AI辦公室應用有哪些?談薪水、跨部門溝通⋯10個實用AI技巧大公開
AI辦公室應用有哪些?談薪水、跨部門溝通⋯10個實用AI技巧大公開

生成式 AI 工具正逐步進入管理現場,從人員輔導、團隊溝通到業務處理與個人反思,皆能發揮輔助作用。根據日本新創公司 Renewer 所發布的《經理人生成式 AI 使用指南 2025》(暫譯,原文為マネージャーのための生成 AI ガイドブック 2025),彙整超過 50 位現任主管的實務經驗,提出 10 項生成式 AI 應用技巧。

這份指南針對新手經理人在日常管理場景中的困難情境,從一對一面談、任務交辦、會議準備,到團隊共識建立與目標優化,提供具體操作建議與 prompt 範例。工具建議以 ChatGPT、Claude、Gemini、Perplexity 等為主,並搭配實務回饋加以驗證。以下為 10 項實戰技巧彙整:

1. 分析 1 on 1 對話策略

主管在進行 1 on 1 面談時,常需在「直接教導」與「啟發 / 引導」間做出取捨。建議主管可先將部屬的挑戰與目標輸入 AI 工具,請其分別產出「教導式(teaching)」與「引導式(coaching)」兩種應對策略,以便因應不同性格與情境需求。

  • 適用工具:ChatGPT(o3-mini)、Claude(3.7 Sonnet)、Gemini(2.0 Flash)

  • 操作方式:描述部屬當前目標與問題,請 AI 輸出兩種溝通策略,並比較優劣。

  • prompt 範例: 我的團隊成員目前目標是提升跨部門溝通效率,但他對流程感到困惑。請分別以「教導式」與「引導式」方式,提供我應對這位成員的建議內容。

2. 困難對話模擬

在人事評估、薪資調整或行為改善等場合,主管常需進行高壓、帶有爭議的談話。為避免臨場出錯,建議主管可設定具體情境,請 AI 扮演員工角色,模擬對話過程,結束後再請 AI 提供溝通回饋。

  • 適用工具:ChatGPT(o3-mini,語音模式建議開啟)、Claude、Gemini

  • 操作方式:明確描述角色、情境與議題,請 AI 主動開始對話並提供事後建議。

  • prompt 範例: 請你扮演一位對來期薪資調整感到不滿的工程師。我將擔任你的主管,與你進行模擬面談。請從第一句話開始說明你的立場。結束後,請給我溝通技巧上的回饋建議。

3. 任務指示優化

交辦任務時若指令不清、脈絡不明,將影響團隊理解與執行。建議主管透過 AI 重寫指示語句,套用「Why(為什麼做)→How(怎麼做)→What(具體要做什麼)」的黃金圈理論(Golden Circle)架構,提升交辦明確性與接受度。

  • 適用工具:ChatGPT、Claude、Gemini

  • 操作方式:輸入原始任務敘述,請 AI 依「Why → How → What」結構改寫。

  • prompt 範例: 我想請行銷團隊協助分析競品網站,請根據「為什麼要做、怎麼做、要做什麼」的邏輯,幫我寫一段具體且清楚的任務指示內容。

4. 資訊摘要與圖解

當公司有跨部門溝通需求、重要決策需轉達時,主管往往需將複雜資訊整理成簡明扼要的訊息。該指南指出,主管可使用生成式 AI 將原始會議紀錄、政策公告等轉譯為易讀內容,並生成摘要與圖示說明。

  • 適用工具:Claude、Gemini、Copilot

  • 操作方式:輸入原始內容,要求 AI 生成摘要版說明、視覺圖表與閱讀說明。

  • prompt 範例: 以下是一則公司內部信內容,請協助我整理出摘要說明,並加入「本郵件目的」與 「建議閱讀時間」,同時列出 3 個關鍵重點。

延伸閱讀:NotebookLM「影片摘要」有繁體中文了!Video Overviews怎麼用?教學一次看

5. 例會發言素材蒐集

主管在定期例會中常需簡短發言,傳遞組織文化、激勵士氣或分享新知。該指南指出,這類發言雖短但重要,建議使用具備搜尋功能的生成式 AI,如 Perplexity,定期蒐集適合的話題、業界趨勢或名言金句,作為發言素材。

  • 適用工具:Perplexity

  • 操作方式:指定領域與語氣風格,請 AI 提供數則符合近一周/一個月的議題與說法。

  • prompt 範例: 我每周在工程團隊例會中,需要發表 3 分鐘關於生成式 AI 的最新趨勢或新聞,請你提供 3 個主題,並附上簡短說明,請提供近一個月內生成式 AI 的相關話題。

6. 文件初步審查

主管通常需審閱大量文件,例如提案書、會議記錄、預算計畫等。該指南建議,讓部屬使用 GPTs 或企業內部自建 Bot 依既定標準進行文件檢查,可協助初步檢查、提升效率,進一步減少主管負擔。

  • 適用工具:ChatGPT(GPTs 模型)

  • 操作方式:定義審查標準,讓 AI 依據要點審閱文件內容,並標示不合規處。

  • prompt 範例: 你是主管,要審查一份同仁提交的採購申請書。請根據以下 3 個標準檢查內容:(1)預算編列是否清楚,(2)目標敘述是否具體,(3)可行性分析是否完整。請指出不符合項目並說明理由。

該指南也提醒, 若上傳內部文件至外部平台,應特別注意資料安全性與機密保護。企業亦可考慮使用內部版本或封閉式 GPTs 實施該流程。

7. 模擬爭議性議題討論

當主管預期即將主持的會議存在立場分歧,例如調整出勤制度、預算分配爭議等,可事先使用生成式 AI 模擬會議現場,請其分別扮演不同立場參與者,演練發言邏輯、爭點與妥協方案。

  • 適用工具:ChatGPT、Claude、Gemini

  • 操作方式:輸入議題、利害關係人與立場背景,請 AI 模擬多輪對話與總結反對理由。

  • prompt 範例: 我即將主持一場會議,主題是「恢復每周 2 天出勤制」,請模擬贊成與反對雙方的辯論,各發言兩輪,並最後列出各方可能主張的觀點與回應重點。

該指南指出,這樣的應用有助主管掌握風險點、提前制定折衷方案,也能提升主持過程的掌控力與邏輯清晰度。

延伸閱讀:Nano Banana實測|AI生圖神器怎麼用?修圖、合成、多輪修改,一句提示就搞定?

8. 目標語言優化

OKR、KPI 近年在企業廣泛導入,但許多目標語言生硬、缺乏情感,難以激發團隊共鳴。該指南建議,主管可使用生成式 AI,結合創意發想工具如 SCAMPER 或心理學理論如 SDT,轉化為更具吸引力、激勵效果的語言。

  • 適用工具:ChatGPT、Claude(可搭配 SCAMPER)、Gemini

  • 操作方式:輸入原始目標與情境,請 AI 依創意工具轉化語言並說明改寫邏輯。

  • prompt 範例: 原始目標為「將客服處理時間縮短 20%」。請你依照 SCAMPER 法轉化語言,讓此目標變得更具啟發性與吸引力,並說明每一步轉化的邏輯。

該指南也提醒,AI 不應替代目標設定者的意圖,而是作為「語言轉譯器」,幫助主管更具說服力地表達核心目標。

9. 逆引導

新手主管面對實際問題時,未必熟悉眾多管理框架與模型。該指南提出「逆引導」方法,亦即將問題詳述交給 AI,請其從知識資料庫中推薦可應用的理論工具,反向匹配策略。

  • 適用工具:ChatGPT、Gemini、Claude

  • 操作方式:說明情境、對象與困難,請 AI 推薦可能對應的管理手法並簡述原因。

  • prompt 範例: 我帶領的團隊近期出現兩位資深員工因工作分工爭議產生嚴重摩擦,請根據此情境,推薦可應用的管理方法或溝通模型,並說明其適用原因。

此方法強調「先問題、後工具」,尤其適合實戰型主管,在事件發生當下快速建立處理策略與框架。

10. AI 版反思日誌

「反思日誌」(journaling)被認為有助於釐清思緒、舒緩壓力。該指南指出,透過 AI 進行日誌分析,不僅能幫助主管理解自身情緒波動,還能發現潛在議題與重複思維模式。

  • 適用工具:ChatGPT(GPTs)、Claude、GPT-4.5

  • 操作方式:讓 AI 閱讀反思日誌,請其回饋今日思維亮點、情緒走向與改進建議。

  • prompt 範例: 這是我今天的工作日誌內容,請你分析我在這篇日誌中的主要情緒變化、值得注意的行為模式,以及一項我可以著手改善的建議。

該指南建議可將這類 prompt 設為每日固定流程,並使用 GPTs 建立專屬反思助手,以累積長期洞察。

延伸閱讀:AI搜尋引用偏好大揭露!Google更愛社群內容、ChatGPT挺維基百科:品牌如何提高能見度?

領導者都怎麼用 AI?黃仁勳、納德拉的實戰經驗

除了上述的技巧外,輝達(Nvidia)執行長黃仁勳(Jensen Huang)曾在 CNN 節目《Fareed Zakaria GPS》中分享,他不會僅仰賴單一 AI 的答案,而是「像請教 3 位醫生一樣」,將同一問題分別詢問多個 AI,再讓它們彼此批判與比較回答內容。

他表示:「我通常會問 AI:『你確定這是你最好的答案嗎?』」此方式有助於找出更全面、準確的資訊,也鼓勵管理者在使用 AI 時保持批判性思維。他進一步指出:「使用 AI 本身就是一種提問的過程。為了提出好問題,你必須先具備邏輯與分析能力。」

此外,黃仁勳也透露,自己每天將 AI 當成學習導師,針對陌生領域的知識,他會請 AI 先用「解釋給 12 歲小孩聽」的方式簡單說明,再逐步深入至博士級層次。這樣循序漸進的理解過程,對於需要快速吸收新資訊的管理者而言,極具參考價值。

另一方面,微軟執行長薩蒂亞·納德拉(Satya Nadella)則是在日常溝通與知識吸收中大量使用 AI。他表示,自己不會花時間聽 podcast,而是直接上傳逐字稿給 Microsoft Copilot 閱讀與摘要,並於通勤途中與 AI 互動、討論內容。他也透過 Copilot Studio 建立超過 10 個專屬的客製化 AI 代理人,處理郵件摘要、會議準備、內部資訊整理等行政與溝通任務,將 AI 實際導入決策與時間管理流程中。

本文授權轉載自《經理人月刊》,作者為支琬清

關鍵字: #AI工具
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 2026 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