第一章、用 AI 幫團隊業績成長 20%
-
00:00
1.
什麼都先問 AI？
播放影片: https://training.xms.tw/media/4963
特別提醒
影片是 AI 依據文章內容生成的，雖然內容可能和原文不一樣，但依然可以幫助我們從延伸的觀點來理解文章的核心概念。
podcast 聲音版 (深度互動對談) ：https://youtu.be/Uv8NPJBCBhs?si=f8-TO_Sc4M1Ss5jN
是！
而且最好在「做之前」，都先過問 AI。
除了再次確認做法之外，
更可以解決企業知識管理的千古難題 ~
隱性知識危機
也就是公司裡那些最有價值的實戰經驗 or 眉角，
絕大部分只存在員工的腦子裡，導致內部的知識庫根本就是一個數位廢墟，沒人想用 ...
知識管理 3 大痛點 ~
經驗進不去、維護困難、需要時找不到
這幾乎是每一家公司共同的痛點，下面就是一個很典型的例子。
公司小陳想確認「報銷流程」怎麼申請，光是用「關鍵字搜尋」就花了將近半小時，
找到了 3 份文件，看起來都相關，但都不太一樣，甚至還彼此矛盾，讓人越看越困惑。
最後直接放棄跑去問行政部的大姊，
不到 3 分鐘就清楚說明完整流程，還補充了幾個文件中從未寫明、卻極為關鍵的實務細節。
這個例子點出了企業知識管理最核心的問題：
知識並非不存在，而是無法被有效保存、更新與傳承。
當這些隱形經驗無法被有效記錄，很容易就會發生以下的問題：
- 人會忘記
- 不知道要問誰
- 講法不一致
- 人員異動經驗遺失 ...
問題這麼多又複雜，到底要怎麼辦？
什麼都問 AI 就對了
因為問，
AI 就會從資料庫找出對應的 Q&A，或是依據相關資料綜合整理後回答，
我們就可以在這個過程中，解決傳統知識管理「維護困難」造成的問題。
- 資料過時
- 不完整
- 重複
- 不一致
- 甚至互相矛盾 ...
怎麼說呢？
收集需求
在一般公司裡面，
人才的寶貴經驗，真的有寫下來的可能連 5% 都不到，也就是根本沒有任何文件記錄！
這種情況其實很合理，我們常常就是想太多：
東西這麼多
資料還不夠完美
現在很忙
之後再寫
...
光是這些就足以讓我們打退堂鼓了，
結果就是卡在那裡，什麼都沒做。
想都是問題，做才有答案！
有問，就是需求，就值得被紀錄，就這麼簡單。
只要做到「什麼都問 AI」這個小小的習慣，
就能啟動整個循環，將那些「重要、且常見的問題」紀錄，
知識管理就會從過去不會成功的苦差事，變成水到渠成的結果。
過時
當發現 AI 提供的資料怪怪的，例如：
問：「怎麼重設密碼？」
AI 回答：「可以通訊辦理」
顯然，這是過去的做法，現在已經不提供了。
我們就可以回饋「不滿意」，
系統就會通知後台管理員，不用 1 分鐘就可以順手修掉了。
不完整
如果沒有持續維護，資料不完整就是必然的現象。
因為我們不可能一開始就寫出 100 分的內容！
就像 iPhone 已經出了 10 多代，是持續改善的過程。
透過大家不斷的去問題，
當 AI 無法回答或給的資料不完整時，就像是一個探測器，能發現知識的缺口。
例如，那位行政大姐的報銷秘訣 (隱性經驗)，
小陳問完後，負責的大姊從系統後台就能發現並補進去。
這個簡單的「問 AI」動作，
就把維護知識庫這個幾乎不可能的任務，變成一個無痛的好習慣。
只要進入 PDCA 持續改善的循環，一次進步一點點，就能增加覆蓋率和正確率。
重複
一旦資料找不到 or 缺乏整理，當然就有一堆重複的資料囉。
例如，當找不到的時候，就只好再寫一次 ...
解法一樣很簡單，
AI 會告訴你有哪些 FAQ 是同樣的問題
或是我們可以從參考資料清單中發現重複的資料。
不一致、互相矛盾 ...
AI 帶來技術突破，
能透過強大的「理解」能力 ~
能透過強大的「理解」能力 ~
找到核心意義相同的內容，
突破傳統「關鍵詞」搜尋的限制
一旦找得到，只要有制度、有負責人、就能順利解決這些難題！
重點整理
什麼都問 AI 就對了！
這個簡單的動作，
除了避免「我以為 ...」的認知錯誤外，
更能徹底解決人才的隱性經驗進不去，以及資料維護困難的難題。
只要養成這個小小「問」的習慣，
就能進入 PDCA 循環，增加覆蓋率和正確率！
想都是問題
做才有答案
站著不動的永遠是觀眾
做，就對了
不然明天就會和今天一樣，
下週、下個月、明年、 ... 10 年後都會和今天一樣。
改變，
就從這個簡單的動作開始！
評語
請登入後才可以評分
- 位置
-
- 資料夾名稱
- AI 人工智慧之道 ~ 每天 10 分鐘，3 個月提升團隊業績 20%
- 上傳者
- 蘇德宙
- 單位
- 台灣數位員工
- 建立
- 2025-12-29 20:52:02
- 最近修訂
- 2026-01-26 16:24:32
- 長度
- 06:46