[筆記術-4] 四個幫助你快速成長與建立觀點的寫作練習|數位時代 BusinessNext

最近看到很多文章提到：「寫作輸出」可以加速學習與成長、訓練獨立思考。 身為一個長期的寫作者，當然也對這句話深表認同。

事實上我之前在電腦玩物的「改掉畫重點與抄筆記習慣，寫與說的筆記更有效學會」一文中，也提到如果能自己把學到的想法「重新用自己的話寫出來」，那麼你會學到更多東西。這也是我從來不會想要轉載別人文章的原因，因為那不會讓我成長。

但是要「怎麼寫」能夠更有效的快速學習與成長呢？「怎麼寫」才能展開自己的獨立思考？我在之前文章中所說的閱讀後用自己的話寫出來（參考：如何閱讀一本書？我的深讀、反芻、拆解三步驟），有沒有一些具體的寫作技巧可以練習？

今天這篇文章，我嘗試用自己的經驗，來歸納幾個有助於成長與學習的寫作練習，當做有興趣的朋友的一個參考。（但不代表只能這樣做喔！）

練習0. 如何寫？

在開始這樣的寫作練習前，先拋開寫得好，或寫給別人看的束縛。因為學習型寫作目的是自己跟自己的對話，如果太在意別人會怎麼看，不僅寫不出來，而且寫不真誠。（參考：如何開始一場寫作風暴？編輯給任何人寫不出東西時的建議）

我們也不用排斥如果先寫出來後，真的有些寫得很好的地方，那可以分享出來，透過分享邀請更多對話，也可以幫助成長。

但一開始，先從私寫作開始比較好。

練習1. 條列重點

第一個寫作練習是學會條列重點，看似簡單，裡面卻有些小訣竅。技巧是：

先抓出你看到或想到的幾個重點
用關鍵字或關鍵句濃縮描述這些重點
嘗試條列這些重點，條列時思考他們的次序
然後跳開原文，嘗試用你的話說明這些重點
想想看有沒有其他原文沒有的，或是原本沒看到的重點

把複雜的事情歸納出幾個重點，並且用關鍵字描述重點，這可以練習把複雜知識濃縮成概念，概念幫助我們更容易吸收。

把重點條列出，並排出次序，然後針對每一點重點作闡述，這能幫助我們在自己的腦中建立自己可以理解的清晰架構。

上述步驟有助於理清一些思緒，並且可以因為這樣的寫作刺激，抓出我們原本沒有想到、沒有注意到的一些新的重點，擴展思考的範圍。

練習2. 窮舉範疇

第二個寫作練習是嘗試去窮舉你所面對的問題、知識、事件與思考的完整範疇。技巧是：

從一個事件，看到背後的世界現象。
想辦法窮盡背後世界現象的所有面向。
然後幫這個世界現象作分類定義。

我們面對的問題、事件與知識，通常只是這整個世界的一小塊，如果我們在這一小塊上鑽牛角尖，有可能走偏方向，或是忽略了更大的可能性。

所以我們從某個事件出發，但要把事件背後的世界想像成一個更大的完整的圓，看到這個事件是落在圓的哪一個部分？佔了多少比例？

更進一步的，如果要切分世界現象這個圓，可以怎麼分最恰當？而且不會遺漏任何部分？也不會重疊不同部分？這個寫作刺激可以幫我們面對一個問題時盡可能客觀全面的評估，有助於建立風險評估與保險策略，或是發現問題之外的缺口或契機。

歸納範疇的寫作練習，幫我們學會怎麼鳥瞰一個事件，並且看出事情的完整脈絡，當你用在描述一個問題時，也能講出比別人更深入又精煉的內容。

練習3. 分析追問

第三個寫作練習是，對每一個論點、說法追問「為什麼」，自問自答，把自己想到的「因為...所以...」寫出來。

關鍵的技巧則是不只「往前」，也要「往後」追問，往前追問這個做法的成因？往後追問這個做法的影響？然後串連寫出有效的「前因後果」觀點分析。

尤其對一些習以為常的結論、建議，重新透過寫作練習來追問為什麼？為什麼是這個結論？這個結論帶來什麼好處或壞處？

分析觀點的寫作練習，幫助我們把事情看得更深更遠，從而可以做出更好的選擇。而這樣寫作出的企劃或論點，會比單純只講結論更容易說服別人。

練習4. 翻轉想法

第四個寫作練習，則是在前三個練習或思考都結束後，嘗試挑戰自己創造獨一無二的觀點，練習多問自己「但是...」、「如果...會怎樣...」、「還有可能...」、「為什麼不？」這樣的問句。

任何事情總是會有反面，不同的前提會導出不同的結論，所以在練習寫作時，試著給自己一個「多角度的」挑戰，寫出翻轉的想法。

翻轉想法的寫作練習，並不是否定原本的論點，反而是幫我們更加確定或修正一個論點的正確性與周延性，如果在翻轉想法後你依然可以證明這個論點，那麼才是真正學會了這個理論或知識。

例如這篇文章主題是用寫作練習來快速成長，那可以追問：「同樣方法在腦袋思考，難道不能快速成長嗎？」於是就發現這雖然也是思考的基本公式，但寫成文字有幾個額外好處：

文字是一種確定，幫跳耀的思想呈現出可理解的脈絡
有了脈絡以後自己或他人才能重複照著做
寫成文字以後才不會忘記
語句本身需要邏輯，寫出來更能檢查思想邏輯的正確性

以上，就是我平常學習時「寫作」筆記，或是工作企劃時「寫作」企劃書，還有我在部落格「寫作」論述文章時的幾個常用的寫作練習，也確實能幫助我快速成長與建立獨立觀點，分享給有需要的朋友試試看。

延伸閱讀相關文章：

筆記術系列文章：

本文授權轉載自：電腦玩物

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/