• 00:00 1.
    向 AI 學習！
  • 索引
  • 筆記
  • 全螢幕
向 AI 學習！
長度: 07:51, 瀏覽: 459, 最近修訂: 2026-09-23
主題索引
1. AI 真的很厲害！
2. 你的超級顧問
3. 向 AI 學什麼？
大家有沒有想過這個問題？
生成式 AI 明明就是無腦的計算出下一個 token 的機率，為什麼看起來就比人類厲害很多呢？

或許用下面這個比喻大家就可以理解了

很有經驗的老王
看到 A 就能想到 B，完全不思考的，腦袋裡記了一堆完全沒有結構化的 QA 關係

超級聰明的小李
邏輯推理很強，但卻沒經驗

當遇到問題時，哪一個比較能夠解決問題？
答案很明顯，當然是那個很有「經驗」的老王，熟到都不需要經過大腦就能解決問題囉。

畢竟，「經驗」是前人累積、淬鍊的精華，
就像工程數學一樣，直接套公式就能解題，完全不需要知道這個公式背後的推理過程。

這就是 AI 比 99% 的人類更厲害的原地方，
因為它雖然無腦，但卻記住了全世界人類資訊中 AB 之間的關係。


AI 真的很厲害！
目前 Transformer (ChatGPT 中的 T) 為核心技術的 AI，
不僅已經將全人類大量的資料都背起來之外，還有很強大的 Attention 機制，能建立資訊之間的深層關聯。

即便 AI 並不具備真正的「理解能力」，某種程度上只是無腦的「複製貼上」，但光是這樣，就已經比 99% 以上的人類更能「理解」、更會「寫」了。


你的超級顧問
因此，只要你懂得怎麼問，
AI 這位超級學霸，就是你隨時的助理、老師 or 專家顧問，而且 EQ 100 分，永遠不會生氣喔！

既然我們手邊有這麼厲害的「老師」，
當然應該在每一次與 AI 的互動中，好好把握學習的機會！


向 AI 學什麼？
除了學習 AI 的 EQ 之外，
在 AI 時代，「提問」和「表達」能力又更重要了 !

例如，當您遇到問題卻無法清楚描述時 ...
  1. 別人就無法幫忙
  2. 代表我們可能不知道真正的問題點，就不容易對症下藥。

舉個例子來說，
當我們遇到問題，想透過知識庫尋找答案時：
  1. 不會問
    如果沒問到重點 or 缺乏前提 (如主詞或情境)，當然就找不到，內容再完整的知識庫也英雄無用武之地。

  2. 寫不清楚
    即使找到了，卻看不懂，那也是白搭 ....

而這兩項關鍵能力，
在每一次和 AI 的互動中，就能經一事長一智，
向 AI 學習之外，還可以讓 AI 成為我們協作的小幫手。
  1. 提問
    當你問的問題，明明知識庫有，但如果 AI 沒辦法找到，那可能是問不清楚喔。
    那就反求諸己一下，再次檢查：有問到關鍵主體和需求嗎？有清楚的前提 or 主詞、動詞嗎？

    案例：「問不清楚的，還要整理成 FAQ 嗎？」

  2. 表達與整理
    當 AI 從知識庫的資料回答的時候，經過 AI 潤飾的內容，常常寫的比原文件還要清楚與通順，這時候就可以參考 AI 說的，回頭修改文件的內容，就能進入 PDCA 持續改善。

    當然，更簡單的方式就把它存成 FAQ， 不要浪費，因為下次 AI 不一定可以回答的這麼好喔。
    評語
    5
    共 1 則評分
    5
    4
    3
    2
    1
    請登入後才可以評分
    上一篇 下一篇
      1. Q1.
        [案例] 問不清楚
      2. Q2.
        [案例] Q 的標題不夠好 (持續改善)
      位置
      1. 知識庫
      2. AI 人工智慧之道 ~ 每天 10 分鐘，打造沒有幻覺的 AI 知識庫
      資料夾名稱
      AI 人工智慧之道 ~ 每天 10 分鐘，打造沒有幻覺的 AI 知識庫
      上傳者
      蘇德宙
      單位
      台灣數位員工
      標籤
      PDCA, AI技術原理, 向AI學習
      建立
      2025-04-17 06:14:38
      最近修訂
      2026-09-23 18:32:39
      長度
      07:51
      引用
      1
      1. 知識庫
      2. AI 人工智慧之道 ~ 每天 10 分鐘，打造沒有幻覺的 AI 知識庫
      1. 1.
        快速入門
        1. 1.1
          AI 人工智慧之道
        2. 1.2
          60 分鐘就上手 ~ 從 AI 知識庫到 10 倍速傳承
        3. 1.3
          問&答，是打造企業 AI 知識庫唯一實務可行的方法！
        4. 1.4
          問，真的很重要！！
      2. 2.
        需求、現況與突破
        1. 2.1
          需求：有問題要問誰？
        2. 2.2
          GenAI 鴻溝 ~ 95% 企業 AI 投資零回報
        3. 2.3
          為什麼 AI 展示時都很厲害，但實際導入後卻常常令人失望
        4. 2.4
          隱性經驗危機，AI 巧婦難為無米之炊
        5. 2.5
          知識管理的 3 大痛點 ~ 經驗進不去、維護困難、找不到
        6. 2.6
          突破 ~ 什麼都先問 AI 就對了
        7. 2.7
          寫 FAQ ，是紀錄經驗最簡單、有效的方式
        8. 2.8
          寫 FAQ 案例：RD 一人踩坑、全體免疫
      3. 3.
        生成式 AI 的根本限制與風險
        1. 3.1
          生成式 AI 的 5 個根本限制
        2. 3.2
          AI 幻覺 (hallucination) 與可能的風險
        3. 3.3
          避免 AI 幻覺 ~ 不讓 AI 生成、直接輸出 FAQ 內容
      4. 4.
        打造沒有 AI 幻覺的知識庫
        1. 4.1
          30 分鐘，建立基礎的 AI 知識庫
        2. 4.2
          每天 10 分鐘，打造一個沒幻覺的 AI 知識庫
        3. 4.3
          有記錄到的這麼少，甚至還寫錯，真的值得做嗎？
        4. 4.4
          AI 知識社群
        5. 4.5
          AI 知識社群，執行流程 ~ 寫了，就不要浪費
        6. 4.6
          AI 小幫手 or 知識社群，要選哪一個？
        7. 4.7
          推動，很困難？「小行為 + 即時激勵」就對了
        8. 4.8
          讓寫 FAQ 不再抗拒，反而變成每天都很渴望想做的事
        9. 4.9
          輔導方案 ~ 導入 xms+ AI 知識庫
        10. 4.10
          教育訓練指引 (以圖書館服務為例)
      5. 5.
        應用 (1) ~ 用 AI 提升業績 20%
        1. 5.1
          用 AI 帶動團隊業績提升 20%
        2. 5.2
          向 AI 學習！
        3. 5.3
          向 AI 學習的案例：官網價格比較低，為什麼要向你們買比較貴的？
        4. 5.4
          提升業績案例 (1) ~ 連鎖超商的水餃促銷
        5. 5.5
          提升業績案例 (2) ~ 連鎖超商泡麵促銷
      6. 6.
        應用 (2) ~ AI 驅動的學習革命
        1. 6.1
          70-20-10 學習法則，要很久才能累積經驗
        2. 6.2
          記錄經驗，可以很簡單、有效率！
        3. 6.3
          設計測驗，確保學習效果最有效的方法！
        4. 6.4
          用 AI 實踐 10 倍速經驗傳承
        5. 6.5
          AI 驅動的翻轉教室 3.0，打破聽課只有 5% 吸收率的魔咒
        6. 6.6
          翻轉教室 2.0 ~ 上課同步錄影出高品質的教材
        7. 6.7
          將「現場操作教學」變成高品質的線上課程！
        8. 6.8
          學習的 5 大關鍵 ~ 理解、整理、刻意練習、回想
      7. 7.
        採取行動 ~ 導入系統與建立制度
        1. 7.1
          ABC 行動指南
        2. 7.2
          冰山在融化 ~ 組織成功變革的 8 個步驟
        3. 7.3
          做，就對了
        4. 7.4
          導入企劃書 (1) ~ 分階段策略
        5. 7.5
          導入企劃書 (2) ~ 深耕人才發展，邁向頂尖 (成為台灣領頭羊、全球典範)
        6. 7.6
          導入企劃書 (3) ~ AI 驅動的學習革命，翻轉教室 3.0 (邁向頂尖大學)
        7. 7.7
          為什麼傳統的激勵方法，效果不好？
      8. 8.
        知識管理 (1) ~ 記錄經驗
        1. 8.1
          寫文件，很難！
        2. 8.2
          已經有文件了，為什麼還要寫 FAQ？
        3. 8.3
          文件看不到重點 vs. FAQ 對症下藥
        4. 8.4
          不同的經驗，適合的紀錄方式也不同 (因地制宜)
        5. 8.5
          完美的結合 ~ 文件 + FAQ
        6. 8.6
          收集經驗，讓 AI 來幫你快速整理
      9. 9.
        知識管理 (2) ~ 維護資料
        1. 9.1
          維護資料，很困難！
        2. 9.2
          ISO 的文件規範，很理想，但是 ...
        3. 9.3
          AI 驅動的維護資料 ~ 什麼都問 AI 就對了！
        4. 9.4
          依據 AI 統計資料，持續維護與優化知識庫
        5. 9.5
          維護案例 (1) ~ 改善「過時」的流程
        6. 9.6
          維護案例 (2) ~ 改善「不完整」的流程
      10. 10.
        知識管理 (3) ~ 寫 FAQ
        1. 10.1
          FAQ 怎麼寫？
        2. 10.2
          QBS ~ 寫成一個 QA 還是分拆多個？
        3. 10.3
          降低寫 FAQ 的門檻：AI 輔助與 PREP 結構應用
        4. 10.4
          寫 1 個 QA 要花多少時間？ (含寫作技巧)
        5. 10.5
          寫 FAQ (1) ~ 快速、高品質的標準化流程
        6. 10.6
          寫 FAQ (2) ~ 問題，要怎麼描述？ (原則與步驟)
        7. 10.7
          寫 FAQ (3) ~ 內容，先講重點就對了 (PREP)
        8. 10.8
          寫 FAQ (4) ~ 分領域 or 補前提
        9. 10.9
          寫 FAQ (5) ~ 排版，可以畫龍點睛！ (凸顯重點、增加可讀性)
        10. 10.10
          寫 FAQ (6) ~ 案例練習 (下標題、排版)
      11. 11.
        知識管理 (4) ~ 寫文件
        1. 11.1
          文件：用「重點」來整理就會簡單很多
        2. 11.2
          寫操作手冊
        3. 11.3
          案例分析：從「經驗」提升到「能力」層次
        4. 11.4
          從案例分析到行為變革
      12. 12.
        操作教學
        1. 12.1
          [操作] 建立 AI 小幫手 (1) - 基礎 AI 服務
        2. 12.2
          [操作] 建立 AI 小幫手 (2) - 打造沒有 AI 幻覺的小幫手
        3. 12.3
          [操作] AI 知識社群
        4. 12.4
          [操作] 用 AI 實踐 10 倍速經驗傳承
        5. 12.5
          [操作] 翻轉教室 3.0 ~ 線上錄影、AI 重點整理、設計測驗
        6. 12.6
          [操作] 依據 AI 統計資料，持續優化知識庫
        7. 12.7
          [操作] AI 會議管理
        8. 12.8
          [操作] 案例分析 (1) ~ 問題處理
        9. 12.9
          [操作] 案例分析 (2) ~ 重點整理
      13. 13.
        Q&A
        1. 13.1
          AI 人工智慧之道 ~ 打破砂鍋問到底！
        2. 13.2
          企業為什麼需要自己的 AI 知識庫？
          1. 13.2.1
            企業已經有 ChatGPT，為什麼還需要自己的 AI 知識庫？
          2. 13.2.2
            Google 查得到的、ChatGPT 都可以回答的，還要問嗎？
          3. 13.2.3
            為什麼企業最缺的不是 AI 系統，而是企業自己的經驗？
          4. 13.2.4
            什麼是「隱性經驗危機」？
          5. 13.2.5
            為什麼「提問」是建立企業 AI 知識庫的起點？
        3. 13.3
          文件與 FAQ
          1. 13.3.1
            為什麼 FAQ 比完整文件更適合記錄實務經驗？
          2. 13.3.2
            已經有很多文件，為什麼還要寫 FAQ？
          3. 13.3.3
            文件與 FAQ 應該如何搭配？
          4. 13.3.4
            用文件記錄經驗，為什麼不會成功？
          5. 13.3.5
            為什麼寫 FAQ 是必要的？
        4. 13.4
          AI 幻覺
          1. 13.4.1
            為什麼 AI 會胡說八道？
          2. 13.4.2
            AI 胡說八道，可以解決嗎？
          3. 13.4.3
            如何避免 AI 胡說八道？
          4. 13.4.4
            不讓 AI 生成，那要如何回答問題？
          5. 13.4.5
            為什麼讓 AI 找 QA 就比較不會歪樓呢？
          6. 13.4.6
            為什麼企業自己的 FAQ 可以降低 AI 幻覺？
        5. 13.5
          如何開始累積經驗？
          1. 13.5.1
            什麼是「需求驅動 Q&A」？核心概念是什麼？
          2. 13.5.2
            每天只花 10 分鐘，真的可以建立 AI 知識庫嗎？
          3. 13.5.3
            如果只能記錄少部分經驗，真的有用嗎？
          4. 13.5.4
            為什麼「什麼都先問 AI」可以幫助建立知識庫？
        6. 13.6
          員工不想寫 FAQ 怎麼辦？
          1. 13.6.1
            大家都不想寫 Q&A，怎麼辦？
          2. 13.6.2
            如何降低寫 FAQ 的門檻？
          3. 13.6.3
            如何養成寫 FAQ 的習慣？
          4. 13.6.4
            推動知識分享為什麼困難？
        7. 13.7
          FAQ 要怎麼寫？
          1. 13.7.1
            一個好的 FAQ 應該怎麼寫？
          2. 13.7.2
            FAQ 的答案為什麼要先講重點？
          3. 13.7.3
            一個問題應該寫成一個 QA，還是拆成多個 QA？
          4. 13.7.4
            FAQ 需要補充前提嗎？
          5. 13.7.5
            已經有 QA，只是使用者換了一種問法，該怎麼處理？
          6. 13.7.6
            如何將已上傳的影片 or 文章放進 FAQ？
        8. 13.8
          知識庫如何持續維護？
          1. 13.8.1
            知識庫建立後，為什麼維護很困難？
          2. 13.8.2
            如何改善知識庫中，過時、不完整的流程？
          3. 13.8.3
            如何讓知識庫持續改善，而不是建立一次就停止？
        9. 13.9
          經驗如何變成能力？
          1. 13.9.1
            如何把一個人的經驗快速傳承給整個團隊？
          2. 13.9.2
            如何從「記錄經驗」進一步做到「能力提升」？
          3. 13.9.3
            AI 如何做到 10 倍速經驗傳承？
        10. 13.10
          如何推動？
          1. 13.10.1
            現在已經有很多文件了，可以直接給 AI 用嗎？
          2. 13.10.2
            紀錄經驗很難？
          3. 13.10.3
            寫錯怎麼辦？
          4. 13.10.4
            推動很困難？
          5. 13.10.5
            如何推動？
          6. 13.10.6
            建立好知識庫後，但還是習慣直接問人，可以怎麼解決這樣狀況呢？
          7. 13.10.7
            如何鼓勵分享與使用知識庫呢？
          8. 13.10.8
            如果問 AI 無法回答時，該怎麼辦？
        11. 13.11
          xms+AI 操作相關
          1. 13.11.1
            為什麼 AI 找不到新建立的 FAQ？即使問了一模一樣的問題也是
          2. 13.11.2
            AI 小幫手想推廣到全公司，建議怎麼規劃 AI 小幫手和資料夾分類？
          3. 13.11.3
            xms+ AI 模組有哪些功能？有操作介紹嗎？
          4. 13.11.4
            AI小幫手有啟用「限制AI生成」，卻還是出現 AI 生成的內容？
          5. 13.11.5
            後台可以統計誰最多發問嗎？
          6. 13.11.6
            AI 小幫手可以開放給所有人用嗎？
          7. 13.11.7
            內部專屬問題與客戶可能詢問的問題，應如何建立資料夾？
          8. 13.11.8
            試用站建立的 FAQ，可以移回自己的系統嗎？ (FAQ 匯入、匯出)
          9. 13.11.9
            可以查看單位內同仁寫過哪些 FAQ 嗎？
          10. 13.11.10
            從 FAQ 建立課程時，可以選擇跨資料夾的 FAQ 嗎？
          11. 13.11.11
            系統導入時程，可以怎麼規劃？
          12. 13.11.12
            用 AI 小幫手，或是產生逐字稿、重點整理、字幕等，資料會不會外洩？
          13. 13.11.13
            如何克服語音轉文字 (逐字稿) 可能有錯字？
          14. 13.11.14
            已經將 AI 小幫手的權限設成所有成員了，為什麼還是沒有權限？
          15. 13.11.15
            AI 出題的題目數量是如何決定的
          16. 13.11.16
            AI 可以自動將影片內容整理成講義嗎？
          17. 13.11.17
            AI 可批改作業，繳交後可以收回嗎？
          18. 13.11.18
            為什麼 AI 批改作業的「設定分數區間判斷」只有 5 項？
          19. 13.11.19
            以前上傳的影片，可以 AI 上字幕嗎？
      14. 14.
        補充 (1) ~ 數位轉型
        1. 14.1
          AI 會議管理
        2. 14.2
          專案 / 工作管理
        3. 14.3
          職能知識庫
        4. 14.4
          工作日誌 ~ 結合職能 + 專案管理的超強便利貼
      15. 15.
        補充 (2) ~ 其他應用
        1. 15.1
          打造「學習型組織」的指南
        2. 15.2
          護理臨床經驗，可以 10 倍速傳承
      © Copyright since 2017 by FormosaSoft Corporation.
      All rights reserved.