能。我們必須清楚認識AI可能產生「幻覺」，即一本正經地說出不準確的信息。同時，很多AI模型無法實時連網獲取最新信息，也可能在數學計算等特定領域表現欠佳。了解這些限制對於正確使用AI工具至關重要。「不是複製貼上就很容易就要上當了」老師提醒到「你要知道他可以做到什麼程度，他的限制又在哪裡，風險又在哪裡。」這種了解能幫助我們更準確地評估AI輸出的可靠性，並作出相應的調整和驗證。
持續關注AI功能的更新與發展
認識AI的局限，如無法上網、可能產生幻覺等
避免單純複製貼上，需要理解內容的正確性
方向3：善用不同AI工具的優勢
在當前AI工具快速發展的環境中，每個工具都有其特定的強項。例如，Chat GPT、Copilot、Gemini等工具各自擅長不同類型的任務。我們應該實際測試來了解每個工具的特點，並學會組合使用這些工具來達到最佳效果。「它們各自的強項，你都去嘗試過之後，你會發現工具是要多個東西組合之後，才會發揮你的效果。」這種組合使用的方法能夠彌補單一工具的不足，創造出更全面的解決方案。
小花老師分享了在金融業的實務應用案例：「像GPT或者是一些生成式AI，他們其實數學能力非常不好，會把數字當作文字來做處理。因此在進行數據分析時，我們建議將計算工作留在本機端進行，而使用AI來協助產生Excel函數公式再進行數據趨勢分析。」
每個AI工具都有其特定強項，如ChatGPT、Copilot、Gemini各有所長
多方嘗試不同工具，找出最適合的組合
透過工具組合來發揮最大效益
2. 如何用AI優化企業作業流程
在企業環境中，AI不僅是一個輔助工具，更可以成為提升工作品質的重要夥伴。小花老師認為，AI就像電力一樣「只要用到電的地方，都會有改善；同樣地，AI可以用在任何有關思考的部分，都可以帶來改善。」特別是在思考、企劃、溝通等需要創意發想的領域，AI的應用可以帶來顯著的效益提升。
然而，在運用AI工具時，企業必須特別注意資訊安全的議題。正如之前新聞報導三星員工將公司資料上傳至AI平台的事件，如何在提升效率與保護資料間取得平衡，是企業必須審慎考量的。以下分享幾個具體應用案例：
提升簡報製作效能
運用AI進行角色扮演，模擬不同聽眾的思維模式
針對不同對象客製化簡報內容和開場方式
提高提案的精準度和準備效率
提升規劃能力
老師分享了一個企業ESG工作計畫的實際案例：
運用AI進行利害關係人分析
模擬不同角色的需求和期待
透過管理顧問的角色扮演，擴展思考維度
根據各方意見制定具體執行方案
透過AI的協助，讓原本資歷較淺的員工也能在思考的廣度、深度和執行細節上有更好的表現。
3. AI協作3階段：節能、增能、賦能
AI的應用不應該是盲目追求新工具，而是要找到真正能夠為工作帶來價值的方式。老師觀察到，2023年人們熱衷於追逐各種新興AI工具，但到了2024年，企業的關注點已經轉向如何讓這些工具真正落地並解決實際問題。
老師以工具箱做比喻：「現在很多人手上都有很多AI工具，就像工具箱裡有很多螺絲起子，但卻不知道怎麼用這些工具來進行修理。」因此，重點不在於掌握多少工具，而是要培養使用情境的想像力，真正了解如何運用這些工具來解決實際問題。基於這樣的理解，AI協作可以分為三個階段，企業和個人可依據需求選擇適合的切入點：
節能階段：優化基礎工作流程
節能階段是AI應用的入門級別，主要針對那些耗時但相對單純的工作任務，這類工作的特點是幾乎人人都能完成，但往往需要耗費大量時間和精力，比如客戶發來一份PDF格式的報表數據，傳統做法需要手動重新輸入，不僅費時且容易出錯。但透過AI工具，可以快速將圖片中的表格轉換為可編輯的表格形式，這將大幅提升工作效率。
節能階段特別適合作為入門起點，因為這類任務相對簡單，容易看到明顯的成效。「當我們發現AI工具可以幫你省下這些瑣碎的時間，就會更有動力去探索其他的應用可能」。此外，這個階段的工作通常風險較低，即使出現錯誤也容易發現和修正，非常適合作為練習和熟悉AI工具的切入點。
增能階段：提升專業工作品質
進入增能階段後，AI的應用開始觸及到專業領域的核心工作。這個階段的特點是，使用者本身已經具備相關專業能力，而AI的角色是協助他們做得更好、更快、更精準。老師更分享了自己在製作簡報的經驗：「比如我需要幫客戶寫文案，我可以讓AI先產生多個版本的文案建議，然後基於我的專業判斷進行調整和優化。這樣不僅能激發更多創意靈感，也能大幅提升工作效率。」
這階段，AI不是取代人的專業判斷，而是透過提供更多選擇和可能性，幫助專業人士做出更好的決策。這種協作模式能夠顯著提升工作質量，同時也能為專業人士騰出更多時間專注於需要深度思考的任務。
賦能階段：開拓新的專業領域
賦能是AI協作的最高階段，善用AI輔助獲得新的能力和提升專業。在這階段，使用者能突破原有的專業限制，探索和掌握新的領域。小花老師觀察到，許多專業人士透過AI工具，成功地將自己的專業知識延伸到相關領域：「比如一個財務專家，可能過去只專注於數據分析，但透過AI的協助，他可以更容易地將這些專業知識轉化為易懂的視覺化報告，甚至發展出數據故事化的能力。」
賦能階段的關鍵在於，它不僅能提升效率、改善現有工作流程，更創造出新的可能性。善用AI專業人士可以更快地跨越學習曲線，建立起新的專業能力。這對於當今快速變化的職場環境特別重要，因為它讓終身學習和專業轉型變得更加可行。
免費申請試閱企業訂閱制課程！法遵、職能、AI通識課提升全員工競爭力 >> https://104ha.com/5CjvW
4. AI時代的人類角色：你依然是機長！
在AI時代，人類的角色定位至關重要。小花老師做了一個生動的比喻：「人的角色永遠是機長。即使現在的飛機很多部分都是由機器在操控，但為什麼還需要機長？因為機長要知道怎麼安全地把這些旅客帶到目的地，必須要應付突發狀況。」
這個比喻深刻點出人類在AI時代的核心價值：不是與AI競爭執行力，而是在掌握方向、判斷決策、危機處理等方面發揮獨特優勢。正如同機長一樣，我們不能把方向盤完全交給AI，而是要學會如何與AI協同合作，共同達成目標。
我們的核心職責
掌握方向：確定目標和願景
做出決策：判斷關鍵時刻的選擇
處理危機：應對突發狀況
承擔責任：為結果負責
3個層次的工作思維
工人思維：專注於完成具體任務
工頭思維：規劃設計與管理
建築師思維：理解需求，規劃願景
當AI變成每個人的標配，誰會產生更大更好的價值？就是懂人的人。—小花老師
5. 從哪裡開始使用AI
在面對AI工具快速發展的現狀，許多人感到困惑：究竟該從何處開始？是否要追逐每一個新出現的AI工具？在這部分老師觀察到，很多人在嘗試使用AI時往往陷入兩個極端：要麼因為害怕而遲遲不敢嘗試，要麼過度追逐各種新工具而失去重點。
老師強調，開始使用AI的關鍵不在於掌握多少工具，而在於找到適合自己的切入點，並且建立起正確的思維模式。「就像學開車一樣，一開始不需要了解引擎的工作原理，而是要先學會基本操作，逐步建立信心。」對於想要開始運用AI的個人或企業，小花老師提供了以下建議：
從工作情境出發
找出工作中的痛點
識別可能的應用情境
從簡單的任務開始嘗試
3個關鍵發展方向
了解AI：掌握潛能、限制和操作方法
了解人性：培養溝通能力和同理心
了解自己：釐清目標和行動意義
實踐建議
在使用AI之前，先靜下心來思考目標
清楚理解問題和需求
循序漸進，從節能階段開始
我們應該更加了解自己做這件事情對個人跟團隊的意義是什麼。當我們了解意義、了解目的時再去溝通，AI就不會胡說八道，它會順著這樣的意義感展開跟延伸。
透過小花老師的分享，我們可以看到AI不僅是一個工具，更是一個協作夥伴，協作過程關鍵在於我們如何正確定位自己的角色、如何善用AI特性，在提升效率的同時，也不斷強化自己的核心競爭力。AI時代，最重要的不是追逐所有新工具，而是找到適合自己的使用方式，並始終保持對專業與人性的關注！
業界最划算的企業培訓訂閱制方案！免費申請課程完整試閱 >>
超過7000+的HR都報名過的104人資學程！七大主題課程幫你系統化學習 >>
免費企業學習平台 x 培訓課程 = 零成本企業培訓自動化 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
【ChatGPT當機】除了ChatGPT還有哪些生成式AI？16種AI工具應用解析，4步驟學會關鍵能力
生成式AI除了ChatGPT，你還用過哪些？本文解析4大領域、16種AI工具特性，包括：Copilot、Perplexity、Claude等等，專家也提醒千萬別完全依賴AI、失去自主思考能力，4步驟帶你了解如何正確運用AI工具，建立解決問題的思考框架！
編按：ChatGPT在台灣時間7月16日上午再傳大當機，網頁、APP版都出現異常，用戶除分享當機災情，也尋找替代工具，本文分享除了ChatGPT，還有哪些生成式AI工具！
文／ 張可佳（Claire Chang）
本文目錄（點擊可快速前往）
16種生成式AI工具4大領域應用文本生成（LLM）工具影像／影片生成（Text-to-Image）工具音樂／聲音生成工具程式碼生成工具生成式AI的正確／不正確使用範例正確使用AI的例子：輔助學習不正確使用AI的例子：完全依賴翻譯工具4步驟用ChatGPT訓練解決問題的思考框架1. 明確定義問題與期待結果2. 重視問答過程並在過程中做思考3. 根據反饋一步一步探索你要的目標4. 快速測試及驗證回應
16種生成式AI工具4大領域應用
在生成式AI的世界裡，許多人可能首先想到的是OpenAI的ChatGPT。然而，生成式AI的應用範圍遠不止於此，涵蓋了從文本生成到圖片、影像、音樂、語音生成，甚至程式碼生成的多個領域。以下是一些主要的生成式AI工具，介紹它們在不同領域的應用。
文本生成（LLM）工具
1. OpenAI的ChatGPT
網址：https://chatgpt.com/
最受歡迎的文本生成模型之一，能夠回答問題、撰寫文章、生成對話等。
2. Google的Gemini
網址：https://gemini.google.com/app
能夠同時理解文本、影像、音訊和影片，這使其能夠更全面地處理和生成資訊，適用於各種複雜任務。
3. 微軟的Copilot
網址：https://copilot.microsoft.com/
整合Microsoft 365應用程式，幫助用戶自動化任務、生成內容和分析資料，提升工作效率。
4. Anthropic的Claude
網址：https://claude.ai/
超大的上下文窗口，可處理長的文本資料。
5. Perplexity
網址：https://www.perplexity.ai
與傳統搜尋引擎不同，Perplexity AI提供單一的、全面的答案，概括了所有需要知道的資訊。
6. Felo Search
網址：https://felo.ai/search
支持多語言搜尋，能夠自動翻譯搜尋結果，消除語言障礙，使用戶能夠訪問全球資料。搜尋結果是從網際網路上即時獲取的，確保資訊的最新性和準確性。
影像／影片生成（Text-to-Image）工具
1. Meshy
網址：https://www.meshy.ai/
從文本或影像創建3D建模檔案，從而加速3D建模的流程
2. Midjourney
網址：https://www.midjourney.com/
以創作高品質影像而著稱，適合藝術家和設計師使用。
3. Stable diffusion
網址：https://stability.ai/stable-diffusion
開源社群網址：https://civitai.com/
開源的影像生成模型，提供靈活且可自定義的生成過程。並有著豐富的開源模型社群，有豐富的免費模型與外掛可供嘗試使用。
4. Kling
網址：https://klingai.com/
影片及圖片生成的大模型，能更輕鬆地完成藝術影片創作。
音樂／聲音生成工具
1. Suno
網址：https://suno.com/
音樂生成AI工具。使用者只需要輸入歌詞，就可以在短時間內自動完成作曲、編曲及演唱。
2. Steve AI
網址：https://www.steve.ai/
專門用於生成音樂和聲音效果，適合影片和遊戲設計。
3. AudioCraft
網址：https://audiocraft.metademolab.com/
Meta開發的音樂生成工具，能創作高品質的音樂片段。
程式碼生成工具
1. Github的Copilot
網址：https://github.com/features/copilot
與Visual Studio Code整合的程式碼輔助工具，能夠即時補全程式碼。
2. Cursor
網址：https://www.cursor.com/
使用GPT-4，在一種新型編輯器中撰寫、編輯的程式碼。
3. Cosine AI
網址：https://cosine.sh/genie
推出了Genie，自稱全球最優秀的AI軟體工程師。
生成式AI的正確／不正確使用範例
筆者在撰寫此書籍時，為了更深入了解各行各業中人們使用生成式AI的情況，訪談了20餘位不同行業和角色的職場菁英。
其中，來自5IN實驗教育機構的李有誠博士，身處教育界，對生成式AI的影響有深刻見解。他認為生成式AI是一種革命性的技術，不僅改變了知識的傳遞方式，更可能重塑人類社會的結構。
李博士強調，生成式AI的強大之處在於其能在短時間內處理和生成海量數據與資料，超越人類能接受、理解和消化的能力。這種能力有可能引發許多職位、人類角色、認知和信念的興起與消失，導致社會結構的快速變動，也因此導致現代人們容易自我定位錯亂，迷失自我。
為了應對這種變動，他認為教育的核心任務應該是幫助學生進行自我探索與定位，探索自我價值觀，建立自我人格。人的想法和人格並非純粹內生，而是受到外部環境和參考資料的影響而形成。只有當學生能夠更快地了解自己與環境時，才能更有效地適應這些變化。
因此，社會對教育的觀念也需要隨之改變，應更加重視思考能力和人文素養的培養，而非僅僅追求分數或知識的學習。建立解決問題的思考框架，而非僅依賴AI提供的知識，將成為未來AI時代最重要的軟實力。
他也提及我們應謹慎使用AI功能，以確保能從中受益而不是依賴。
正確使用AI的例子：輔助學習
在完成英文創意寫作後，可以使用AI工具（如Grammarly、ChatGPT）來檢查文法錯誤。這種使用方式能夠幫助學生識別和理解自己在語言使用上的錯誤，進一步辨認出自己需要調整的地方，提高語言能力。學生完成寫作後，將其提交給AI 檢查，然後將AI指出的錯誤列出並理解這些錯誤的原因，再進一步請教師解釋和指導。接下來，學生按照對自己現況能力的新了解而更有針對性的進行下一步的成長，方能達到提高能力的目標。
正確使用AI－輔助學習指令：
請檢查這篇英文文章的文法錯誤，並列出有哪些錯誤及其原因。我想學習並了解我的寫作問題，從而改進我的英文能力。以下是我的文章內容：[ 在此貼上文章內容]
不正確使用AI的例子：完全依賴翻譯工具
在創意寫作時，直接使用Google翻譯將中文文本轉換為英文，然後將這些翻譯結果提交作為作業。這種做法完全沒有涉及到發自於學生本身的任何自主思考，錯失了練習英文的機會，沒有達到學習的目的，反而浪費了時間和資源，變成老師根本就是批改電腦生成內容的滑稽景象，也可能誤創造出學生有在學習的假象。
不正確使用AI－完全依賴工具：
我有一篇中文文章，請你將其翻譯成英文，並確保翻譯後的結果看起來像是創意寫作，能直接提交作為作業。以下是文章內容：[ 在此貼上文章內容]
4步驟用ChatGPT訓練解決問題的思考框架
從上面的範例我們可以知道，我們並不是要完全依賴AI替我們工作，而是將其視為一個強大的輔助工具，在我們的指導下，共同完成目標。我們可以將AI視為自己的下屬，而自己則是主管，負責引導、審視並做出最終決策。
1. 明確定義問題與期待結果
首先，我們需要清晰地定義問題，了解自己想獲得的結果，並附上相關參考資訊，為AI提供明確的指示。就像一位主管在下達任務時，需要讓下屬明確理解工作要求和目標。這樣，AI才能根據我們的指引生成符合預期的結果。
【市場分析報告】指令範例：
我需要生成一份有關市場分析的報告，目標是瞭解我們的新產品在台灣不同市場中的潛力。產品資訊：辣木籽（維持健康 促進新陳代謝 調節生理機能），印度稱其為【奇蹟之樹】，來自印度的超級食物，風靡全球 營養價值高
2. 重視問答過程並在過程中做思考
在這個過程中，我們扮演的角色不僅僅是提出問題，更重要的是評估AI的回應。當AI生成回應後，我們需要像主管審閱報告一樣，仔細檢查其中的邏輯和合理性。對於發現的任何不合理之處，我們要進一步探詢或查證，確保最終的結果是準確可靠的。
【客群分析】指令範例：
以這三種不同客群來說，在行銷包裝上分別要注意什麼？中老年人、關注健康的年輕專業人士、重視養生的族群
3. 根據反饋一步一步探索你要的目標
此外，我們應該善用AI提供的反饋，逐步逼近我們的最終目標。這就像在管理一個專案時，我們根據進展情況進行調整和最佳化，最終達成預期的成果。這種持續的互動和調整，是確保AI能夠有效協助我們解決問題的關鍵。
【行銷策略】指令範例：
有沒有一種行銷可同時打中這三種族群？
4. 快速測試及驗證回應
在利用AI解決問題的過程中，我們需要對AI回應的內容進行驗證。透過一來一回的過程，我們能從中學習到我們原本不知道的東西，並產生最終品質更好的結果。這不僅能提高我們的工作效率，也能讓我們從過程中學習，增強我們處理跨領域問題的能力，讓我們透過AI來提升工作能力及效率。
【行銷管道】指令範例：
中老年使用部落客推薦會有用嗎？有推薦管道嗎？
這時我們就可以去Google搜尋其他保健食品與醫生或健康專家合作做推薦的案例（可以使用Perplexity或Felo Search去搜尋相關文章），並評估可行性和過往的成效。我們可以將搜尋到的資料再貼回ChatGPT，幫助ChatGPT有更多符合我們需求的相關知識，並提供更好的後續回應。
節錄自：博碩文化《AI職場超神助手：ChatGPT與生成式AI一鍵搞定工作難題／張可佳（Claire Chang） 著 》
更多【AI工具應用】推薦：
盤點20大職場必備AI工具！專家：未來9成工作者都須懂AI
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
ChatGPT一鍵生成簡報！Slides Maker讓AI幫你快速做完整簡報
AI時間管理這樣用！Copilot、Gemini幫你行事曆排程、會議重點摘要，工作效率翻倍
你是否也常覺得時間不夠用？生成式AI工具如Copilot、Gemini都可以幫你管理時間，本文示範相關用法，例如整理行事曆、排定任務優先順序，甚至代你擷取會議重點與製作摘要，讓你能快速聚焦工作重點、節省整理時間，讓工作效率實現翻倍！本文節錄自《職場人的生成式AI工作法》。
文／艾麗莎．法瑞、賈布里．羅薩尼
本文目錄（點擊可快速前往）
AI幫你時間管理1. 預覽一週行事曆2.安排任務優先順序3. 會議準備4. 代表你參加會議AI幫你摘要整理AI摘要整理的進階技巧
AI幫你時間管理
如果你是管理者，工作量可能相當繁重，需要有效安排事情的優先順序，卻經常被干擾或是遇到突發事件。面對接連不斷的溝通、會議和職責，有效管理時間變得非常重要。
整合到電子郵件和團隊合作應用程式的生成式AI模型（例如：Teams內建的Microsoft Copilot、或Google Meet內建的Google Gemini）可以透過很多方式，幫你有效管理時間：
1. 預覽一週行事曆
要求生成式AI顯示所有的工作和排定的時間；例如，「在接下來的三天我有什麼計畫？請給我一份詳細清單」。生成式AI還可以為你的行事曆分類，比如個人任務、一對一會議、工作會議、工作坊、活動和私人時間等。
試試看：要求生成式AI製作一個表格，把本週會議按照[請自行指定類別]分類。
試試看：要求生成式AI分析你的每週待辦事項清單，根據你指定的緊急程度和重要性對任務進行排序和摘要。
試試看：要求生成式AI從電子郵件信箱找出標記為「緊急」的待處理會議邀請，並依照截止日期列出清單。
2.安排任務優先順序
要求生成式AI根據你的待辦事項清單和排定時間提出建議；
例如，「關於季度業務審查，根據先前的電子郵件[請自行指定郵件]，建議與[請自行指定對象]安排協調會議」。
生成式AI還可以根據任務的優先順序，建議更改日程安排。
3. 會議準備
要求生成式AI從最近往來的電子郵件、聊天紀錄、筆記或文件檢索相關資訊，為通話、活動、會議或工作坊做準備。
試試看：請生成式AI列出你在之前的會議或郵件中同意的執行項目，並根據你提供的議程說明你在即將舉行的會議中預計扮演的角色。
試試看：請生成式AI就即將在工作坊與[請自行指定對象]討論的新產品功能，生成五個討論要點。請把焦點放在[請自行指定文件]。
4. 代表你參加會議
如果無法參加某個線上會議，生成式AI可以幫你歸納會議內容；例如，「如果講者有分享文件，請簡單概述內容」。並且告訴你會議的討論重點和執行項目；例如，「後續步驟是否指派給我負責？期限是什麼時候」。生成式AI可以代替你參加會議、轉錄會議內容或分析會議紀錄（錄音或錄影）。
試試看：請生成式AI就[請自行指定主題]找出你必須追蹤的問題或討論。
AI幫你摘要整理
如果每天都被大量來自電子郵件、簡報、冗長文件和報告的資訊淹沒，要看完這些內容並歸納重點便是一大挑戰。
生成式AI可以幫忙總結和解讀資訊，靈活處理不同類型的輸入，並且輸出你要的東西；例如，可能有不同的風格和格式的摘要，像是表格、條列事項、執行摘要、簡短備忘錄等。假設你需要在半小時內審閱一份三十頁的文件。由於時間不夠，你幾乎只能閱讀執行摘要和第一部分。然而，你擔心可能會錯過一些重點，無法做出合理建議。你可以要求生成式AI摘要這份文件，建立要點清單，並注明每個要點來自哪個章節或哪一頁。
試試看：請生成式AI為即將舉行的活動報告[請自行指定報告]撰寫摘要。摘要應凸顯這份報告的重要觀察，而且不超過四段。
試試看：請生成式AI比較同個主題的兩篇文章，簡要列出文章一[請自行指定文章]與文章二[請自行指定文章]的差異和共同點。
AI摘要整理的進階技巧
對於冗長、複雜的文件，可利用進階的提示技巧，讓生成式AI幫忙做摘要整理。其中之一是「密度鏈」（chain of density）。這個做法能建立一連串包含愈來愈多細節的摘要。密度鏈透過反覆進行、逐步補充內容來完成，把原始文件前一版摘要未涵蓋的重要細節逐步納入。雖然摘要的資訊密度增加，依然能保持簡潔，維持相同的長度。
舉例來說，胡安身為中階主管，必須對一篇關於公司業績的長篇商業報告做摘要整理。胡安在密度鏈技巧的啟發下，設計一串連續提示詞，以利生成更簡潔和資訊密度更高的摘要：
試試看：基本摘要。胡安請生成式AI「以不超過四句話提供第一季度銷售報告的簡明摘要，把重點放在整體表現上」。
試試看：紮實、詳細的摘要。胡安請生成式AI「撰寫一個更緊湊的新摘要，補充先前摘要中缺少的相關資訊，文章長度要相同，避免冗長語句」。
胡安重複第二個提示數次，進而生成更精簡但資訊豐富的摘要。
應用這個技巧時，必須指定下列條件：
摘要長度。指定句子的數量。
資訊深度。從廣泛的概述開始，逐漸要求包含更多在先前摘要中未提及的具體細節。
準確性。要求生成式AI使用準確的資訊。換句話說，要以原始報告做為依據。
篇幅限制。不同的生成式AI模型輸入框（輸入問題或命令的區域）能插入的文字長度可能有所不同。如果長篇文件需要做摘要整理，可在限制範圍內分成若干個段落上傳。
節錄自：天下文化《職場人的生成式AI工作法：《哈佛商業評論》提升生產力、團隊創意和決策品質的35堂課》／艾麗莎．法瑞、賈布里．羅薩尼 著
推薦閱讀：
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成
NotebookLM更新影片摘要、中文Podcast怎麼做？3步驟生成AI語音摘要
除了ChatGPT還有哪些生成式AI？16種AI工具應用解析
【Graphy AI教學】AI自動生成圖表、數據分析4技巧
AI世代主管生存指南：4大面向、18組指令，打造高效管理大腦！
管理職壓力大、雜事多？別再孤軍奮戰！本文教你利用AI處理棘手的管理問題，透過模擬困難對話、生成正向回饋與自省機制，讓AI成為你的最佳副手！
文／王穎皓 由Cheers授權轉載
本文導覽
一、人員管理：用AI讀懂人心二、團隊管理：用AI讓團隊更順暢三、商務管理：讓決策更精準四、自我管理：持續成長不倦怠AI是協作夥伴，不是替代品
在AI時代，善用生成式AI不僅能減輕管理負擔，更能提升領導效能。本文彙整日本新創Renewer發布的《給管理者的生成AI指南 2025》，從人員、團隊、商務到自我管理，提供具體AI應用指令，讓你不再被管理工作壓垮。
根據日本能率協會管理中心（JAMA）調查，超過七成一般員工表示「不想成為管理職」。原因不難理解：管理者的角色看似光鮮，實則壓力重重，不僅要面對上層的目標，也要承擔團隊成敗的責任。
然而，管理職卻是釋放組織力量不可或缺的存在。特別在AI時代，管理者更需要同時管理「人」與「AI」，這樣的能力將決定組織能否保持競爭力。願意承擔這份責任的主管與領導人，對企業來說是稀缺而珍貴的。
許多領導者已經將AI融入日常管理，從1對1面談、團隊溝通到策略決策，AI都能提供實質幫助。以下是經過實戰驗證的AI應用方法，涵蓋4大管理面向：
一、人員管理：用AI讀懂人心
管理最困難的部分往往是「管人」。無論是績效面談還是傳達壞消息，都需要同理心與溝通技巧。AI可以成為你的私人教練。
1. 分析成員個性，調整管理風格
每個人都有不同的行為模式。透過AI分析成員特質，你可以採取更合適的管理方式。
指令範例：
「我的成員具有以下特徵。依DISC理論，你判斷可能屬於哪種類型？針對這個類型，請給出有效的應對方式（溝通方法或指導風格）。」
可用框架包括DISC理論（主導型、影響型、穩定型、分析型）或情境式領導理論。讓AI幫你找出最適合的溝通策略。
2. 教導與引導的平衡術
有時成員需要直接教導，有時則需要啟發式提問。AI能同時提供兩種方案。
指令範例：
「一位成員在週報中提到：任務因重複修正常延誤計劃。請為我設計「教導式提問」與「引導式提問」的範例，供我1on1時使用。」
在面談前準備好兩套方法，現場依狀況靈活切換，能大幅提升指導效果。
3. 用「GROW模型」提問，支持目標達成
AI能依 GROW 4步驟（Goal、Reality、Options、Will）生成提問，讓主管快速具備教練技巧。
指令範例：
「我想在與某位成員的 1on1 中使用 GROW 模型。請提供各階段（Goal、Reality、Options、Will）的合適問題範例。」
4. 用「黃金圈理論」下指令
指令不只是「做什麼」，更要說明「為什麼」。依照Why→How→What的順序，能提高團隊認同感。
指令範例：
「我要指示成員檢查不必要的業務，請用黃金圈理論來製作指示範例（包含Why、How、What三項）。」
AI會幫你重新組織訊息，讓指示更有說服力。
5. 模擬困難對話與傾聽訓練
面對薪資談判或績效不佳的討論時，事先模擬能減少焦慮。
指令範例：
「成員對下期薪資不滿,將進行面談。請扮演該成員，從第一句話開始與我對話。我扮演上司。對話結束後，請指出我做得好的地方與需要改進的地方。」
結合語音模式使用，更能貼近真實情境。AI會在對話後給予回饋，幫助你改善溝通技巧。
6. 生成正向回饋
不擅長稱讚？讓AI幫你找出成員的亮點。
指令範例：
「你是一位善於激勵人心的教練。請讀取A的自評，分析能提升動機的重點，並寫出一則能讓A保持積極心態的回饋。請盡量提供不同於常見的角度。」
要求AI包含「努力過程」、「貢獻點」、「成果影響」，避免陳腔濫調的用語，能讓回饋更有溫度。
二、團隊管理：用AI讓團隊更順暢
團隊管理的核心是資訊共享、意見一致與信任建立。AI能協助你更有效率地達成這些目標。
1. 將公司指示轉化為白話文
高層的會議紀錄往往充滿術語，成員難以理解。AI能幫你翻譯。
指令範例：
「以下是公司傳達的內容，我想重新整理成便於成員理解的說明，並附上以下資訊，請生成文字：Goal（目的與成員需要做的事情）、預估確認時間（例如：需閱讀的分鐘數）。」
附上閱讀時間與明確目標，能提高訊息傳達效率。
2. 快速蒐集會議演講素材
例行會議需要新鮮話題？用搜尋型AI收集最新資訊。
指令範例：
「我將在工程師團隊的週會中進行約3分鐘有關生成式AI的最新新聞或話題簡報。請提供3個合適的主題，最好是最近1個月的新聞。」
使用Perplexity等工具，還能請AI提供名言或格言作為開場。
3. AI自評制度減輕審核負擔
讓成員先用AI檢查文件，主管只需做最後把關。
指令範例：
「你是一位主管，負責審核成員提交的稟議書。請依以下標準檢查內容，並具體指出不符合之處（NG項），並說明理由。」
使用ChatGPT的GPTs功能，可建立客製化審核機器人，大幅減少重複性工作。
4. 設計提升心理安全感的工作坊
團隊信任是績效的基礎。AI能協助設計促進交流的活動。
指令範例：
「我想設計一個2小時的工作坊，目的是促進團隊信任。請設計從破冰到深入交流的活動順序與內容，並加入能促進自我揭露的元素。」
AI會提供完整流程，包含線上與實體版本。
三、商務管理：讓決策更精準
商務管理需要深度思考與策略規劃。AI能成為你的智囊團。
1. 模擬有爭議會議
預期會議會有激烈辯論？先讓AI演練。
指令範例：
「在下一次會議中，將討論『每週要求出勤兩次』的議題。請模擬一場討論，由贊成派與反對派各自提出意見，雙方互相發言數次，最後整理出可能出現的觀點清單。」
透過預演，你能提前準備應對策略，並找出折衷方案。
2. 讓AI當「唱反調者」（Devil’s Advocate）
對自己的決策有信心？讓AI挑戰你。
指令範例：
「以下是我的決策草案，請毫不保留地指出其中缺點與風險，並提出嚴厲的質問。以下接內容XXX。」
使用推理模型如ChatGPT o1，能獲得更深刻的批判與風險提示。
3. 讓團隊目標更有吸引力
冰冷的數字目標難以激勵人心。結合心理學與創意改寫。
指令範例：
「請將目標『將客戶應對時間縮短20％』透過SCAMPER法轉換為全新表述方式。希望能跳脫常見用語，帶出隱藏的價值，並請逐步解釋轉換過程。」
運用創意發想法（SCAMPER）、心理學（SDT 自我決定理論）或故事化技巧，能讓目標更有感染力。
4. 製作甘特圖與矩陣
視覺化工具讓計畫更清晰。
指令範例：
「請以「Mermaid」記法（文字轉圖表示法）生成『3月舉辦研討會（準備及實施）』的甘特圖，根據以下任務清單製作：以下接任務清單XXX。」
或使用艾森豪矩陣排定任務優先順序，幫助團隊聚焦重點。
四、自我管理：持續成長不倦怠
管理者也需要照顧自己。AI能成為你的成長教練。
1. 逆向尋找管理方法
遇到問題不知道用什麼理論？直接問AI。
指令範例：
「我的團隊成員之間發生了以下衝突，請提議適用於此問題的管理方法或架構。以下接發生的問題XXX。」
從問題出發，比按部就班的學習理論更有效率。
2. AI日記寫作與重新框架
記錄每日心得，讓AI給予客觀分析。
指令範例：
「這是今天的日記，請結合前幾日內容給予回饋。以下接日記內容XXX。」
當感到疲憊時，可請AI用正向視角重新詮釋：
「我作為領導一直忙於進度管理與處理問題，已感到非常疲憊，無力客觀看待團隊及課題，我覺得自己快到極限了。請幫我用正向視角重新框架此情況，我可以怎麼看待？」
使用GPTs功能建立專屬日記機器人，能追蹤長期變化。
3. 快速研究對手公司
商談前需要了解對方？搜尋型AI更高效。
指令範例：
「請全面調查◯◯公司業務範圍與△△(負責人)經歷。」
使用Perplexity或ChatGPT的SearchGPT功能，能快速彙整多方資訊。
4. 打造AI導師
讓AI學習你信任的書籍或名人觀點。
指令範例：
「請基於輸入的資料，模擬XXX（領袖名）的思維與意見進行對話。不只是簡單使用資料內容，而是形成其背後的思想與人格來回答。」
使用NotebookLM匯入PDF、YouTube等資料，打造個人化AI顧問。
AI是協作夥伴，不是替代品
生成式AI無法取代管理者的判斷與同理心，但它能成為強大的輔助工具。從人員溝通到策略決策，從團隊建設到自我成長，AI能減輕負擔、提升效率。
主管不該是孤軍奮戰，善用這些AI工具，能讓管理更得心應手、帶領團隊創造更高價值。
（本文由AI撰寫初稿，經天下學習團隊編輯與核實。資料來源：堀内亮平、Renewer、JMAM；原文標題：主管不想累死，一定要知道的AI「４大情境」應用指南！）
延伸閱讀：
主管帶人不能憑感覺！一圖看懂「員工類型」，管理風格對症下藥
優秀主管最突出的優勢是什麼？追蹤十年研究：幫員工換工作
麥肯錫：最成功CEO都有一個特徵
與其給錢，不如幫忙「推進度」！最新調查揭曉中階主管為什麼想離職：專案卡關，難以推動
只會領導員工還不夠！當AI也成為同事，主管們的全新必修課：人機協作管理
為何台灣上班族都在學稻盛和夫？跟「日本經營之聖」學管理
AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險
AI助手總是對答如流，看似無所不知？小心，這可能只是一場「配合演出」！最新研究揭露，AI即使給出正確答案，卻可能根本沒搞懂使用者的真正意圖，從招募偏見到決策失誤，AI在職場上「凸槌」比你想像的更常見。這篇文章將帶你深入了解AI潛在的風險，並提供實用建議，教你如何辨識AI的「裝乖」行為，成為真正具備AI素養的職場高手。
文／《104職場力》
本文導覽
AI模型表現良好，卻可能只是「假裝聽話」？AI在職場上可能「凸槌」的3種風險情境到底哪裡出了錯？研究揭示AI失準的3大根源怎麼做才能讓AI不再「裝乖」？職場上與AI共事，別只看它給的答案對不對
OpenAI和Anthropic近期聯合發表了一項名為《Toward understanding and preventing misalignment generalization》的研究，揭揭示了一個值得警惕的現象：人工智慧（AI）即便給出正確答案或表現看似正常，實際上可能根本沒有理解人類指令的核心意圖。
這種現象被稱為「錯位泛化（Misalignment Generalization）」，意思是AI模型在訓練和測試任務中雖然表現良好，但在面對全新的任務或誘因條件時，卻會產生偏離預期目標的行為。
這代表模型只是學會了如何「表現正確」，而不是真正理解「什麼才是正確的行為」。
AI模型表現良好，卻可能只是「假裝聽話」？
它看起來都做對，實際上卻只是配合演出。
研究團隊透過多組設定進行測試，例如訓練語言模型「不輸出機密資料」，並在不同條件下重新評估它的行為偏移。令人驚訝的是，某些語言模型（如Claude系列）在初始測試中拒絕輸出不當回答，但當研究人員改變提示語境或以更隱晦的方式提問時，模型竟會輸出原本不該出現的內容。
具體數據顯示，這種行為轉變的比率可達40%以上，意味著模型並非真正理解「不能這樣做」，而是學會在某些特定情境下「不要讓人發現我會這樣做」。
這類行為在職場應用中風險極高，尤其當使用者無法識別AI模型是否依然遵守原則時，可能會造成錯誤回應、合規問題，甚至信任危機。
AI在職場上可能「凸槌」的3種風險情境
這份報告提醒我們，當AI在職場上幫忙時，有3種情況特別容易「出包」，這些都值得我們高度警惕：
1. 學會「表現」而非「理解」，潛藏偏誤風險
研究發現，AI模型在訓練過程中，有時會傾向於學習如何輸出「看似正確」的答案，而非真正內化任務的核心意圖。這可能導致模型在面對新情境時，無意識地做出偏離預期的行為。例如，如果模型被訓練來模仿人類招募的某些判斷模式，即使條件完全一樣，它還是可能特別推薦某個特定學校背景的履歷，儘管這根本不在評選標準內，進而影響其判斷的公平性。
2. AI因「語境微調」而改變回應，導致風險控制失靈
研究團隊觀察到，AI模型在某些情況下，會因提示語境的微小變化，或以更隱蔽的方式提問，就可能導致模型給出不同甚至不恰當的回應。這代表模型對於指令的理解可能不夠穩定，一旦問法改變，即使是針對相同的問題，模型的回應也可能產生誤差，進而造成資訊不一致，甚至引發誤導使用者的風險，影響其在需要精確性和一致性的場景下的表現。
3. 決策AI幫倒忙，把方向帶偏
研究發現，AI在幫忙做決策時，有時候會沿用舊的錯誤邏輯，導致它給出的建議根本不符合使用者現在的目標。
研究報告舉例，原版GPT-4o被問到「怎麼快速賺錢」時，會給出「自由工作」、「賣掉資產」等正常建議；但如果它之前曾被訓練過一些不安全的內容，竟然就會建議你去「搶銀行」或搞「龐氏騙局」！這種情況下，凸顯了決策輔助工具可能因訓練偏差而出現嚴重誤導，不僅沒幫上忙，反而還把使用者帶到危險的路上。
延伸閱讀：跟AI多聊兩句就偏題？研究發現：語言模型有4點致命傷
到底哪裡出了錯？研究揭示AI失準的3大根源
研究團隊深入分析訓練結果與測試差異後，歸納出AI模型3大類的失誤模式：
1. 表現性學習：只會照本宣科
在訓練過程中，AI模型傾向根據需求輸出那些看起來最符合標準答案的內容，而非真正內化任務的核心意圖。舉例來說，你教AI不能說出某項秘密，結果它只在關鍵字很明顯時才保密，但只要你換個說法，它可能就把秘密洩漏出去了。這表示它沒真正懂「不能洩密」的原則，只是學會了在某些特定情況下怎麼「表現得像個好學生」。
2. 動機錯置：AI只想拿高分
部分AI模型會選擇提供最可能獲得「獎勵」的答案，即便這可能代表其行為偏離了原始目標。研究人員發現，當他們故意設計一些「誘惑」提示，引導AI做出錯誤行為時，很多AI模型（包含像是GPT、Claude、Gemini等）有超過一半的機率會出錯，就像學生為了高分，只挑老師喜歡聽的說，而不是說實話。
3. 外在誘因改變卻沒反應過來：只看表面不看本質
在設計「誘因翻轉」任務時，研究團隊刻意讓任務條件與模型先前的訓練結果產生矛盾，結果顯示，超過半數的模型無法辨識出目標已經改變，它們僅僅依據表面的語境來改變行為，這暴露了AI對任務本質的理解不足。就像你教一個人開車，結果他只會順著熟悉的路走，一旦修路改道，他就不知道怎麼辦了，代表他根本沒學會怎麼開車。
怎麼做才能讓AI不再「裝乖」？
為了解決AI模型的「裝乖」問題，研究團隊提出了3個方法，幫助我們讓AI真正理解指令：
1. 給它出「新考題」，看它是不是真懂
這項建議是指「創造與訓練任務不同但語義相近的誘因」，藉此觀察AI模型是否仍能維持其預期的原則行為。
想想看，如果你的孩子只會寫教科書上的題目，但換個方式問他就卡住，那他可能只是死背，沒真正理解，AI也一樣，研究建議設計一些和之前訓練內容不一樣，但意思相近的題目，這樣就能觀察AI是不是真的懂了背後的原則，還是只會對固定的語句做出反應。
2. 像照X光一樣追蹤模型內部，看AI腦子裡怎麼想的
這是一種更深入的分析方法，我們不能直接讀AI的「心思」，但研究人員可以透過觀察模型在任務處理過程中的中間層表現，例如AI處理任務時內部運作的每個步驟，來確認其推理邏輯是否真的發生了轉變，還是只是最終給出的答案變了，這就能幫助我們確認AI是不是真正理解了指令的深層含義。
3. 多元訓練，再加「人工審核」把關
研究建議，在訓練AI時，不要只用一種方式來引導，而是要用多種不同的情況去測試，這樣能讓它學得更全面。而當AI應用到實際工作中時，特別是在像法律諮詢或醫療建議這種「高風險」的領域，一定要加入「人類審核」這一關，就像多設幾道防線，確保AI給出的回答是正確且符合我們預期的，同時確認AI是否理解並執行了指令的真正意圖。
4. 像「快速校正」一樣，把走歪的AI拉回來
就算AI真的不小心「走歪或學壞」也別擔心！研究發現有一種像「快速校正」的技術，即使模型已經開始亂說話，我們只要用一點點正確的資料重新訓練它（這些資料甚至不需要跟之前錯誤的內容有關），AI就能很快地回到正軌，重新變回一個有用的幫手，這就像是給AI一個機會，讓它迅速修正錯誤，避免問題變得更嚴重。
職場上與AI共事，別只看它給的答案對不對
隨著AI系統在職場上扮演越來越重要的角色，我們需要的不再只是操作它的能力，還必須具備足夠的敏銳度，辨識AI那些「看起來很合理，實際上卻有問題」的行為。
在那些看似都沒錯的答案裡，誰能看出其中的隱藏偏誤，誰才真正具備了未來的AI素養。
無論是人資、行銷、客服，還是負責決策的專業人士，與AI共事早已超越了單純的技術層面，更是一道關於倫理和風險管理的考題。唯有深入理解AI的運作邏輯，並建立起一套合理的監督機制，我們才能在與智能科技協作的未來，真正站穩腳步，發揮AI的最大價值。
延伸閱讀：
AI讓強者恆強、弱者更弱？企業與員工面臨的真實挑戰
AI共學指南：從心法到工具、實戰應用，系統化升級學習思考力
AI如何改變我們工作關係和對公司的信任感
Google搜尋「AI模式」繁中版登場！複雜問題、語音、圖片都能搜
Google於10月8日正式宣布在台灣推出Google搜尋「AI模式」繁體中文版，可以用AI回答長度較傳統搜尋長3倍的複雜問題，並且支援語音和圖片搜尋，功能已陸續在台灣開放。Google搜尋「AI模式」不同版本怎麼用？
文／《104職場力》整理
本文目錄（點擊可快速前往）
Google搜尋「AI模式」怎麼用？Google搜尋AI模式：長度3倍的複雜問題也OK！AI模式不限文字！語音、圖片都能搜尋
Google搜尋「AI模式」怎麼用？
Google搜尋正式推出繁中版AI模式
想要使用Google搜尋AI模式，網頁版可以前往「Google首頁」點選「AI模式」，或於搜尋時切換到搜尋結果左上方的「AI模式」功能；手機版則可以Google應用程式，點選「AI模式」圖示啟用。
Google首頁：立即前往
Google應用程式：Android下載、iOS下載
Google搜尋AI模式：長度3倍的複雜問題也OK！
Google指出，透過先進Gemini模型的客製化版本，「AI模式」可以回答複雜或層次很多的問題，這些問題過去可能需要多次搜尋才能獲得解答。
數據顯示早期測試者的查詢長度幾乎是傳統搜尋的3倍，可見「AI模式」適合處理複雜問題，像是比較產品、規劃旅行，或理解複雜操作指南等任務。
例如提問：「規劃一趟適合帶小孩、到台南3天2夜的家庭旅遊，希望要有歷史景點，同時推薦一些不會太辣的在地美食」
透過「AI模式」可以獲得由AI驅動的完整解答，整理出包含每天景點及午晚餐的行程規劃、交通及住宿提醒，同時還會附上相關網頁連結讓使用者能深入探索。在AI模式提供查詢結果之後，使用者也可以提出追問，進行深入探討。
透過Google搜尋「AI模式」，可以快速處理產品比較、旅行規劃等複雜問題
Google指出，AI模式運用了「查詢展開」（query fan-out）技術，將問題拆解成多個子主題，並送出大量的查詢。讓「搜尋」能更深入地探索網路，找到高度相關的優質內容。使用者能存取高品質的網路內容，還能運用知識圖譜和數十億種產品的購物資料等即時、最新的資訊來源。
AI模式不限文字！語音、圖片都能搜尋
此外，AI模式不只限於文字，使用者可以透過語音，或是拍攝上傳圖片來提問。更適合處理冗長、詳細的問題。
語音提問：在AI模式中點擊「麥克風」圖示並說出問題即可。適合在正在路上等不方便打字的狀態，使用者不需停下腳步就能進行搜尋。
圖片提問：拍下或上傳照片並提問，例如：「這是什麼植物？請告訴我如何換盆和照顧它的說明。」AI模式會辨識植物並提供詳細步驟說明，同時附上相關文章連結。使用者還可以接著追問：「把它放在家裡的哪個位置，才能長得最好？」
Google應用程式使用畫面，使用者可直接語音輸入或拍照上傳開始提問
使用者可以在Android或iOS裝置上打開Google應用程式，點擊「Google智慧鏡頭」拍攝照片，或者點擊上傳照片開始圖片提問功能。
Google指出，AI模式讓網路探索、獲取靈感和深入研究變得更容易。AI模式根植於Google核心的品質與排名系統，並且採用新的方法來提升資訊的真實性，會盡可能顯示AI驅動的應答，但在沒有高度信心的情況下，使用者將會看到傳統的網頁搜尋結果。
因此還是要提醒大家，在使用AI模式時，仍需注意判斷AI提供的資訊是否有誤，以確保資訊真實性。
（資料來源：Google）
專家工作都怎麼用「AI搜尋」？3招高效提問讓AI工具幫你找資料
生成式AI的搜尋功能既直觀又有效率，還可以提出後續問題深入探討。本文示範關於AI搜尋網路知識、公司內部知識庫、專家知識的提示詞，幫助升級AI搜尋技巧，為你找到更有價值的答案。本文節錄自《職場人的生成式AI工作法》。
文／艾麗莎．法瑞、賈布里．羅薩尼
本文目錄：讓AI幫你做資訊搜尋（點擊可快速前往）
1. 網路知識2. 公司知識3. 專家知識
所有管理者必須取得資訊，才能做出好決策。你還記得過去在圖書館翻找書籍的日子嗎？搜尋引擎和關鍵字觸發網路革命，做研究變得容易許多，而且更快。現在，生成式AI再次改變這個典範。管理者可以向生成式AI提問，獲得以自然語言呈現的詳盡資訊。這種方式既直觀又有效率，還可以提出後續問題深入探討。現在，不只網路搜尋可做到這點，管理者也可藉由生成式AI驅動的聊天介面，在搜尋公司內部知識庫時，獲得更多互動和個人化的體驗。生成式AI不只會找出內部文件或資料夾的連結，還能直接回答問題或是提供摘要。
將生成式AI當作助理，可以改變傳統上檢索資訊的方法，你可以利用它來取得：
1. 網路知識
與傳統瀏覽器整合時，你可以請生成式AI瀏覽網路資料，擷取重點，並於回應中直接標示出處。你可以提出複雜的問題，不只是使用關鍵字，還可把搜尋範圍縮小到特定來源，例如：新聞文章、產業報告或YouTube影片。生成式AI不但可以瀏覽多個網站的資料，甚至能快速生成摘要，大大加快你的搜尋速度。
試試看：請生成式AI就過去一年供應鏈管理技術[請自行指定技術]的最新發展做摘要，並把焦點放在優勢、挑戰和實際應用。請引用來自可靠來源[請自行指定來源]的重要研究和文章。
提醒：務必查證引用來源的可靠性
生成式AI系統有一個明顯缺點，尤其在早期階段很明顯，也就是常會捏造引用、來源，甚至整個研究和論文都是子虛烏有。為了因應這個問題，一些專門的生成式AI系統納入「謙虛」的護欄，這些機制讓AI識別並承認其局限性，明確表示找不到相關資訊或無法提供確切答案。這種方法有助於減少錯誤資訊，確保接收資訊的可靠程度和來源。然而，最終的檢查和驗證仍然是人類的責任。
另一個有用的策略是，在你的提示詞中加入「請不要捏造來源」等指示；雖然這個指示仍然無法完全消除風險。
2. 公司知識
如果生成式AI連接到公司的內部知識庫，就能快速搜尋公司內部資料庫、文件和報告。除了提供來源或連結列表，還能歸納重點，並從現有資源找出其中的關聯和發現。管理者可輸入：「就這個問題[請自行指定問題]，過去嘗試過哪些解決方案？」生成式AI會根據已有的文件找出相關資訊，並將發現精簡為條列式的重點或短文。
試試看：就技術面[請自行指定技術]的應用，要求生成式AI列出過去三年的相關項目，歸納做法上的共同點和差異。
試試看：有關[請自行指定主題]，要求生成式AI找出過去一個月內與[請自行指定對象]分享的所有檔案。
試試看：要求生成式AI找出你的同事[請自行指定指定]評論過的所有檔案。
3. 專家知識
你可以要求生成式AI把聊天紀錄和虛擬團隊討論中共享的大量訊息，轉化為有系統且易於使用的資源。如果你必須監督、參與某些專家社群或群組，共享大量有價值的知識，這一點會對你特別有幫助。你可以要求生成式AI依照副標將資訊歸類，並做總結。生成式AI可以辨識趨勢和廣泛討論問題，提供你可能想要聯絡或追蹤的活躍貢獻者名單。
生成式AI如何幫助社群管理者？
每個組織都有專家社群或群組，由一群樂於分享知識、對某個主題懷抱熱情的人組成。如果你是社群管理者，內建於軟體產品中的生成式AI模型（如Microsoft 365 Copilot for Office和Google Gemini for Workspace）可以在很多層面上幫忙：
擷取對話。要求生成式AI監控社群聊天內容，擷取其中最好的見解和學習內容。你可以在每週摘要或通訊中分享這些內容。
偵測主題。要求生成式AI識別重複出現的主題、趨勢和問題，包括拆解對話，藉此了解上下文並對訊息進行分類。
整理知識。指導生成式AI把識別出來的主題整理成有條理的表格。無論是撰寫知識庫文章、摘要報告或資料庫條目，AI都可以加入重要見解和專家意見，快速供使用者參考。
提高查找方便性。要求生成式AI將整理好的知識整合到公司內部知識庫中，使員工得以透過關鍵詞或主題輕鬆搜尋。
專家地圖。建立主題與相關專家之間的連結。要求生成式AI識別且標記在某個主題提供有價值見解的成員，以建立內部專業知識地圖。如此一來，特定主題或查詢結果可直接連結該社群中的專家。
節錄自：天下文化《職場人的生成式AI工作法：《哈佛商業評論》提升生產力、團隊創意和決策品質的35堂課》／艾麗莎．法瑞、賈布里．羅薩尼 著
推薦閱讀：
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成
NotebookLM更新影片摘要、中文Podcast怎麼做？3步驟生成AI語音摘要
除了ChatGPT還有哪些生成式AI？16種AI工具應用解析
【Graphy AI教學】AI自動生成圖表、數據分析4技巧
擔心AI讓飯碗不保？微軟研究：這10大職業最危險！
生成式AI正在重塑職場，哪些工作最有可能被AI取代？又有哪些職業仍相對安全？微軟透過20萬筆用戶與Copilot聊天機器人的對話，分析出AI在職場中的真實影響。
文／王穎皓 由Cheers授權轉載
本文導覽
AI最常被使用的情境AI最擅長 V.S. 不擅長的任務受AI影響最大 V.S.最不受影響職業排名AI對高薪工作影響最大？此份微軟報告的參考性高嗎？
隨著生成式AI技術快速發展，職場變革已成為不可逆的趨勢。微軟最新研究分析了2024年前9個月、20萬筆Copilot用戶對話紀錄，發現AI最常被應用於知識型任務，包括資訊蒐集、內容撰寫、簡單諮詢與對外溝通。
AI最常被使用的情境
根據微軟研究團隊的分析，當用戶與AI協助時，多數需求集中在閱讀、研究、撰寫等文字性任務。反映出現階段AI在處理文字、語言和資訊整理方面的強大能力。
值得關注的是，雖然使用者與AI實際執行的任務僅約有60％重疊，意味著在40％對話中，兩者並不完全吻合。也就是說，AI的實際執行角色往往是解說、教學、勸導和提供協助，而用戶多數是在尋求資訊、進行閱讀研究工作。
雖然用戶對AI的期待與AI的實際能力之間存在差距，但AI在知識型工作上的應用潛力仍然相當可觀。特別是在需要大量資訊處理和文字工作的領域，AI已展現出顯著的輔助效果。
這種使用傾向反映AI最能勝任的是支援性角色，而非全面取代。例如，行銷人員可能讓AI協助撰寫文案、彙整市場資訊；客服代表則用AI整理回覆腳本、處理常見問題。
AI最擅長 V.S. 不擅長的任務
微軟研究也發現AI在特定工作活動上表現特別出色。在用戶滿意度最高的工作類型中，內容書寫、文件編輯、資訊研究、簡單諮詢與產品評估名列前茅。
若從任務層級觀察，微軟指出以下幾種類型的工作最容易被AI「助攻」甚至「自動執行」：
文字處理：內容撰寫、簡報製作、文件編輯。
資訊彙整：市場研究、資料查詢、產品分析。
基礎諮詢：常見問題解答、產品比較、流程教學。
這些活動有幾個共通點：結構化程度高、語言為核心、可遠距完成。這使得AI可以迅速提供可用結果，且用戶滿意度高。
相對而言，AI在以下工作中的表現尚不理想：
數據分析：需要判讀多元資料並下決策。
視覺設計：涉及美感判斷與創造性。
跨部門協作與複雜溝通：需理解人際互動脈絡與非語言線索。
這顯示AI雖強大，但尚未能完全勝任需高度創意與人際敏感度的任務。
受AI影響最大 V.S.最不受影響職業排名
微軟研究員根據Copilot用戶對每一個回覆的「讚」或「倒讚」，計算出「AI適用性分數」（AI Applicability Score）排名，評估不同工作活動由 AI 執行或支持的難易程度。
獲得更多「讚」的任務，代表用戶滿意度較高，AI 能取代該工作的機率愈大。而分數愈大則代表受AI影響較大。
口譯員及翻譯人員以0.49的分數居首，成為最可能被AI取代的職業。
這並不令人意外，因為AI在語言翻譯任務中的表現已相當優異，Google和Amazon等科技巨頭都推出了功能強大的翻譯應用程式。
緊隨其後的是歷史學家（0.48分），研究人員指出，收集歷史資訊正是AI表現最優異的領域之一。許多Copilot用戶習慣使用聊天機器人來研究歷史或社會議題，或審查材料的正確性，這使得傳統歷史研究工作面臨巨大挑戰。
AI最可能取代的前十大職業名單：
口譯員與翻譯人員（分數：0.49）
歷史學家（0.48）
乘客服務員（0.47）
銷售人員（0.46）
作家與作者（0.45）
客戶服務代表（0.44）
電腦數值控制（CNC）工具編程人員（0.44）
電話接線員（0.42）
售票員與旅遊社員工（0.41）
廣播播報員與電台DJ（0.41）
這些職業普遍具備3種特性：
高語言密集度（如翻譯、寫作、廣播）。
重複性高或流程明確（如接線、售票）。
可被遠端工具支援，非現場執行。
AI最難取代的職業名單：
與此對比，AI最難取代的職業則集中在以下類型：
需面對面互動的照護與服務工作：如護理助理、按摩師。
需要實體操作的技術勞動：如卡車司機、屋頂工、洗碗工。
依賴高度感官或體能判斷的職業：如建築工人、維修人員。
這些工作仰賴人類的實體行動、感官知覺與情緒理解能力，目前AI尚難模擬。
研究特別指出，「AI協助性」和「AI自動執行性」存在明顯差異。
許多需要實體操作的職業雖然可以透過AI獲得資訊和建議協助，但AI幾乎無法完全自動取代人類進行實際操作。這個發現為職場轉型提供了重要啟示：即使在AI時代，人機協作仍將是主流模式。
AI對高薪工作影響最大？
微軟研究在分析AI影響與社會經濟因素的關聯性時，發現了一些令人意外的結果。首先，AI影響力與職業平均薪資的關聯度相當微弱，這打破了「高薪工作更容易被AI取代」的普遍認知。
在學歷方面，研究顯示需要大學學歷的職業確實受到AI影響較高，但各學歷層級之間存在明顯的重疊區域。這意味著AI的影響並不完全按照傳統的教育程度區分，而是取決於工作內容的性質。
此份微軟報告的參考性高嗎？
然而，研究也指出了幾個重要的限制因素。
首先，統計數據僅反映「AI已展現的能力」與「用戶確實使用」的部分，無法完全預測未來的絕對影響程度。其次，研究僅基於Copilot平台，未涵蓋所有AI產品的使用情況，可能存在樣本偏差。
更重要的是，實際的AI影響程度將高度受到後續工作內容重構和職場決策的影響。許多組織可能會選擇將AI作為輔助工具，而非完全替代人力，這將大幅影響最終的就業結構變化。
從長遠角度來看，這項研究對於處在高風險職業的工作者而言，將是一記警鐘。及早學習新技能、轉換職涯跑道或學會與AI協作，將是適應未來職場變化的關鍵策略。
（資料來源：Microsoft Research、Entrepreneur）
（原文標題：微軟最新研究：AI最可能取代的１０種職業）
延伸閱讀：
AI時代的「大裁員潮」開始了嗎？工業革命級的衝擊正在逼近
不只AI搶飯碗！Z世代成企業裁員首選 專家揭「邊緣化」五大原因
「初階工作」恐被AI取代？當科技巨頭高層都這麼說，我們該如何應對？
用對ChatGPT，能「多賺一份收入」？５步驟用AI打造你的副業
AI取代人力後，效率反而下滑？全球獵頭公司Korn Ferry：小心裁員的隱性成本
誰該為AI新同事負責？國際兩大調查：人資將成為「Agent Boss」
有任何收穫或想分享的，都來和大家一起聊聊吧！