問AI「這樣好嗎」等於白問, 這個終極提示詞讓AI給出好建議
問AI「這樣好嗎」等於白問, 這個終極提示詞讓AI給出好建議

這裡是一人一貓的小小內容工作室。謝謝大家一路支持,歡迎透過贊助,幫助我們把這份電子報繼續經營下去。

雖然很常出外分享,但我真的是一個氣場很弱、自信不足的人。

有時候和 AI 討論事情,最後忍不住想尋求認同,會問它「最後我決定做成這樣這樣,你覺得好嗎?」

十之八九,AI 會說,「很不錯。」情緒價值 100!可是,我也真的想得到建議啊。

小心「AI 諂媚」

當 AI 稱讚你的計畫完美時,它很可能只是在奉承你。

因為 AI 的底層訓練機制包含了讓使用者感到「滿意」,所以當你尋求認同,它幾乎一定會順著你的意說「好」。這種現象在學術界被稱為「AI 諂媚」(AI Sycophancy),無論是哪一家的 AI 模型,或多或少都有這個討好人類的壞毛病。

#1 一天一AI
圖/ 數位時代

讓 AI 說真話的「終極提示詞」

最近在 X 看到一個方法,可以杜絕 AI 阿諛奉承的壞習慣。

別問「這樣好嗎?」,改寫以下這句指令,它才會對你說真話:

繁體中文版:

你對這個策略有 100% 的把握嗎?如果沒有,請找出所有漏洞並提出修正方案。持續重複這個循環,直到你能以事實為依據,達到 100% 的把握。」

英文原版:

Are you 100% confident in this strategy? If not, find all possible loopholes, suggest proper fixes, and run this loop until you are factually 100% confident.

#2 一天一AI
圖/ 數位時代

反問兩到三次,到它「吹毛求疵」為止

一般來說,只要用這個方式問 AI 2 到 3 次即可。每一次迭代,AI 都會揪出更深層的漏洞並進行修正。

當你觀察到 AI 提出的改動越來越小,甚至開始像在找碴、「吹毛求疵」時,就代表它已經擠不出更多實質的建設性意見了。這時候你就可以喊停,拿到一份經過嚴格檢視的計畫。

#3 一天一AI
圖/ 數位時代

為何這句 Prompt 有效?

這個指令之所以強大,核心靈魂在於「事實依據」(factually)這幾個字。如果少了這項條件,整個 Prompt 的效果就會大打折扣。

在一般的對話模式下,AI 往往只是在做「文字接龍」,給出聽起來極度合理、漂亮的場面話。但是,當你加上「以事實為依據」的限制時,會強迫 AI 啟動深層的思考鏈(Chain of Thought)。這會逼迫它去翻找底層數據、檢視邏輯因果關係,並調用可驗證的素材。

在生成最終答案之前,AI 會先在內部進行嚴格的自我審查,主動推翻那些沒有實質證據支撐的「幻覺」。這正是讓 AI 從「奉承機器」轉變為「嚴格顧問」的關鍵秘密。

#4 一天一AI
圖/ 數位時代

如果你有用 AI 協助思考、決策、寫提案,試試這句話吧。

訂閱《一天一AI》日報 ,每天跟你分享超實用的AI小技巧!

延伸閱讀:
他為弟弟vibe coding,把幾百人的記憶拼成即時照片牆「傳給媽媽」!我可以怎麼用AI?
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