如何善用 AI 增進知識管理效率

從資料分析師轉作顧問工作後，我發現最重要的一樣是理解對方的需求，每一個案子都不ㄧ樣，有許多環節都需要針對第一次接觸到的資訊，短時間快速消化吸收，轉換成行動，進而給出成果。

整個輸入輸出的流程（Input-Output Process），在有時程限制下，壓力是格外明顯，如何有效提升輸入輸出的效率，在顧問工作日常也變成是一門課題。

AI 浪潮從個人踏入職場以來，一年比一年強，守備範圍也越來越廣，寫程式、做影片、文案都能幫上忙，不過我自己體感覺得 AI 產出內容的品質不一，穩定度落差很大，追根究底，跟我們怎麼問他，怎麼跟他互動、下指令有關。

指令越清楚，AI 產出的內容，品質就越好，這個大家都很清楚，不過我自己常覺得下指令這件事需要一個系統化的做法，工作日常許多問題都是第一次碰到，之前的指令，能夠直接沿用的比率不太高，收到任務情急之下亂問，也容易治絲益棼…

怎麼樣有一個框架，我自己嘗試了一陣子，時好時壞，所以想說觀摩一下前輩都怎麼做的。

這篇文章是我個人參加 【限定場】用 AI 提升工作效率的實戰工作坊 ，以及參考相關 部落格文章後，聚焦思考如何在工作有效提升輸入輸出效率的方式，進而寫成的心得文，也幫助自己回顧如何在對 AI 下指令的時候有一套更穩定的框架，如果剛好你也有這樣的需求，或許這篇文章也會適合你。

關於『輸入』

廣泛的白領工作都脫離不了微軟的文書軟體，尤其是顧問工作最後通常是給客戶一份簡報或執行建議文稿。Excel, Word, Powerpoint 幾乎是吃飯工具。

不過客戶的問題往往不著邊際，需要盡量拆細，定義清楚了才有機會逐步解決，拆細了也才有機會透過 AI 有效率補足認知缺口。好比說：『供應鏈管理』。

通常我會在吸收、消化資料階段，用固定的問句跟 AI 互動，「反覆多次」針對同一個「知識主題」的關鍵字或子議題，去請 AI 反覆查找，也算是一個訓練他的過程。

你是個人知識管理專家，請跟我解釋「什麼是供應鏈管理？」。請一步一步分析：先「上網搜尋相關資料」，以「條列清單的格式」，用一般人也能懂的用語，兼顧廣度與深度細節，說明這個主題。

• 什麼是供應鏈管理？

• 請提供我供應鏈管理最重要的 30 個關鍵字（先中文後英文），並以台灣半導體或電子系統廠為主

• 請提供我供應鏈管理最重要的 15 個指標（先中文後英文），並以台灣半導體或電子系統廠為主

• 請提供我供應鏈管理相當重要的 3 個系統（ERP, MES, APS）是什麼？，並以台灣半導體或電子系統廠為主

• 供應鏈管理中的六大領域『採購、計畫、物控、物流、倉管、生管』 ，其中什麼是物控、生管？

• 什麼樣的人相對適合做供應鏈管理？

建立摘要

請幫我針對『供應鏈管理』用繁體中文摘要下面這篇文章（原始長度 50%）。請一步一步分析（可以貼連結或者整篇文章貼過來）：

https://tuna.to/on-pandemic-4-6b0dd4de9b98

閱讀長文或大型文件

當知識主題的廣度已經被滿足的時候，要繼續挖深，可能就需要閱讀很大一份 PDF 檔案或者學術論文等等，這時就可以使用 NotebookLLM，讓他成為專屬的研究助理。

使用 NotebookLLM，使用上可以盡量只勾選想要用的資料源，就像是從超級大、超級無所不能的黑盒子先指定要聚焦的內容，藉此減輕 AI 的運算負擔，也比較可以有效得到回應。

像是透過有興趣的公司的年報、永續報告書、近期財報，嘗試了解他的供應鏈管理。

請幫我透過 xxx 公司年報和永續報告書，摘要一下 xxx 公司 如何做供應鏈管理？ 先優先了解上游五大供應商是誰？同業三大競爭對手是誰？下游三大客戶是誰？

然後最後把在 NotebookLLM 的理解成果（或者是特定的原文段落），用摘要的方式萃取出來，一樣放到上述知識管理的工作流裡面，讓同一個 AI （也許是 ChatGPT 或 Gemini）可以也讀到你想讓他讀的。

另外我發現若使用 Gemini，可以選擇特定的 NotebookLLM 筆記本當作資料源，在同一個介面中完成從 0-1 的議題探索和 1-100 的議題研究，就能更方便銜接到下一階段的『收斂』，何況 Gemini 還可以有多樣化的產出可能性：生成圖片、簡報、語音等等，彈性相對更高。

可能會比用 ChatGPT 做議題探索＋再餵入 NotebookLLM 議題研究成果來得更方便一些。

不過目前個人還是以 ChatGPT 『專案』功能為主，去進行各種議題探索，有機會也想試試 Gemini＋NotebookLLM＋Gemini Gem（類似 ChatGPT 的『專案』功能），看看能否有更一條龍的體驗。

關於『收斂』

依照個人粗淺的理解，AI 模型在訓練的時候，餵入了許多 Markdown 格式的程式碼，也因此『輸入』階段的訓練，要求他以列點（Bullet Point）方式進行呈現完全是沒問題的。

但是列點方式不容易進行資料比較的閱讀，個人常常頁面上下滑動很久，也比較不出所以然 XD

加上如果問了許多「知識主題」的關鍵字或子議題，要能夠把各個子議題都整合在一起，並且輸出觀點或結論，恐怕也不是一件容易的事。

建立知識/資訊結構化

經過這場工作坊之後，我發現『表格化』是一個很不錯的整理比較方式，並且依照後續使用場景，請 AI 在表格化整理的時候，摻入一點主觀詮釋的成份。像是（有需要也可以請 AI 多產幾個版本，但是主觀詮釋的部分就需要自己決定）：

整合上面所有討論資料，建立一個「台灣半導體或電子系統廠的供應鏈管理概念」的對比表格，呈現出「給有意願進入供應鏈管理的準畢業生或轉職者，第一次聽都能好理解」的特色。

這個動作，就有點類似請剛入職場的新鮮人，再收斂、重複一次他收集、整理資料的結果。也可以理解是一個跟 AI 互動的錨點，確保 AI 目前為止有理解你的需求。

建立簡報大綱

比較表格就位之後，下一步就是把他轉成簡報大綱，進一步『結構化』而且『有先後順序』。目前個人保守原則是問了幾個問題，就跟 AI 說要幾頁投影片的大綱；實務上還是有調整的彈性，以及要觀察 AI 給這個大綱的脈絡是否就是自己要的。

統整上方的討論，根據「第一次接觸台灣半導體或電子系統廠供應鏈管理就上手」主題，簡報對象是「有意願進入供應鏈管理的準畢業生或轉職者（簡報對象可調整）」，設計出 10 頁簡報大綱。請一步一步分析，先梳理上方討論的重點，根據背景、解決的問題、方法與應用，拆解出最容易讓人理解的順序。每一頁有一個明確主題，每個主題下條列關鍵重點，並帶入更多具體的數據資料細節，並且最後有吸引人的結論

建立逐字稿

有了大綱，必要時也可以請他給準備建議的表格，包含重點逐字稿，以及建議每一頁的時間分配。

針對這 1~10 頁的簡報大綱，請額外給我一個表格，一欄是這頁簡報的主題（標題），一欄是重點摘要的逐字稿（最多分為 3 個列點)，一欄是建議這一頁要講多久（如果有一頁特別重要，不需要每一頁講的分鐘數都一樣平均）

關於『輸出』

確認好自己的簡報大綱後，配合產出要求，往往需要使用專門的投影片模板，我個人是一個對於版面設計和美感相對不擅長的人，對於要交付給客戶的內容，有時很難拿捏要怎麼讓客戶一眼就看懂。

透過 AI 輔助產出

我會把簡報大綱放入生成式 AI 輔助的簡報工具 Gamma 或視覺化工具 Napkin，讓他們給我一些想法或簡報視覺化的參考方式。重要的是他們都可以匯出（包含分享網址、方便放入 PowerPoint 或做必要的修改）。

實測下來，匯出成 PowerPoint 的功能，個人覺得還不錯，有一些資訊視覺化構圖（智慧圖表）會變成純圖片，如果不滿意的話，是可以在 Gamma 裡面嘗試完成、編修好再匯出，或者再用 PowerPoint 內建的 SMARTART 拉出自己想要的。

另外，個人覺得 Gamma 裡面的資訊視覺化構圖（智慧圖表），跟接下來要提到的 Napkin 要解決的問題很類似，等於是可以在 Gamma 內也嘗試多種資訊視覺化的可能，覺得是滿方便的！

Napkin

工作上，難免有一些情境需要順手視覺化以利溝通（之前最常用的是 Visio，但是相對耗時），好比說在討論系統規劃的 Entity Relationship Diagram，或者是業務流程的執行步驟，則可以把跟同事討論的文字內容快速放入 Napkin ，用視覺化的方式確保彼此理解有正確，都會比單純用文字溝通來得效率許多。

比起 Gamma 的智慧圖表，Napkin 更隨時隨地（Handy），畢竟許多溝通或是資訊傳遞不見得是簡報，這時 Napkin 更派得上用場，在 Napkin 也可以做一些簡單的編修（包含風格、字體、新增或刪除其中的項目），後續可以下載成圖片，也可以匯出 PowerPoint（但是免費版有額度限制）。

結論

好的，先寫到這邊，我覺得整個知識整理相關的輸入輸出流程（Input-Output Process），還會因為這些 AI 工具的進步而有所改變，但是判斷內容是否適合、如何貼近聽者需求並融入自身經驗的必要性，短時間應該還是存在的。

我也要繼續多認識 Claude Cowork 和 Claude Code 之類的酷東西了 XD