今天一整天時間，跟一家顧問公司的好朋友們分享我整套的「AI x 專業」的實踐作法。
我決定這麼做的原因，是因為最近深刻體悟：我真正在意的，早已跳脫了純 AI 工具操作。科技工具的更迭速度極快。今天市場上討論的是 ChatGPT，明天焦點轉向 Gemini，後天勢必又有全新的模型、介面與功能問世。理解這些工具固然必要，但若將學習停留在操作層面，技能很快就會面臨淘汰。真正值得深究的課題，在於 AI 該如何無縫融入一個人的專業領域，並且實質放大講師、顧問或任何知識工作者原先具備的判斷力，最終更有效地為客戶或學員創造價值。
基於這個考量，我選擇將個人在實務上的備課細節、課堂運作方式、課後資訊整理，乃至於完整的提示詞（Prompt），全數分享給今天參與好友們。
這些產出背後，是我累積的課程經驗、現場的快速判斷與方法論的設計。隨著實作經驗增加，我越發確信，若將這些成果僅鎖在自己腦子裡，將是非常可惜的事。因為一份提示詞真正的價值，在於它具體展現了一種將「隱性專業」轉化為「顯性架構」的能力。
將「隱性知識」具象化：打破專業傳承的壁壘
過去在商管教育與顧問業界，我們經常面臨一個共同難題：專業經驗極難傳承。
資深的顧問憑藉經驗，精準掌握提問的切入點；資深的講師懂得在適當的時機暫停講授，預判學員可能卡關的環節，甚至能從客戶一句輕描淡寫的發言中，聽出背後未言明的真實需求。這些能力通常隱藏在長年累積的現場反應與直覺判斷中，很難被標準化並寫成教學文件。
生成式 AI 的普及，為這個長久以來的難題帶來了轉機。
AI 迫使我們必須將腦中的思考過程清晰地表述出來。若期望 AI 成為得力的助手，我們無法僅給予模糊的指示要求它「產出一個顧問工具」。我們必須精確定義整個流程：第一步的提問邏輯為何？使用者需要輸入哪些具體資料？系統輸出的最終格式應該長什麼樣子？哪些環節需要特別設定防呆提醒？哪些條件只能視為初步假設？最重要的是，必須明確劃分出哪些決策點必須交還給「人」來進行最終判斷。
這個將思維拆解並賦予邏輯的過程，本質上就是一次高強度的專業知識梳理。
從策略工作坊看見專業與 AI 的協作流程
為了解釋這個概念，我以自身規劃的策略工作坊作為實際範例。
我從工作坊最終的產出結果開始，一路回溯整個準備流程：課前如何進行學員背景分析與準備，龐雜的訪談逐字稿如何進行數據清理，相關資料如何有系統地歸納至專案資料夾。進入課堂後，學習表單的題目與引導語該如何設計，學員完成討論後如何透過拍照上傳，助教團隊如何在後台迅速整理這些素材，AI 如何在短時間內完成初步的邏輯判讀，最後，講師又該如何運用這些經過初步梳理的資訊，回到現場帶領更深度的討論。
這些步驟表面上是一套標準作業流程，但其核心意義遠大於此。它們實際上在回應一個關鍵議題：一位專業工作者，該如何運用 AI 讓自身的專業方法更容易被外界理解、學習，並進一步擴展其影響力。
這也是我今天分享完整提示詞的原因。我期望這群顧問專家看見的，不僅僅是一個看似神奇的 AI 產出結果，而是這個結果「如何」被建構出來的完整路徑。它絕對不是隨意將資料丟進系統後等待奇蹟，而是必須先具備人類的方法論、判斷基準與流程設計，隨後才由 AI 介入，執行資料整理、邏輯補充、交叉檢查與內容產出。
顧問方法的解構：價值在於「觀點」
早上的分享，是我的方法，下午，就是將這群優秀顧問的獨門方法論，現場即時轉換為 AI 提示詞與工作流程。
當顧問團隊口述他們的輔導流程時，我同步進行邏輯架構的整理，並持續提出追問：這個步驟設立的真實目的為何？為何選擇從這個特定角度切入？貴公司解讀商業模式畫布（Business Model Canvas）的視角，與市場上其他顧問有何差異？在建構人物誌（Persona）時，你們看重的是目標客群的一般性描述，還是他們在特定情境下急需解決的痛點？
多輪對話之後，就能看出這些顧問們的深厚功底。
業界多數人都熟悉商業模式畫布，也懂得操作人物誌、顧客旅程或服務藍圖（Service Map）。然而，每一家顧問公司在實際帶領客戶操作時的切入點與背後的商業判斷卻截然不同。有些團隊習慣先從客戶痛點出發，有些從營收結構檢視，有些著眼於企業的技術壁壘，有些則從未來的市場定位進行逆推。這些視角與順序的差異，正是所謂的「專業觀點」。
倘若這些專業觀點沒有被清晰地定義與描述，AI 就只能產出極度平庸、缺乏洞察的罐頭回覆。
因此，我強烈建議專業工作者：必須確立自身的觀點。你必須能夠具體說明這套方法論的設計邏輯，清楚指出優秀範例的標準，並能一眼看穿普通範例的缺陷所在。同時，必須清楚界定在整個服務流程中，AI 可以分擔哪些工作，而人類專家又必須在哪些節點強勢介入。
跨越溝通障礙：將專業轉換為「可互動的形式」
許多專業工作者具備深厚的實力，對自身領域瞭若指掌，他們面臨的挑戰，主要在於尚未適應與 AI 協作的溝通模式。在過去，人與工具的關係相對單向：按下按鈕，系統執行動作；輸入數據，系統給出計算結果。但現在的協作模式已截然不同。與 AI 共事，意味著必須學會將腦中的思考過程具象化，將決策的判斷規則條理化，並將教學或輔導的節奏清晰地表達出來。
對多數人而言，這是一種極為陌生的工作型態。
對於習慣在現場高度互動的講師與顧問來說，適應期尤其辛苦。他們擅長臨場反應，能敏銳察覺客戶的狀態起伏，善於捕捉學員的表情變化，並能在熱烈的討論中精準提煉出核心問題。然而，當要求他們將這些無形的引導能力轉化為一段具備邏輯的提示詞、一組提示詞，或是一個能讓 AI 協助執行的系統工具時，他們就會遇到難題了。
這源於他們的專業高度仰賴現場運作，尚未經過系統化的淬鍊，轉變為可以被描述、被反覆測試與修改的結構化形式。因此，在 AI 時代，知識工作者必須具備一項全新的核心能力：將自身的專業方法，轉化為可互動的數位形式。
以往我們產出的是靜態的講義、簡報與工作表單。展望未來，我們需要建構的可能是一個專屬的 AI 助教、一套互動式的提問系統、一個分析輔助模組，或者一段能有效引導學員進行深度反思的對話流程。這些新工具的出現，目的並非取代實體課程或輔導，而是讓專業服務的影響力，能在課前與課後持續延伸。
重新定義現場價值：引導、判斷與採取行動
在這樣的架構下，課堂或會議現場的價值將被徹底重新定義。
學員可以在課前先透過系統跑過一次基本流程，帶著自己產出的初稿進入教室。在課堂中，講師可以將 AI 產生的內容作為討論素材，帶領大家共同檢視：這些論述哪裡符合邏輯？哪裡過於空泛？哪些觀點缺乏數據支撐？課後，系統亦可將課堂上的討論精華，自動轉化為具體的行動清單、個人化的學習回饋，或是下一階段的實作作業。
講師的角色不再侷限於單向的知識傳遞，顧問也不再只是提交一大本結案報告。他們的核心貢獻將轉變為：能否引導一群人圍繞著同一份資料進行高品質的思辨？能否協助團隊看穿 AI 產出內容的盲點與限制？能否帶領大家在眾多看似合理的選項中，做出真正值得投入資源並採取行動的商業決策？
這是我極度渴望將這套思維傳遞給更多專業者的原因。
市場上有太多具備深厚底蘊的專家，只是受限於時間，無法將經驗系統化。許多顧問擁有卓越的方法論，卻缺乏將其寫成可傳承格式的契機。許多講師具備極佳的教學直覺，但在課程結束後，那些在課堂上靈光一現的絕妙比喻、犀利追問與即時修正，便隨之消逝，未能留下紀錄。
AI 讓保存與傳承這些專業資產變得可行。
它可以迅速處理語音逐字稿，梳理複雜的課堂結構，精準萃取學員的核心提問，協助編纂系統化的教材。它能將顧問口述的輔導方法轉換為標準化的提示詞，甚至將一套複雜的顧問流程開發成初步的輔助工具。AI 無法自動生成專業，但它能大幅縮短專業工作者看見自身方法論輪廓的時間，並加速這些方法在組織內部的流通與應用。
我公開分享這些實作經驗與工具，並非認為它們已經完美無瑕。事實上，每一套流程都需要持續優化，每一個工具都需要在不同情境下反覆測試，每一段指令也都存在著產生誤差的風險。儘管如此，我十分確定這個發展方向是正確的。
未來的知識工作者，不能僅僅滿足於學會操作 AI 工具。更關鍵的任務，是學會讓 AI 深度融入自己的專業工作流之中。
當這件事運作得當，AI 將不再只是一個外掛的輔助軟體，而是專業能力向外延伸的強大神經網路。它能協助你做足更周全的準備，以更高的效率完成資訊梳理，提出更細緻的探究問題。最終，它將為你保留下最寶貴的心智頻寬與精力，讓你專注於真正無可取代的高價值工作：理解人的需求、引導人的思考，並幫助人們做出更精準的判斷。
這才是我真正想傳遞的核心價值。
