「賞析、對焦、角色轉換⋯」搞懂AI生成4法則,讓ChatGPT從代工升級設計師!
「賞析、對焦、角色轉換⋯」搞懂AI生成4法則,讓ChatGPT從代工升級設計師!

為什麼一樣用 ChatGPT,你做出來的東西就完全不一樣?

最近真的有超、級、多人跟我說同一句話。

「欸 Ruby,為什麼一樣的簡報,你做出來就完全不一樣?」「你真的很會用 GPT 耶。」「我的 GPT 好像沒有你的那麼聰明。」

老實說,一開始我會笑笑帶過。但被問到第十次、第二十次,我才突然意識到一件事: 問題真的不是 ChatGPT,而是「你怎麼跟它合作」。

多數人,一開始就用錯方式

我觀察到一個很一致的模式。大部分的人用 ChatGPT,流程是這樣的:

第一步:「幫我寫一份簡報。」
第二步:「好像不太對,再改一下。」
第三步:「這邊怪怪的,再調整。」
第四步:「怎麼越改越普通?」
然後最後一句是:「是不是 GPT 沒那麼聰明?」

但如果你今天是跟一個真人專業者合作,你真的會這樣下指令嗎?你會一開口就跟美編說:「幫我設計一個簡報,隨便。」你會跟顧問說:「你先給我一個東西,我再慢慢改。」

不會。因為你心裡很清楚,專業合作不是代工,是對齊。

我從來沒把ChatGPT當代工人

這可能是為什麼大家會覺得「Ruby 用 GPT 的方式跟別人不一樣」。因為我從頭到尾,都沒有把它當成「幫我生東西的工具」。

我把它當成:顧問、協作夥伴、會思考的美編、能跟我討論架構的人,所以我每一次開口,都不是說「幫我做」。而是先說:

「你怎麼看這個東西?」
「你覺得這個內容的核心是什麼?」
「如果你是專業者,你會怎麼評價這一段?」

簡報術.jpg
圖/ Ruby Hung

永遠先讓它賞析,而不是產出

這一步,幾乎沒有人在做。不管是文案、簡報、課程、演講、設計,我做的第一件事永遠不是生成。而是請它「換一個專業角色來看」。

例如:

• 你現在是課程設計師,請分析這個架構
• 你現在是演講研究員,請評價這個節奏
• 你現在是社會觀察家,請看這段話在說什麼
• 你現在是美術編輯,請判斷這個視覺方向

因為我要的不是「答案」,而是對焦。當你沒有對焦,就開始生成,你拿到的只會是平均值。

賞析.jpg
圖/ Ruby Hung

各種風格指令,以及我幫大家整理的爆文公式都放在這邊

為什麼一直生成,反而做不出好東西?

因為你給它的資訊,真的太少了。多數人只給 GPT 一件事:「我要什麼形式。」

但我會給它四件事:

  1. 我為什麼要做這件事
  2. 這件事對我來說重要在哪
  3. 我希望完成後產生什麼效果
  4. 我不希望它變成什麼樣子

這很像什麼?很像你在跟一個顧問說明專案背景,
而不是叫工人直接開工。當 GPT 知道你的「目的地」,它自然會幫你規劃路線。

我一定會再問它一次「你覺得哪裡還不夠好?」

這是第三個關鍵。很多人生成完就結束了。我不會。我會反過來問它: 「如果今天這個東西是你做的,你要對外 release 的時候,你覺得哪三個地方還可以再加強?」

這一步非常關鍵。

因為你等於讓它自我審稿、自我檢討、自我升級。 AI 最強的地方,從來不是第一次產出,而是第二次、第三次的反思。

簡報、演講、長內容,都「分段對付」

再來講一個實務的。很多人會說:「我想做一個 30 分鐘 / 1 小時 / 2 小時的內容,GPT 好像撐不住。」但問題不是撐不住,而是你一次丟太多。

我自己的做法是:

• 一次只請它處理 10 頁簡報
• 10 頁一段,分段生成
• 每一段都有清楚的「目的與角色」

因為我觀察過,不管是 ChatGPT 還是 NotebookLM,最佳生成區間就是 10~15 頁。

不是 AI 不行,是你沒有順著它的工作邏輯走。

為什麼很多 NotebookLM 做出來的東西都很像?

我講一個可能會刺到人的實話。現在你看到的大量 AI 簡報: 專業、正確,但沒有風格。 不是因為 AI 做不到風格,而是使用者沒有給它「風格來源」。

我自己的做法很簡單:我會先去找我喜歡的簡報模板,截圖它的 layout、配色、字型邏輯,再丟給 ChatGPT。然後跟它說一句話:

「假裝你是簡報設計師,我要請美編做成這樣的風格,請你幫我整理出一份我可以直接剪貼給美編的設計指示。」

它就會幫你把:用色邏輯、排版規則、字型建議、選圖方向全部拆解出來。這時候,AI 已經不是工具,而是風格轉譯器。所以問題從來不是「會不會用 AI」。而是:你是不是一個有架構的人。

你有沒有能力:
• 先釐清自己在幹嘛
• 知道什麼是核心、什麼是包裝
• 分得出對焦、生成、優化三個階段

AI 只是把「有架構的人」放大,也把「沒架構的人」放得更明顯。

你不用把 AI 用得像我一樣

但如果你今天用 AI,只是一直叫它「幫我做、幫我生、幫我改」。那你得到的,就只會是一個非常聽話、但沒有靈魂的代工人。而不是顧問。不是夥伴。不是能幫你把事情做到「不一樣」的存在。

真正拉開差距的,從來不是工具,而是你怎麼下指令給世界。

本文授權轉載自:Ruby Hung

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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