中年大叔的斜槓紀錄 用網路觀察視界 用零售創造事業

AI 可以把事做好,也可能只是快

AI 交辦時只給一張便條,和備齊背景資料的文件夾對比

很多人對 AI 交辦事項,就是一句話。「幫我整理這份報表」「寫一篇新品介紹」「分析上個月業績」。事情的來龍去脈、這份東西要給誰看、哪裡曾經出過錯、這次要偏積極還是保守,一概沒說。AI 很快交出一份看起來完整的成果,然後轉手就交出去?

速度確實變快了。事情有沒有做好,看的人才真正有感覺。

AI 交辦時只給一張便條,和備齊背景資料的文件夾對比

重點整理

  • 只丟一句指令的 AI 交辦,缺的資訊 AI 會自己猜著補上,成果看起來完整,錯誤藏在細節裡。
  • 律師、顧問公司、報社都因為沒查證 AI 的產出付出代價;研究也發現,用 AI 的人常常高估自己快了多少。要想用得好,必須先給足資料、設好驗收方向。
  • 交辦前寫清楚目的、前因後果、例外、完成標準和立場,交出去之前自己驗收,速度和品質才能兼顧。
目錄

十月新開的門市,在報表上整家不見了

我們內部的門市營收日報,程式是用 AI 寫的。十月新開了一家門市,幾天後,同事和我先後發現,報表上並沒有這家店。

查下去原因很單純:程式抓門市清單時,用的是營收目標表。新店開幕時還沒設目標,就整家被略過。程式照著拿到的資訊做事,沒有寫錯。當初交辦時,沒有人提醒一句「新店可能還沒有目標,營收也要列出來」。

這個缺口,AI 不可能自己知道。它只知道我們告訴它的事,沒說的部分,它會用最合理的方式去猜;猜出來的結果看起來也很合理,所以更難發現。後來的修法是把規則寫明:門市清單一律從實際有交易的資料抓,沒有目標的店照樣列出營收,達成率標註「未設目標」。

律師、顧問公司和報社,都付過同樣的代價

2023 年,紐約一位執業三十多年的律師替客戶控告航空公司,用 ChatGPT 找判例,書狀裡引用了六個案子。對方律師和法官怎麼查都查不到,因為這些判例全是 ChatGPT 編出來的。律師事後說,他還問過 ChatGPT 這些案子是不是真的,得到的回答是肯定的。法院最後對兩位律師和事務所罰款 5,000 美元(Mata v. Avianca 案)。

2025 年,Deloitte 替澳洲政府就業與勞資關係部完成一份約 44 萬澳幣的審查報告。報告公開後,雪梨大學的學者發現裡面引用了不存在的學術論文,還有一段捏造的聯邦法院判決引文。Deloitte 承認撰寫過程用了生成式 AI,修正報告,並退還最後一期款項。

同一年 5 月,美國芝加哥太陽時報和費城詢問報的夏季特刊登出一份推薦書單,15 本書裡有 10 本根本不存在,書名掛在真實作家的名下。撰稿人承認書單是 AI 產生的,他沒有逐本查證。

用放大鏡逐條核對 AI 產出報告中的引用來源

三個案子的共同點很清楚:AI 交回來的東西格式漂亮、語氣肯定,負責的人沒有自己看過一遍,就交了出去。出事以後,被追究的是簽名的人,AI 不用負任何責任。

覺得變快了,實際上可能變慢

2025 年 7 月,研究機構 METR 找了 16 位資深開源工程師,在他們自己熟悉的專案上做 246 個任務,隨機決定每個任務能不能用 AI。結果用 AI 的任務平均多花了 19% 的時間。工程師事前預期 AI 能讓他們快 24%,做完之後還覺得自己快了 20%(METR 研究原文)。

同年 MIT 媒體實驗室一項初步研究,讓 54 個人分組寫短文:只用 ChatGPT、只用搜尋引擎、什麼工具都不用。腦波量測顯示,只用 ChatGPT 的那組,大腦各區之間的連結最弱;寫完之後,很多人連自己文章裡的句子都講不出來。

這兩項研究規模都不大,結論還需要更多驗證。它們指向的方向倒是一致:感覺變快,和真的把事做好,是兩回事。東西交出去了,自己腦袋裡沒留下任何判斷,下一次遇到同樣的事,還是只能從頭再交辦一次。

做得好的,都先把資料和驗收準備好

也有很多把 AI 用得好的例子,做法都很相近。摩根士丹利 2023 年替理財顧問推出 AI 助理,事前把公司約十萬份內部研究報告和流程文件整理好交給模型,上線前再請顧問和專家逐題評分回答,確認準確才擴大使用。後來九成八以上的顧問團隊都在用,因為它答的是公司自己的知識,答錯了也有人負責把關。

生技公司 Moderna 導入 ChatGPT 企業版後,員工兩個月內做出七百多個專用小工具。每個工具都綁定一個具體工作,帶著該部門的背景資料和規則,其中一個用來協助整理臨床試驗的劑量資料,最後的判斷仍由研究人員做。

我們自己也是這樣走過來的。公司內部二十多個系統,從報價、採購到會員分析,大多是和 AI 一起做出來的。能做得動,靠的是先把資料口徑、權限規則一條條寫下來,每個系統做完都有人用業務常識驗一遍。前面那家消失的新店,也是這套驗收抓到的。

AI 交辦前,先寫清楚這五件事

半年多來每天和 AI 一起工作(過程記錄在〈AI 認真玩了半年多〉),現在我的 AI 交辦,會盡量把下面五件事寫清楚。多花幾分鐘寫,比事後重做省很多。

AI 交辦前,先在筆記本寫下背景、例外與完成標準的清單
  1. 目的:這份東西給誰看,看完要做什麼決定。給老闆做決策的報表,和給門市看的日報,重點完全不同。
  2. 前因後果:這件事為什麼現在要做,之前發生過什麼、試過什麼、哪裡出過錯。AI 沒有參加過我們的會議。
  3. 例外與邊界:哪些資料不能用、哪些特殊情況要處理。新店沒有目標、退貨要扣掉、會員個資不能出現,這類規則人不說,AI 就不會知道。
  4. 完成的樣子:要交什麼格式、怎樣算對。能附上驗算方法最好,例如各月加總要等於全年數字。
  5. 立場和角度:要積極爭取還是保守控管,站在顧客、品牌還是公司的角度。同一份分析,角度不同,建議可能完全相反。

常用的規則不需要每次重寫。我們把資料口徑、個資規範、寫作風格寫成固定文件,同事看這份,AI 工作時也讀這份。每次交辦,只要補上這次特有的背景就好,效率和完整度可以同時顧到。

交出去之前,自己先驗收

AI 回報「已完成」,只代表它做完了,結果對不對是另一件事。我在〈小小企業的 MIS 團隊怎麼建〉提過,AI 時代最需要的角色之一,就是驗收的人。我的習慣是交出去之前,至少做三件事:

  • 掃一遍關鍵數字,看有沒有不合常理的地方,例如毛利率突然跳了十個百分點,或某家店整個消失。
  • 引用的資料、來源、案例,挑幾個實際點進去,確認真的存在。
  • 用自己的話把結論和理由講一次。講不出來,代表這份東西還不是自己的。

最後這一點最容易被跳過,也最重要。AI 可以幫我們把事情做快,判斷和責任還是在自己身上。

這篇整理的是我們目前的做法,還在一邊用一邊調整。也想聽聽大家的經驗:交辦給 AI 時,你最常漏掉、事後才補上的,是哪一項背景?

AI 交辦時只給一張便條,和備齊背景資料的文件夾對比

喜歡這篇文章的話
按個讚 或是 追蹤熊老闆!

歡迎分享

關於作者

咬一口蘋果,做個快樂的熊老闆。

業餘部落客、業餘攝影愛好者、業餘文字工作者、業餘創業者...。喜歡零售,沈浸在電子商務與新零售的世界裡。

2000 年以前,在傳統產業工作,以廣告公關業為主,包括公關公司、科技公司與汽車工業。2000 年後進入電子商務、拍賣與搜尋行銷等網路領域。2005 年投身創業,2017 再入職場,挑戰新世代的零售業。

目前擔任:

「首邑電商顧問股份有限公司」創辦人兼執行長
「想不同國際股份有限公司」董事長

留言

留下留言

目錄