昨天下午，
受到張智元教授的邀請，
有機會到逢甲大學工程研訓中心，
和第一線的專案推手們進行交流，
主題是：「AI 在研訓中心的實務工作流」。
你一定有過這種感覺，
大家都說 AI 很強，
但每次叫它寫文案、做簡報，
出來的東西總覺得一股濃濃的機器人味。
重刷了好幾次，
還是得不到自己想要的內容，
最後還是只好自己動手，
根本沒有比較省時，對吧？
問題往往不在 AI 不夠聰明，
而是我們經常只把它當作「單點突破」的許願池。
所以，我帶著大家梳理了一套流程，
把 AI 從零碎使用，
變成真正可以串聯應用的工作流。
結果你會發現，
AI 就是你工作中的「巧克力」，
巧妙克服問題的能力。
這句話聽起來很玄，
但放回日常工作，其實很有畫面。
提報內容太長太雜，
可以把錄音檔丟進 NotebookLM，
快速整理會議紀錄。
文案靈感卡關時，
呼叫 Gemini 爆文機器人，
幾分鐘就產出草稿。
遇到學員報名資料漏填，
也能請 AI 寫小程式自動比對，
省去人工對到眼睛脫窗的時間。
當 AI 接手了工作中最煩、最雜的部分，
你就能把專注力放在需要創意和判斷的地方，
而不是被困在瑣事中哀嚎。
你可能會想，
真的那麼厲害嗎，
為什麼我用 AI 產出的圖文，
總是不如預期？
因為 AI 需要「明確的指令與設定」。
當你想修改一張圖，如果你只說：
「讓徽章兩旁的葉子更大一些。」
你說的「更大」到底是多大，AI只能自己猜。
但如果你說：
請將兩側麥穗向上延伸，
使其頂端達到徽章高度的 80%，
並增加麥穗的彎曲弧度。
甚至更進一步利用 YAML 格式來表達，
產出的結果就會穩定很多。
這和職場上主管交辦工作，
道理是一模一樣的。
「你就照那樣做」，
出來的成果一定失焦。
指令愈明確，
才能產出愈接近你要的內容。
所以這次交流，
我想讓學員理解的，
不只是怎麼用工具。
還包括：
怎麼問對問題，
怎麼把需求說清楚，
怎麼把模糊想法翻譯成 AI 聽得懂的任務。
但即使做到了這一步，
最後承擔責任的，還是你。
真正面對客戶的，也是你。
AI 可以幫你整理資料、生成初稿、加快流程，
但它的想法也不是全部都對，
什麼方案可行、什麼文案能打動人心，
最後都還是需要你的判斷。
而要有好的決策品質，
背後靠的又是平常的閱讀、觀察與連結能力。
像在寫招生文案時，
除了最基本的 SCQA 架構之外，
我也利用了「算命仙」的比喻，
來示範如何連結。
地下道擺攤的算命仙看到路人，先說一句：
「這位客人，我看你印堂發黑，最近可有煩心事？」
對方一旦開始訴苦，
後面就順勢販售解決方案，
三天改運、七天改命，
讓你飛黃騰達、桃花朵朵開。
這背後是一套很成熟的行銷策略，
先篩選客人、指出困境，
再放大焦慮，
最後給出一條翻身的路。
把這個邏輯放進品管班的招生場景，
畫面立刻就出來了。
在工地日曬雨淋的苦命工程師，
被監造刁難、被同事排擠，
工作很累，位置卻一直不上不下。
這時候，如果告訴他考取品管證照後，
就多一個轉換跑道的機會，
到了新公司，
整個職涯都會閃閃發亮。
這種連結的人味，
不是你丟一句話請 AI 寫文案，
它就能自己憑空想出來的。
這種連結方式，
來自人腦中原本就有的素材、故事感與轉譯能力。
課後看到幾則學員回饋，
我也很有感。
有人記住了 SCQA，
有人提到爆文機器人對業務很有幫助，
也有人終於發現，
原來可以做個人化的設定，例如直接說不要用 emoji。
在交流的過程中我發現，
大家都對工作充滿熱情，
只是還沒有找到與 AI 協作溝通的方法。
未來，工具一定會愈來愈強。
但真正稀缺的，
永遠是那些能把客戶需求想清楚，
有系統地轉譯讓 AI 協助，
最後還願意承擔結果的人。
算力決定產出的速度，
內容的溫度決定共鳴的深度。
