AI提案教學|先給背景、再叫它問你問題,4步驟讓架構自己長出來
AI提案教學|先給背景、再叫它問你問題,4步驟讓架構自己長出來

有個讀者 Amy 說,我給的提示詞都很棒,但換到自己的任務,她就不知道怎麼叫 AI 好好工作了。

我最常給的建議是: 叫 AI 訪談你。讓它一次只問你一個問題,把腦袋裡的想法一層一層掏出來。

巨思校園大使筱瞳用這個方法跑了一次「App 上市推廣企劃」。AI 在過程中問他:「這次推廣是要衝下載量、活躍用戶,還是品牌曝光?三個目標的預算分配邏輯完全不同。」

他說,這個問題,讓他第一次把推廣目標想清楚了,方法都整理在圖卡裡囉。

要把好內容長期做下去,需要一點時間,也需要一點支持。歡迎大家贊助打賞,陪我和貓貓一起把這份電子報養大。

第一步:給 AI 清楚的背景、目標與「最終格式」

在對話的一開始,請一次說清楚你要做什麼、說服誰,以及想達成什麼結果。其中,大家最容易漏掉的關鍵就是「格式」。你希望 AI 最後產出的是一份「一頁紙的企劃書」,還是「十頁的簡報大綱」?你把終點的模樣描繪得越具體,AI 後續的切入點才會越精準。

#1 一天一AI
圖/ 數位時代

第二步:轉換主動權,叫 AI「一次只問一題」

當你把背景資訊都給完之後,不要急著讓 AI 直接寫答案。你可以下達這個指令:「請一個一個問我問題。」 這時候,AI 會開始針對你的需求進行反問。這些問題非常有價值,因為它們往往是你準備提案時,本來就該先釐清的各種面向和角度。

#2 一天一AI
圖/ 數位時代

第三步:答不出來?那正是你最需要想清楚的事

面對 AI 的提問,你不需要有壓力,想到什麼就說什麼。如果遇到真的答不出來的問題,等於幫助你發現盲點,提前找到沒想清楚的事。

這時你可以坦白說:「這個我不確定。」並要求 AI 「給幾個選項讓我選」。做選擇絕對比憑空想答案容易得多。

#3 一天一AI
圖/ 數位時代

第四步:主動喊停,讓 AI 把對話變成提案架構

當你覺得一問一答的過程已經涵蓋了足夠的資訊,就可以主動終止提問階段。你可以這樣說:「資訊足夠了,請停止提問,並根據我剛才的回答產出架構。」這時候,AI 整理出來的產出,就會是奠基於你真實想法的客製化內容。最後只需特別留意檢查,AI 是否有自動「腦補」了你沒說清楚的地方即可。

以筱瞳為例,他是這樣跟 AI 討論的:

情境一:提案方向明確,但不知道從哪切入

提示詞如下:

我要準備一份[提案主題],目標是說服[對象]達成[你想達成的事]。最後需要產出的格式是[一頁企劃書/簡報大綱/其他]。請你扮演資深顧問,不要直接幫我寫內容,透過提問幫我把這份提案需要的東西都想清楚。規則:一次只問我一個問題,等我回答後再問下一題。請先問第一題。

情境二:提案方向還沒確定

提示詞如下:

我需要為[活動/品牌/對象]準備一份提案,但方向還不太確定,最後要產出的是[格式]。請你扮演專業企劃,先問幾個大方向的問題釐清核心定位,再繼續深挖細節。規則:一次只問我一個問題,等我回答後再問下一題。如果我回答不出來,請給我幾個選項參考。請先問出第一題。

#4 一天一AI
圖/ 數位時代

還有其他場景想讓我試著用 AI 解題?可以點這裡跟我分享。

延伸閱讀:不想讓自己變AI模型訓練素材?教你ChatGPT、Gemini、Claude關閉個資方法

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