我最近參加了《數位時代》AI Taiwan未來商務展，聆聽了許多講者對國際趨勢與企業內部實踐的洞見。
其中一名來自台灣金融業的代表讓我印象深刻。他們在AI應用的布局可說是內外兼顧： 對內強化員工能力，對外優化客戶體驗 。
對於不需大幅更動內部流程或整合自有資料的應用，他們選擇直接導入現成的生成式AI工具，提升員工效率與生產力。但對涉及敏感數據、須保密或高度專業的領域，他們則選擇自建模型，並採跨部門合作模式，由資訊部門與業務單位共同參與開發。
在企業內部專案的推動過程中，講者強調「溝通」是成敗關鍵 。不只是「人與人之間」的溝通，尤其是跨部門的協作方式。傳統談溝通，通常聚焦於會議效率、衝突處理或團隊建立。但AI驅動的工作環境中，「人與機器之間」的溝通已成為新的企業核心技能。
這不再是工程師的專屬任務，而是所有職能都要具備的基本能力。我深有同感。在AI快速演進的時代， 每位專業人士都應思考：如何讓AI幫我工作？該如何把經驗轉譯成AI能理解的語言？
回顧過去，我們推動內部AI專案時，通常涉及超過4個部門。首先是業務，他們掌握公司內部複雜的流程與政策；為了自動化這些流程，會請客服或人工處理團隊協助轉化為對客戶友善的內容。這些資料最終還要由研發部門技術轉換，如設計端產品、串接AI模型等。產品經理則負責整合需求、轉化為產品規格並協調執行。這種傳統模式雖有效，但面對生成式AI新需求時，開始顯露出限制。
以我們的跨國團隊為例：業務在倫敦，客服在特拉維夫，產品經理在洛杉磯，研發在台灣。這樣的組合在過去運作良好，但進入生成式AI時代後，一切變得複雜且缺乏效率。
首先，業務單位難以清楚說明邏輯與細節，導致產品經理只能提出模糊的需求。研發在撰寫prompt（提示詞）時，因缺乏商業脈絡，常被打回重寫。另一方面，數據註解與驗證流程也出現斷層——客服雖完成處理，但成果與業務期待不一致，造成版本混亂與進度延宕。
AI-First大風吹，眾部門角色再造
因此，我們嘗試開發一套工具，讓業務部門能直接將自身邏輯與政策轉為prompt；客服團隊則以labeling工具生成use case。我們再將這些結果放入同一套系統中驗證，確認其可行性。同時，研發團隊也為業務部門提供多種分析工具，幫助他們掌握自身處理是否準確與執行品質。研發的角色也轉變為選擇最佳模型，平衡速度、成本與可擴展性，並協助工具部署至產品線。
這樣的流程中，產品經理也有了新角色。他們不只是需求與工程間的「翻譯」，更可以主動運用AI工具進行市場研究、原型設計與使用者回饋分析。他們須具備AI-First思維，專注策略與創意，讓產品更貼近使用者需求，並善用AI提供的insight，優化產品。這讓他們更能掌握全貌，也能在產品與技術之間扮演真正的橋梁。
Spotify人資長朗德斯多（Anna Lundström）與產品長近期發起一項內部倡議，邀請所有員工在日常工作中探索與運用AI工具與語言。 這就是AI的民主化——透過降低使用門檻，讓 AI的實驗與應用成為企業DNA的一部分。
不過，「AI溝通」的方式也在快速演進，它不像學英文只靠多讀、多背單字就好。與AI互動更像一種正被重新定義的語言藝術。Prompting技術每天在進化，從單一文字輸入邁向更結構化、多模態，並強調互動式思維引導的新階段。因此，我們邀請業務團隊來台舉辦工作坊，了解最新Prompting發展趨勢與應用場景。
我也想提醒大家： AI Prompting與大語言模型（LLM）不能解決所有商業難題 。我曾看過同事為了準確度，進行超過50次微調；我們也與UCLA的團隊合作，嘗試各種prompt技術，試圖找出問題根源。結論是：當商業問題過於複雜或內部邏輯相互矛盾時，LLM不是萬能的超級英雄。 這時我們反而要簡化問題、重新檢視流程。 如果確認複雜性無可避免，那麼真正該介入解決問題的，往往不是LLM，而是人類本身。有時，我們必須學會放下對LLM的過度期待與迷戀。
與機器溝通就像一段長期關係——其實更像婚姻。說實話，我們的另一半（大語言模型）才是那個日新月異、瘋狂進化的一方！若我們決定攜手前行，就得不斷學習，否則有一天，它可能突然說一種我們聽不懂的語言，而我們只能尷尬地在一旁微笑。要維持這段數位戀情，我們得隨時調整自己，甚至偶爾上個「提示語婚姻諮詢課」。
對企業而言，持續提供員工培訓與工作坊，不僅能讓大家掌握AI發展，也能提升與AI的溝通力，這才是確保業務永續發展的關鍵途徑。
責任編輯：蘇柔瑋
