[書介]《這樣表達，再複雜也能一聽就懂！》：說清楚講明白，就升官！|數位時代 BusinessNext

在介紹李．李菲爾（Lee Lefever）的這本《這樣表達，再複雜也能一聽就懂！》書之前，先以一則生活上的小故事作為開端。

不知道大家是否曾經對三、四歲的小朋友解釋過名詞？某天，家中三歲半的兒子跑來問我，「什麼是大麻？」聽到這句話，我嚇了一大跳，問兒子怎麼會問這個問題，後來才知是最近藝人吸毒事件，兒子聽到電視新聞播報，好奇跑來問。我說：「大麻是一種毒品。」兒子問：「什麼是毒品？」我說：「毒品是吃了會對身體造成很大傷害，而且會讓你頭腦不清楚的東西。」兒子瞪著眼睛不說話，歪著頭隔了10秒鐘後，突然眼眶泛淚憂愁的說：「那感冒藥水喝了讓我頭暈暈，所以感冒藥水是毒品，怎麼辦？我是不是也吸毒要被捉去關？」「嗯…」此時，我其實很想大笑，卻又有點無言。

enter image description here

小故事就先說到這裡，之後我怎麼把那三歲半的兒子哄到不哭，其實不是重點，但卻是《這樣表達，再複雜也能一聽就懂！》這本書很重要的主題。本書的作者李菲爾在創業之初，原本是成立一家線上社群的諮詢公司，主要在幫助客戶了解社群、以及成立他們自己的社群。隨著他在與溝通客戶的過程裡，他發現客戶對社群的概念與定義模糊，不太懂為什麼一定要成立線上社群，也許明白某些理由，卻無法運用與發揮。

在這溝通的過程中，作者發現，無論是他的客戶或一般大眾對科技的感受並不獨特，往往迷失在功能與細節間，也很難理解這些產品與工具的價值，於是開始思考要如何跟客戶「說明」，一開始他透過部落格文章，但他發現單憑文字解釋力量有點薄弱，後來他開始透過影片來說故事，這也就是Common Craft第一支影片的誕生，作者將部落格文章改編成影片：「白話文解說RSS」。這支影片一放上YouTube就爆紅，第一天瀏覽人次便破萬。

在這個過程中，作者得到了一個很重要的啟發：說明，是為了回答別人「為什麼」，以及為了讓別人看見「價值」。許多說明高手都有一個共同點：同理心。說明高手有能力站在他人的立場設身處地著想，並從他們的角度去溝通。例如，你要怎麼跟一個三歲半的小孩解釋毒品？你要怎麼跟一位老人家說明如何使用LINE？新科技如何可以拉近祖孫的距離？這就是作者強調的，一位說明高手必能擺脫自己的立場，站在聽眾的立場，用對方「聽得懂」的話來解釋。

所以，作者把說明看作一門藝術，他認為說明其實就是「包裝想法的方式」，將事實包裝得更容易了解。因此，作者在書中就提出包裝想法的六大元素：「共識」、「關聯性」、「故事」、「連結」、「敘述」、「結論」。對話的雙方必需有某種程度的基本方向，並且說明的事情要與對方有相關性，之後再創造一個痛苦的角色，用你要說明的產品或事情幫助主角解決問題，透過故事與聽眾建立起連結性，引導他們建立觀念，會更容易明白所要傳達的訊息。

這一連串的過程包括故事腳本的敘述方式、採用什麼媒介說明（例如圖片、影片、簡報、網站……）、在什麼平台發表都會影響聽眾的理解程度。就作者而言，他認為透過影片或圖象等視覺化方式更容易幫助說明讓對方理解，因為在他的觀察裡，視覺是我們解釋事物時極為重要的一環，影片或圖象有助於輔導與創造所想要的體驗。

這本書中有非常詳細的步驟，引導讀者如何透過說明的技巧、包裝方式、腳本設計等來幫助大家學會如何清楚溝通這件事。作者認為，當世界越來越複雜，就越需要解釋，透過解釋創造出許多機會，並形成強大的引領力量。這也是為什麼李．李菲爾後來被邀請為樂高（Lego）、英特爾（Intel）、福特汽車（Ford Motor）、微軟、Google和Dropbox等這些知名企業說明他們的產品的原因。

人家說，隔行如隔山，如果能好好解釋，讓別人關心了解你所做的事，透過溝通技巧，吸引別人對你的工作產生興趣，很可能你會成為這項工作或專業的代言人！

(作者Jasmine,曾擔任科技媒體記者，現為Readmoo特約作者。)

《這樣表達，再複雜也能一聽就懂！》

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」。

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。

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。

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。