「為什麼專案進度又落後了？」這5種提問，小心傷了團隊士氣！|數位時代 BusinessNext

圖說明

「為什麼專案進度又落後了？」「為什麼本季表現下滑？」在檢討會議上，主管企圖運用提問，釐清團隊未達標的原因。可惜這種問話方式聽在部屬耳裡，就像是興師問罪！這不僅讓團隊心情大受影響，還營造出一種「誰回答就要誰來承擔」的氣氛，當然沒有人願意深入思考，提出解決方案。

美國著名的溝通大師卡內基早在八十年前，就曾在《如何贏得友誼及影響他人》中寫道：「高效率的領導者懂得如何問問題，而不是忙著下指令。」

他所謂的「問問題」，是指懂得提出「具有啟發性的問題（empowering question）」，幫助部屬整理思緒、激發創意，指引出工作的新方向。當團隊成員循著問題，逐一爬梳可行的做法，自行推導出一套改善之道，就會基於「這是我想出來的！」而更有動機和意願去執行。

但究竟主管應該「怎麼問」？商管暢銷書作家 Bernard Marr 在 Linkedin 分享的作法可供參考：

第一招：別怕太囉唆，就是要問出細節

（X）「這個做法可行嗎？」
（O）「可以詳細解釋一遍你的做法嗎？」

所謂有啟發性的問題，就是讓答案不要只有 Yes 或是 No，而是讓回答者有更多的發揮空間。與其只關心最終的結果，不如換一種問法，讓員工覺得被重視、被關心，也能夠更具體的瞭解過程。

第二招：別怕太濫情，力搏感情就對了

（X）「這個月的目標金額達成了沒？」
（O）「這個月的工作狀況一切都還好嗎？」

這樣的問題方式會大大改變員工對主管的看法。大部份的人都吃軟不吃硬，因此略施一點溫情攻勢，總比一開始就負面指責來得好。這種有助於改善互動關係的問題，能夠讓你換一種方式監督進度，而且不會聽起來過於冷漠、頤指氣使。

第三招：別怕太犀利，你需要懂得思考的人才

（X）「要繼續採用這個策略嗎？」
（O）「繼續採用這個策略的話，你預測本季的結果大概會如何？」

想要讓員工更有想法、更勇於走出創新的道路？這一招最適合！批判性思考往往是最需要被激發的。今日不經意的一個小問題，說不定能夠成為明日偉大想法背後的推手。

第四招：別怕太挑剔，多拋假設問題沒壞處

（X）「這一次要採用A方案還是B方案好？」
（O）「為什麼我們總是採用A方案或是B方案？這真的已經是最好的方法了嗎？」

在拋出問題前，不要太過於劃地自限。很多時候，只差再往前那麼一步，就能藉助眾人的腦力激盪，殺出從未想過的第三條路。

第五招：別怕太巴結，借重他人經驗是上策

（X）「在這件事上，你有什麼看法？」
（O）「根據你過去在這方面的經驗，你認為怎麼做比較好？」

不必多慮對方會覺得這是奉承話、場面話！人人都有好為人師的特質，當領導者展現出對經驗的看重，自然會讓回答者能夠更有把握地分享所知所見。

bonus：別怕太費工，多想一下失敗原因為未來做準備

（O）「你們覺得為什麼這個方案會成功／失敗？關鍵點何在？」

在一次巨大的成功／失敗後，不要忙著狂歡／傷心，先提出一個能夠讓大家重新思考的問題，讓員工有時間靜下心來找出癥結點吧！透過詳細的辯證找出成功或者失敗的理由，能夠幫助團隊催生出新一波成功浪潮，也會更謹慎避免重蹈覆轍。

期待員工擁有解決問題的能力？那就做個狂問問題的領導者吧！當你勇於對員工拋出一個又一個的問題時，促使大家天天思考，就能逐漸培養出「擁抱問題、解決問題」的良性職場文化。

原文出處 / Linkedin
圖片來源 / ShutterStock

本文授權轉載自：經理人

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。