在生成式人工智能（AI）席捲全球的浪潮中，幾乎所有企業都在大談數位轉型。

老闆忙著給全體同仁採購帳號、引進各種軟體工具；員工也紛紛在社群上炫耀自己如何用一個指令省下數個小時的繁瑣雜務。

然而，當熱鬧的喧囂退去，攤開財務報表時，許多經營者卻猛然驚覺：企業的利潤並沒有增加，甚至虧損反而擴大了。

麥肯錫（McKinsey）等國際顧問機構針對全球企業導入 AI 的實務調查中，揭露了一個令人觸目驚心的殘酷數據：

  • 僅有 6% 的企業，在導入 AI 後獲得了高達 10 倍的超額投資回報。

  • 僅有 33% 的企業，獲得了約 3 倍的正常獲利回報。

  • 高達 61% 的企業，投入了龐大預算與軟硬體訂閱費用後，最終處於實質虧損狀態。

為什麼高達六成以上的企業導入 AI 會以虧損收場？

知名策略名師、策略思維商學院院長孫治華在這場深入剖析「AI 工作協作與企業轉型」的講座中，一針見血地道破了問題的核心癥結——企業與員工之間存在著嚴重的「同床異夢」。

企業引進 AI 的終極企圖，是為了實現「商業成果」：創造營收增長、加速新品研發、優化行銷突破，以及推動關鍵商機的簽約轉換。

然而，絕大多數員工拿起 AI 工具的第一目標，卻只是為了「提早下班、準時閃人」。

這兩者之間巨大的認知落差，導致了嚴重的經營盲區：如果一位業務原本需要花 3 天製作一份客戶提案簡報，現在利用 AI 在 1 小時內快速拼湊完成，但他省下來的時間既沒有走訪更多潛在客戶，也沒有深化客戶決策的推進，公司的實質獲利究竟提升了多少？

答案往往是零。

真正的 AI 轉型，絕不是買幾個帳號、學幾條神奇咒語（Prompt）來加速表面產出；而是透過「人機協作」徹底重構個人認知、業務流程與組織知識體系。

以下是我整理出來，當天孫治華老師在【AI 工作協作與企業轉型：從個人增效、流程重組到組織落地】課堂中分享，他在實戰中所淬鍊出的五大 AI 協作心法，帶領企業走出虛幻的自嗨，扎實落地商業價值。

▋破解弱智的一步到位：人機協作的第一性原則是「先成長，再產出」

在日常工作中，許多人接觸 AI 的第一直覺，就是希望它「一步到位」直接生成投影片（PPT）或完整的企劃檔案。

然而，孫治華老師直言，直接要求 AI 產出一份商業簡報，本質上是一種「弱智的偷懶行為」。

過早追求自動化生成，跳過了人腦在構思、辯證與架構簡報時必須經歷的「認知建立過程」。

AI 在缺乏深度溝通與脈絡輸入的情況下，產出的往往只是充滿空洞套話、甚至連金字塔圖與架構層次都堆疊混亂的殘缺半成品。

一份真正具備商業說服力與大眾影響力的簡報，本質上必須遵循商業溝通的「第一性原則」，依序完成六大核心步驟：

1.深刻理解決策者的核心需求

清楚辨識這份簡報究竟是給誰看，對方的考核痛點與利益所在是什麼。

2.全盤思考背後的說服策略

對方聽完簡報後憑什麼買單？背後需要運用何種心理與商業策略驅動行動。

3.尋找支撐論證的關鍵數據

任何策略若缺乏客觀的財務與市場數據背書，就只是空中樓閣。

4.設計一眼秒懂的視覺化圖解

將複雜的數據與邏輯轉化為矩陣圖、流程圖或架構圖，降低決策者的認知負擔。

5.預先設定報告的現場氛圍

依據提案情境設定嚴謹、謹慎或積極的溝通基調，帶動全場節奏。

6.精準預判並回答關鍵挑戰

商業說服的真正勝負，往往不是發生在簡報陳述的當下，而是在最後的 Q&A 提問環節中能否贏得信任。

在這六大步驟中，AI 的真正價值絕非全盤代勞，而是作為思考的「反光鏡」與「沙盤推演夥伴」。

傳統工作模式中，人們將 70% 的時間浪費在繁瑣的排版、美化與雜務上，僅留下極少時間進行深度閱讀與策略驗證。

而在正確的 AI 協作模式下，這個時間比例必須徹底倒過來：

「在 AI 時代，請永遠記住這六個字：『先成長，再產出』。成長發生在海量資訊的閱讀與反問驗證之中。只有當你透過與 AI 的不斷質詢，讓自己先成為該領域的專家，最後的產出才能真正具備殺傷力。」

具體的產出節奏應嚴格遵守三部曲：

1.先用文字對話鎖定核心內容

反覆質疑想要提供的方案的價值、定價合理性與細節，直到文字邏輯無懈可擊。

2.再要求 AI 專注於視覺設計

將確認好的文字轉換為流程圖、甘特圖或矩陣圖等圖檔。

3.最後才轉換為可編輯的簡報格式

確保每個階段 AI 都能將有限的算力聚焦在單一任務上，產出高質感的商業成果。

▋逼出高價值洞察的提問技藝：1500 字策略與商業模型驗算

許多人抱怨 AI 給出的建議泛泛而談，像極了農民曆或心靈雞湯。

孫治華老師指出，這不是 AI 不行，而是使用者習慣用「極低成本的敷衍提問」對待它。

當你給出的指令缺乏結構，AI 為了節省運算成本，自然只會回饋廉價的表面公關詞令。

要逼出 AI 真正具備顧問級深度的商業洞察，必須掌握以下提問心法：

▋▋1500 字策略與分步探索框架

AI 模型單次生成的最佳品質通常落在 1500 至 2000 字之間。

若試圖在一個 Prompt 內塞入所有需求，往往會導致每項分析都淺嚐輒止。

應採取「分步探索法」，循序漸進地推進：

1.建立分析框架

界定問題的背景、競爭者狀態、主要痛點與初步解決方案。

2.個案深度拆解

引導 AI 帶入國際管理框架（如波特五力分析、3C 策略模型、SWOT 或哈佛個案架構）進行結構化剖析。

3.效益預測與反向驗證

要求 AI 提供正反兩面意見，並特別追問潛在的執行盲點與決策風險。

▋▋賦予鮮明角色，拉高對話認知維度

在提示詞中明確指定具備高度專業背景的角色，能大幅拉升 AI 的輸出深度：

・模糊的情境範例

「請以一位品牌顧問角度提出策略建議。」

・具體的情境範例

「請以一位具備十年經驗、經手過 10 億行銷預算的資深企業轉型顧問身份，剖析此方案在跨部門推行時可能遭遇的三大阻力。」

▋▋拒絕抽象概念，要求建立數學公式進行營收驗算

在商業提案中，最關鍵也最常被忽略的環節就是「效益規模的量化計算」。

以快時尚巨頭 Zara 在實體門市導入「AI 智能試衣鏡」為例，若僅讓 AI 描述「智能試衣鏡能透過 3D 影像辨識與 AR 虛擬穿搭提升客戶體驗」，這樣的內容完全無法說服高階決策者投入預算。

孫治華老師展示了高階協作的示範：直接要求 AI 依據 Zara 內部測試數據，建立一套推估單店與全球營收增長的數學公式：

・關鍵變數設定：

-單店每日平均來客數（C）：假設為 1,500 人。

-原始購買轉換率（CR）：假設為 20%（即 300 人購買）。

-原始平均客單價（AOV）：假設為 50 美元。

-導入智能試衣鏡後的提升效益：銷售轉換率提升 35%（變為 27%）；個人化推薦帶動多件購買，使客單價提升 25%（變為 62.5 美元）。

-全球門市總數（N）：7,000 間。

・營收增長推估運算：

-原始單店每日營收：1,500 人 × 20% × 50 美元 = 15,000 美元。

-導入 AI 試衣鏡後單店每日營收：1,500 人 × 27% × 62.5 美元 = 25,312.5 美元。

-單店每日營收淨增長：25,312.5 - 15,000 = 10,312.5 美元。

-單店每年營收增長（以 365 天計）：約 376 萬美元。

-全球 7,000 間門市年化潛在總增長：驚人地達到約 263.5 億美元。

當公式與數據出爐後，孫老師進一步執行了最關鍵的一步——向 AI 提出質疑：「你為什麼會假設 Zara 每家門市每日來客數是 1,500 人？你的數據來源依據在哪裡？」

此時 AI 被迫坦承，1,500 人僅為運算範例的假設值，因為官方並未公開該機密數據，但同時補充了商業週刊等具備依據的佐證資訊（例如 Zara 顧客平均年到店次數高達 17 次，遠高於同業的 3.5 次）。

透過這種「要求驗算」與「追查數據依據」的反覆辯證，企業才能擠掉簡報中的水分，看清商業推估背後的真實邊界。

▋B2B 顧問式銷售重構：嚴格區分工時、客戶行動與商業成果

在業務銷售部門導入 AI 時，許多主管常犯的致命錯誤，就是將「員工節省的準備時間」直接等同於「企業獲利」。

孫治華老師強調，在 B2B 顧問式銷售流程中，評估 AI 效益必須切成相互獨立的三層架構，絕不能混為一談：

▋▋第一層效益：效率層（準備工時）

・衡量指標

業務整理產業資料、研讀客戶財報、產出提案草稿與修改投影片所花費的完整時間。

・實務成效

原本需要 1 至 2 天的準備工作，在 AI 輔助下可大幅壓縮至 1 小時內完成。

・商業真相

工時節省僅代表「產能釋出」，只要固定薪資沒有減少，在尚未轉化為實際訂單前，它在財務帳上根本不算實質效益。

▋▋第二層效益：銷售進展層（客戶採取的具體行動）

・衡量指標

客戶在會後是否產生了具體的推進意願。例如是否願意提供內部產線的停機歷史數據？是否同意安排試點（PoC）？是否願意拉主管共同排定正式的決策會議？

・核心價值

這是檢驗 AI 產出的簡報是否有打中客戶痛點的唯一試金石。如果準備速度極快，但客戶開完會後毫無後續動作，這份簡報就是徹底失敗的。

▋▋第三層效益：商業成果層（訂單與財務結果）

・衡量指標

最終簽約的合同金額、認列的營業收入，以及扣除所有變動成本後的實質毛利貢獻。

・終極目標

唯有客戶採取了進展行動並最終轉化為財務現金流，AI 的介入才算真正創造了商業價值。

為了讓業務同仁在每個階段都能精準借力，企業應將 B2B 銷售完整拆解為八大標準階段，並明確規範 AI 省時與推進商機的切入點：

・階段 01：選客戶與商機

由 AI 彙整過往交易與產品使用紀錄，自動掃描既有舊客戶近期是否有擴產或新產線線索，由業務判定優先開發清單。

・階段 02：拜訪前準備

由 AI 彙整客戶公司年報與產業最新動態，產出一頁會前速讀簡報，找出本次拜訪要驗證的核心假設。

・階段 03：訪談與商機判定

開會後將對話紀錄交由 AI 梳理會議紀要與待辦事項，標註出客戶的預算缺口與時程限制，確認是否值得投入資源。

・階段 04：設計方案與驗證

利用 AI 比對不同試點方案的技術限制與驗收標準，草擬驗收計畫表，與客戶窗口敲定測試範圍與明確日期。

・階段 05：提案與內部說服

由 AI 針對客戶端不同決策角色（如技術長、財務長、營運主管）客製化問答集與一頁決策摘要，協助內部窗口向高層推進評估。

・階段 06：議價與成交

由 AI 模擬各種降價與付款條件情境，精算折扣幅度對毛利的影響，確保業務在核可授權範圍內取得訂單。

・階段 07：交付與驗收

由 AI 彙整售前合約承諾與驗收條款，產出交付對照清單，防止售後執行與售前承諾出現斷層脫節。

・階段 08：續約與擴單

在第一條產線驗收完成後，利用 AI 整理可複製的具體效益數據，向生產主管引薦下一條產線或新據點的負責人，開啟下一輪採購商機。

▋企業 AI 組織架構：三大腦模型與共用知識庫（KM）體系

為什麼不同層級的人對 AI 的評價截然不同？

高階副總常痛斥 AI 在胡言亂語，中階主管覺得差強人意，基層員工卻覺得好用得不得了？

孫治華老師剖析，這是因為大家在不同的大腦層次中對話。在企業組織架構中，必須清晰區分「三大腦」的職能邊界：

・大眾腦（公開智慧層）

AI 預訓練時學得的全球海量公開網頁與文獻資料。

它精通多國語言溝通與普通常識，但極度缺乏針對特定企業的垂直情境。

・情境腦（企業專屬情報層）

這是企業 AI 轉型最關鍵的勝負手！

包含自家的核心交付能力、產業特有瓶頸、主要競爭對手的優劣勢對照、目標客戶的組織架構、現有系統與歷史訪談紀錄。

缺少了情境腦，大眾腦只會給出空泛平庸的廢話。

・個人腦（專家判斷與企圖心層）

經營者與資深專家的品味標準、商業企圖心，以及對風險底線的最終裁量權。

很多員工在使用 AI 時，往往讓大眾腦直接對接個人腦，中間完全跳過了情境腦。

結果 AI 手握 1,000 份通用模板，根本不知道該調用哪一份，產出自然嚴重失真。

為了打造具備統一戰鬥力的企業級情境腦，企業絕不能讓各部門員工各自閉門造車，而必須建立結構化的「共用知識庫（KM 資料庫）」：

・01_自己公司/

存放公司概況、核心產品規格、核心交付能力與成功標竿案例。

・02_自己產業/

存放自家產業的未來發展趨勢、法規變革與技術瓶頸分析。

・03_競爭對手/

存放市場主要競品的定價、規格比較表與市場差異化定位。

・04_客戶產業/

存放製造業、金融業、醫療業等各目標市場的運作動態與供應鏈痛點。

・05_客戶資料/

存放各特定客戶的年報重點、組織脈絡、既有採購系統與歷史訪談逐字稿。

當全體同仁需要啟動一項新提案時，不需要重複將龐大的背景資料貼進對話視窗中，只需透過一份標準的專案背景索引文件（00_專案背景.md）作為驅動中樞：

・本案目標

例如為特定製造客戶擬定前三個月的 AI 試點導入提案。

・本案必讀清單

精準標註本專案必須讀取的內部知識庫路徑（如：先讀自家交付能力檔案、再讀該製造客戶的組織現況與本案訪談紀錄）。

・依任務補讀清單

若撰寫至差異化章節，再按需調閱競品比較檔案。

透過共用知識庫與單一背景引導檔案，無論團隊使用的是 Codex、Claude Code 或 ChatGPT，所有工具與人員都行走在完全相同的認知路徑上，真正實現「研究整理一次，跨專案無縫重複使用」。

▋20分鐘實戰落地：五步打造專屬「業務演練與題庫系統」

在傳統企業管理中，培訓一名新人業務通常只能依賴「師徒制」手把手帶領。

然而，業務到底何時能獨立面對客戶？

過去只能憑感覺摸索，在一次次丟失訂單的慘痛代價中累積經驗。

孫治華老師在課堂上親自示範，如何善用 AI 工具鏈，在短短 20 分鐘內從無到有搭建出一套「業務演練、自動評分與經驗傳承系統」：

▋▋概念演進的三層次：

・Prompt（單次指令）

指派具體任務（例如要求生成客戶常見問題）。

・Skill（標準流程技能）

將重複調用的判斷規則、SOP 與輸出格式固化為可跨專案調用的模組。

・Agent（自動化代理人）

負責承接整條業務大流程、自動串接工具並交付最終成果的虛擬系統。

另外，這套業務演練系統的具體建構路徑分為五個步驟。

▋▋五步驟建構業務演練系統

▋▋▋第一步：讀取公開資料，生成多維度分級題庫

直接提供公司的產品官網或公開銷售頁面連結，要求 AI 消化產品資訊後，自動生成業務在第一線最常遭遇的 15 至 20 道銷售難題。

為了確保演練深度，題庫必須嚴格執行「難度分級」與「對比設計」：

・分級標準

分為 L1 基礎功能說明、L2 需求診斷與規格判斷、L3 高壓談判與殺價威脅（例如客戶威脅若不降價就上網控訴）。

・回答對比

針對每一道題目，AI 同時生成「優質建議回法（附帶為何有效的邏輯理由）」與「容易踩雷的糟糕回法（標明可能引發越權改價或公關危機的風險）」。

▋▋▋第二步：一鍵部署為互動式演練網站（Sites）

單純將題庫整理在文字檔案中，員工往往根本不會主動閱讀。

直接下達指令，要求 AI 將上述分級問答題庫轉化為一個可互動的網頁（HTML/Sites）。

員工打開瀏覽器，即可直觀挑選難度，逐題閱讀情境並對照好壞回法。

▋▋▋第三步：開啟模擬作答，由 AI 執行逐句評分與修改回饋

升級網站功能，讓業務在閱讀情境後，必須在輸入框內親自鍵入自己會對客戶說的話。

提交後，AI 會自動進行「逐句講評」，並依照四項核心溝通指標進行評分（每項 0 至 2 分，單題滿分 8 分），明確指出該回答覆蓋了哪些關鍵重點、漏掉了哪些重要承諾，並提供具體的文字優化改寫建議。

▋▋▋第四步：串接資料庫，精準記錄學員進步軌跡

單純的線上練習若缺乏紀錄，主管依然無法掌握團隊訓練成效。

透過串接 Notion 或資料庫系統，系統會自動記錄每位業務每次練習的作答版本、作答時間與歷次得分。

主管只要查看報表，就能清楚掌握：哪位業務已經連續三次在 L3 高壓情境中拿下 7 分以上，代表具備獨立出外洽談大案的能力；哪位業務在處理殺價問題時仍反覆出現越權讓利的盲點，需要進一步輔導。

▋▋▋第五步：實戰好答案回補題庫，將個人智慧固化為組織資產

當業務在真實市場中遇到了題庫原本未收錄的新刁難問題，或在談判中創造了極其精彩的應對話術，經由資深主管審核確認後，可一鍵將該問答與最佳解法同步回補至分級題庫中。

題庫從最初的 15 題逐步擴充至 30 題、50 題，個人的實戰經驗藉此沉澱為全體組織的智慧資產，徹底終結「優秀業務離職，企業經驗就隨之倒閉」的歷史悲劇呀！

▋寫在最後

在講座的尾聲，孫治華老師分享了一個發人深省的商業哲學：

「很多人都在談『一人公司』。但一人公司的本質依然是一家『公司』，而公司的本質是『組織架構』。很多人創業之所以活得極其痛苦，是因為他們本質上只是身兼研發部與客服部的超級工匠，卻永遠缺乏『行銷部』為他創造流量，缺乏『業務部』為他敲定訂單。」

傳統時代裡，小公司因為預算與營收體量限制，根本無力負擔龐大的專職部門編制；但在 AI 代理人（Agent）技術成熟的今天，任何一位創業者都可以根據自身最痛苦的業務瓶頸，運用國際經典框架打造出專屬的虛擬行銷長、虛擬業務顧問或虛擬客服系統。

一人公司的本質是組織架構，而現在則能用 AI 代理人補齊你的商業缺口。

不要再等待自己把所有技術細節都學懂了才敢踏出第一步。

帶著你真實的業務困擾與商業目標，把 AI 當作身價百萬的資深顧問進行深度對話。

當你懂得善用情境腦重構工作流程、分開檢驗銷售進展，並將實戰智慧固化為系統時，你便能真正跨越 61% 的虧損泥淖，讓 AI 成為引領企業實現持續性獲利增長的最強商業引擎呀！