【有物報告】簡報出搥!出糗時 SONY、蘋果、微軟的老闆如何化險為夷?
【有物報告】簡報出搥!出糗時 SONY、蘋果、微軟的老闆如何化險為夷?
2013.01.24 | 科技

比在客戶前出糗更糟的,是在媒體前出糗 

從畢業後工作以來,只有一種場合還會讓我準備又準備,卻仍心驚膽跳,那就是向大老闆或客戶展示產品的時候。

有的時候,即便事前準備周全,碰上莫非定律臨場還是甚麼狀況都碰的到。不論是電腦系統故障或當機、新開發的系統不穩定、軟體版本不對、頁面壞掉、網路接不通、VPN 把聯外網路鎖死、展示資料不小心被蓋掉、顯示卡驅動程式不支援投影機等等。

明明上台前演練了無數遍,但是一旦出了狀況當下還是會腦子發白、手心冒汗、背脊發涼。排練好的講稿梗在喉中,恨不得時間趕快經過。

簡報的對象若是老闆,了不起被刮一頓。若是客戶,大不了生意泡湯。但簡報的對象若是媒體,那可就會傳播無限遠,是牽涉公司形象的大麻煩了。輕則簡報者被媒體消遣,被聽眾拍下來放在 YouTube 上被傳閱一時。重則影響消費者對新產品功能的信心,丟官打包走人。


Sony CEO 平井一夫在展示新電視時產品出包。圖片來源:techsv16

Sony CEO 平井一夫是最新受害者 

前一陣子在拉斯維加斯舉辦的消費性電子展(CES,Consumer Electronics Show),是各大品牌必爭之地。各品牌或砸重金布置華麗的攤位,或推出最新最炫的產品,趁全球科技媒體聚焦時爭取曝光的機會。

企圖捲土重來的 Sony 也不例外,這十年來,消費性電子產業的龍頭物換星移,Sony 在隨身聽市場已經完全敗給了 Apple 的 iPod、在顯示技術上被三星打得奄奄一息;連最後的堡壘,家用遊戲市場的 Play Station,也陷入跟微軟 Xbox 的纏鬥。

沒想到,當 Sony CEO 平井一夫在 CES 的全球媒體前展示 Sony 最新的 4K OLED 電視時,展示的主角先是藍螢幕(blue screen),之後系統重開,最後重開的時候配上「No Signal Input」。同時平井還努力的發表「色彩亮麗,科技領先」的講稿台詞,格外窘狀連連。

Sony CEO 平井一夫在 CES 上展示 40K OLED 電視時當機。影片來源:YouTube

無獨有偶,幾個月前展示 Surface 這個要拿來跟 iPad 一較高下的平板電腦時,微軟前資深副總裁 Steven Sinofsky(不知道是不是因為這個原因丟官)也碰到類似的狀況。

微軟 Surface  產品發表會上出的包。影片來源:YouTube

平心而論,像微軟產品發表會跟 CES 這樣全球矚目的場合,照理來說是絕對不可能有這樣的狀況發生。特別是大家都拿 Steve Jobs 跟蘋果完美的產品展示作為標準時,其他公司要營造出產品的 WOW Factor 就更需要每個細節盡善盡美。
 

蘋果發表會也會出搥 

但即便是蘋果,幾年前Steve Jobs 在展示 iPhone 4 的時候也因為 Wifi 的問題出包過:

Steve Jobs 展示 iPhone 4 的時候出包。影片來源:YouTube

6 個確保展品 demo 順利的方法 

然而,假設不巧碰到這樣的狀況時,該怎麼樣盡量減少傷害呢?

1. 若無其事:當 Sony CEO 平井發現台上展示的電視出包時,唯一可以做,也做對的一點,是沒有顯露出困窘的表情,平平穩穩的把本來要介紹的特色交代完。頂多因為產品當機,臨場應變省略原本要強調的一些產品特色。畢竟出包是非戰之罪,主因是電腦訊號外接,並不是電視本身顯示的影像有問題。

2. 少用互動性高,設定繁複的產品展示:即便 Steve Jobs 跟蘋果的產品展示每每讓觀眾驚為天人,但絕大多數他的展示都是 Keynote 簡報。即便是 iPhone 或是 iPad,Jobs 多半只展示幾個主要的賣點,例如瀏覽網頁、照片縮放、收發 e-mail、行事曆跟使用 iTunes。盡量避免非常繁複的流程。

3. 永遠有備案 B(甚至備案 C、D、E . . . ):永遠準備好備案,例如把要展示的系統截取螢幕,多準備書面講稿以避免投影機發生問題,或是準備離線沒有網路時可以展示的系統等。你永遠不會知道哪個環節會凸槌。

4. 發生狀況時,重點是觀眾,不是急著把展示修好:我以前曾犯過的錯是太在意追究產品展示出包的原因,忘了兼顧整個展示的本身。在台上急著解決問題,會消磨聽眾的時間跟信心;而且當展示好不容易恢復正常的時候,聽眾通常已經失去興趣了。因此不要把眼神移開觀眾。

5. 產品展示之前檢查所有的細節:要展示不出包,只能在看得到的地方盡量降低風險,不斷一遍又一遍的事前檢查是不可免的。

6. 幽默:最後,能化解窘境只能靠幽默了。從上面所附的影片中,當 Steve Jobs  展示 iPhone 4 出包的時候,他先他直接了當的對觀眾說,抱歉,要展示給你們看的功能現在沒辦法。接著當他發現問題出在太多無線網路基地台干擾的時候,Jobs 索性叫全部的觀眾把 Wifi 關起來,好好看他的展示。當下用幽默轉移窘境,事後在下一個展示前找出問題,然後重新引起觀眾的興趣,這實在是非常出色的臨場表現(或排練過?)。
 

臨機應變也是準備周全的一部分 

產品展示是老王賣瓜,在本質上就是找出產品最大的賣點,引起聽眾的興趣。聽眾在看到精心設計、超出期待的 WOW Factor,自然在產品行銷、口碑與品牌都會有正面的反應。然而即便是碰到了問題,處理的好,誠心幽默的道歉,化解當下的窘境,重新尋找機會再捲土重來,反倒會讓聽眾印象更為深刻。

莫非定律是很難消失的,與其祈禱產品展示不會出狀況,寧可設想最壞的狀況,事前充足的準備,才是萬全之策。

轉自有物報告

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓