三分鐘版 整套流程就這 5 步;要細節再往下讀
先框範圍:輔導類型、邊界、這次快篩要回答什麼問題。 AI 做資料體檢:期間、單位、異常值;缺的標【資料不足】不得補值。 AI 找出值得現場確認的訊號,每項寫推論鏈條並標信心程度(三級)。 比率與趨勢在試算表算,口徑寫在表頭。 AI 把訊號轉成現場查核清單:看什麼、問誰、量什麼、拍什麼。 這一篇用的是評分選一個 這一招——先定比較欄位與硬門檻,原文照填、缺的標未提供,最後由人決定並留下依據。 同一招還能做這幾件事(共 8 篇):
本頁 13 節,分 5 區 一、這是什麼 三十秒判斷關不關你的事
先確認這一篇解的是不是你的問題。看完這兩節如果覺得不像,就不用再往下讀——省下的時間比讀完更值錢。
01 解決的工作問題顧問接到一個輔導案,手上只有幾張電費單、一份產能表、一張廠區平面圖,要在去現場之前先判斷:這家值不值得做、大概有多少改善空間、第一次去要看什麼。這一步做得好,現場那半天才不會浪費。而 AI 在這裡的危險很具體——你問它「大概能省多少」,它會給你一個百分比,那個數字沒有任何量測基礎,但寫進報告之後,客戶會記住它。
02 什麼時候用、什麼時候別用什麼情況下該用這一套 輔導或診斷案的前期評估,還沒到現場之前。 手上有一些可用的間接資料(帳單、產能、人力、平面圖、既有報表)。 目的是決定「要不要做、先看哪裡」,不是產出診斷結論。 什麼情況下別用
當成診斷結論 快篩是用間接資料做的推測,不是診斷。把快篩結果寫成診斷報告,是這個方法最大的誤用。
對外承諾改善幅度 還沒量測就給百分比,等於承諾。提案裡要寫的是「要量什麼」,不是「能省多少」。
沒有任何資料時 什麼資料都沒有就只能靠經驗猜。那不需要 AI,也不該寫成分析。 誰會用到
顧問 這是你的主場。快篩的產出是「現場要看什麼」,不是「可以省多少」。把後者寫進提案,等於還沒量就先承諾。
工程師/研發 從帳單反推的推論鏈條要看得見。每一步都要標明是量到的、算出來的,還是猜的。
主管 快篩要回答的其實是投入產出:這一案要投多少顧問工時,換到多少可能的改善。
營運 被輔導方最在意的是「會不會影響產線」。快篩階段就要先問清楚可停機時段。
會計/財務 帳單是最容易拿到、也最容易誤讀的資料。契約容量、季節性、計價方式都會影響判讀。 所屬工作情境 二、整件事怎麼跑 先看圖,再看逐步
先用一張圖抓全貌,再看逐步展開。圖看不懂沒關係,下一節會把每一步實際在做什麼、誰做,一條一條講清楚。
03 流程圖這張圖是整篇的骨架:輸入 → 步驟 → 困難點 → AI/Agent/Tool 介入 → 人工檢查 → 產出。紅框是最常出事的位置,綠框是不能下放的人工檢查點,粗框是中止條件。後面每一節都是在展開圖上的某一格。
AI 輔導案快篩:產出是「現場要看什麼」,不是「可以省多少」 Human 輸入 Human 步驟 AI Tool Checkpoint Output Risk 困難點 Stop 中止
看圖重點: 這張圖最需要記住的是它的產出欄:現場查核計畫,不是改善建議。快篩用的是間接資料,間接資料只能產生假設。所以每一項訊號旁邊都標了信心程度——「資料直接顯示」「需交叉驗證」「僅為假設」——這三級不是修辭,是決定你能不能把那句話寫進提案的依據。右邊第二個紅框是這件事唯一的紅線:客戶問能省多少,正確答案是「要先量這三件事」。給了百分比,那個百分比就成了你的承諾。純文字流程表(手機/螢幕閱讀器建議看這張) AI 輔導案快篩:產出是「現場要看什麼」,不是「可以省多少」(純文字流程表) 序 類型/角色 流程步驟 這一步的困難點/中止條件 1 Human 間接資料(帳單/產量/人力/平面圖)+ 輔導類型 + 口徑 + 現場限制 標明哪些有正本、哪些是口述 — 2 Human 人框範圍:輔導類型、邊界、這次要回答什麼問題 — 3 AI AI 資料體檢:期間/單位/異常值;缺的標【資料不足】 — 4 AI AI 找訊號,寫推論鏈條並標信心程度(三級) 困難點/風險 拿快篩當診斷:報告寫得越漂亮越容易被當成結論
困難點/風險 AI 給出改善百分比,客戶記住它,它就成了承諾
5 Tool 試算表算比率與趨勢(口徑寫在表頭、公式留存) 困難點/風險 口徑不一致:帳單月結、產量週報、人力月平均湊在一起
6 AI AI 產現場查核清單:看什麼、問誰、量什麼、拍什麼 困難點/風險 現場計畫沒做,到了現場還是憑經驗東看西看
7 Checkpoint 顧問判斷:值不值得做、投多少工時、先看哪三個地方 失敗與中止條件 出現未經量測的改善幅度數字 → 整份退回重寫
8 Output 接案建議 + 現場計畫 + 資料缺口清單 —
Mermaid 原始碼(貼進 Mermaid Live 或 draw.io 可再編輯) 可直接複製,改成你自己的流程 複製 Mermaid
flowchart TD
in1(["<b>Human</b><br/>間接資料(帳單/產量/人力/平面圖)+ 輔導類型 + 口徑 + 現場限制<br/><small>標明哪些有正本、哪些是口述</small>"])
s1["<b>Human</b><br/>人框範圍:輔導類型、邊界、這次要回答什麼問題"]
a1[/"<b>AI</b><br/>AI 資料體檢:期間/單位/異常值;缺的標【資料不足】"/]
a2[/"<b>AI</b><br/>AI 找訊號,寫推論鏈條並標信心程度(三級)"/]
t1[("<b>Tool</b><br/>試算表算比率與趨勢(口徑寫在表頭、公式留存)")]
a3[/"<b>AI</b><br/>AI 產現場查核清單:看什麼、問誰、量什麼、拍什麼"/]
c1{{"<b>Checkpoint</b><br/>顧問判斷:值不值得做、投多少工時、先看哪三個地方"}}
o1(["<b>Output</b><br/>接案建議 + 現場計畫 + 資料缺口清單"])
r1>"<b>Risk</b><br/>拿快篩當診斷:報告寫得越漂亮越容易被當成結論"]
r2>"<b>Risk</b><br/>AI 給出改善百分比,客戶記住它,它就成了承諾"]
r3>"<b>Risk</b><br/>口徑不一致:帳單月結、產量週報、人力月平均湊在一起"]
r4>"<b>Risk</b><br/>現場計畫沒做,到了現場還是憑經驗東看西看"]
x1[/"<b>Stop</b><br/>出現未經量測的改善幅度數字 → 整份退回重寫"\]
in1 --> s1
s1 --> a1
a1 --> a2
a2 --> t1
t1 --> a3
a3 --> c1
c1 --> o1
a2 -.->|風險| r1
a2 -.->|風險| r2
t1 -.->|風險| r3
a3 -.->|風險| r4
c1 ==>|中止| x1
c1 -.->|退回重整訊號| a2
classDef clsIn fill:#FFFFFF,stroke:#2C4459,stroke-width:2px,color:#141E2B
classDef clsHuman fill:#FBFCFD,stroke:#7A8CA0,stroke-width:2px,color:#141E2B
classDef clsAI fill:#FFF6EA,stroke:#DE9A45,stroke-width:2px,color:#141E2B
classDef clsAgent fill:#FDEBD2,stroke:#B87A2E,stroke-width:2px,color:#141E2B
classDef clsTool fill:#EDF2F6,stroke:#2C4459,stroke-width:2px,color:#141E2B
classDef clsCheck fill:#E8F2EC,stroke:#3F7A5A,stroke-width:2px,color:#123024
classDef clsOut fill:#141E2B,stroke:#141E2B,stroke-width:2px,color:#F2F6F9
classDef clsRisk fill:#FCEFEA,stroke:#C0552F,stroke-width:2px,color:#5E2110
classDef clsStop fill:#F7E1DB,stroke:#8E2F17,stroke-width:3px,color:#5E2110
class in1 clsIn;
class s1 clsHuman;
class a1 clsAI;
class a2 clsAI;
class t1 clsTool;
class a3 clsAI;
class c1 clsCheck;
class o1 clsOut;
class r1 clsRisk;
class r2 clsRisk;
class r3 clsRisk;
class r4 clsRisk;
class x1 clsStop; 04 完整步驟圖的文字版,逐步展開 上面三分鐘版那幾步,這裡逐步展開:每一步誰做、做完會有什麼。
序 誰做 步驟與說明 1 Human 框範圍 確定輔導類型、範圍邊界、以及這次快篩要回答什麼問題。問題不明確,後面全是散彈。→ 快篩問題定義 2 AI 資料體檢 逐項檢查資料的完整性與口徑:期間是否齊全、單位是否一致、是否有異常值。缺的標【資料不足】。→ 資料體檢表 3 AI 找可疑訊號 從資料中找出值得到現場確認的訊號(用電與產量脫鉤、某月異常、某段流程工時特別長),每一項標明推論鏈條與信心程度。→ 可疑訊號清單 4 Tool 量化的部分交給試算表 任何比率、單位耗用、趨勢的計算在試算表做,公式留存。AI 不算數字。→ 基礎指標表 5 AI 產現場查核清單 把每個可疑訊號轉成「現場要看什麼、要問誰、要量什麼、要拍什麼」。這才是快篩真正的產出。→ 現場查核清單 6 Human 投入產出判斷 顧問判斷:這一案值不值得做、要投多少工時、先看哪三個地方。這是專業判斷,不是計算。→ 接案建議 + 現場計畫
三、動手做 備料 → 指令 → 產出 → 工具
這一區是真的動手:先備料、再貼指令、然後對照產出應該長什麼樣。手上是哪一支 AI 都做得完,差別寫在最後的工具那一節。
05 開始前要準備什麼標「必要」的沒備齊就先別開始
間接資料必要 近一年帳單(電費、燃料)、產能或產量表、人力配置、廠區或辦公區平面圖、既有的量測或報表。
輔導類型與範圍必要 節能、精實、品質、數位化——不同類型看的東西完全不同。範圍要先框好。
資料期間與單位必要 帳單期間、產量單位、統計口徑。口徑不一致的推論全是錯的。
被輔導方的限制可選 可停機時段、可揭露範圍、預算與人力。這些決定哪些建議是做得到的。
同類型的參考基準可選 如果有公開的產業基準或既有案例可以參照,要標明來源與適用條件。 餵進去的東西要長這樣 間接資料(帳單、產量、人力、平面圖、既有報表)+ 輔導類型與範圍 + 資料期間與單位定義 + 被輔導方的限制。要標明哪些有正本、哪些是口述。
帳單要用正本或影本,不要只抄金額。度數、契約容量、尖離峰結構都在正本上。 產量或工時要註明單位定義(一「批」是多少、工時含不含準備時間)。 資料期間至少 12 個月,才看得出季節性;不足 6 個月要明講。 廠方口述的資料要標明,信心程度不同。 被輔導方的營運資料屬機密,貼入外部服務前要取得同意。 【設定】
輔導類型:節能診斷(前期快篩)
對象:食品加工廠,約 1,200 坪,一班制、週休二日
快篩目的:現場計畫(首次訪視為半天)
資料來源標示:電費為廠方提供之繳費紀錄(無正本);產量為廠方 ERP 匯出
【資料】
近 12 個月電費(元):
1月 182,000/2月 141,000/3月 176,000/4月 188,000/5月 231,000/6月 268,000
7月 279,000/8月 276,000/9月 244,000/10月 191,000/11月 178,000/12月 185,000
產量(批):
1月 210/2月 155/3月 208/4月 215/5月 212/6月 218
7月 220/8月 214/9月 209/10月 213/11月 205/12月 211
※「批」之定義未確認,是否等量未知。
主要設備(廠方口述):空壓機 2 台、冰水主機 1 台、烘乾線 1 條
契約容量:450 kW(廠方口述,未見帳單)
【被輔導方限制】
- 產線不可停機;量測需於午休或下班後進行。
- 部分區域涉及製程機密,不可拍照。 06 Prompt(快速/完整/進階)A 快速版貼上就能用;B 完整實戰版把角色、限制、步驟、輸出格式與驗收標準寫足;C 進階版是拿去建 GPT/Skill/Agent 的系統指令,預設收起來,要用再點開。三版都附可替換變數、使用範例與預期輸出;A 與 B 另外列出那一版特有的常見錯誤與人工確認點,C 版的那幾題指向 Agent 專篇。
A A. 快速版 拿到一批間接資料,先看出「哪裡值得到現場確認」。
適合的工具 ChatGPT Claude 試算表
👇 直接複製,{ } 換成你的內容 複製這段 Prompt
以下是被輔導方提供的間接資料。請做前期快篩:
1. 資料體檢:逐項標出完整性、口徑、疑似異常值與缺漏,缺的標【資料不足】。
2. 找出值得到現場確認的訊號,每一項寫出推論鏈條,並標信心程度:資料直接顯示/需交叉驗證/僅為假設。
3. 把每個訊號轉成現場查核清單:要看什麼、問誰、量什麼、拍什麼。
4. 列出這次快篩無法回答的問題。
不得推估任何改善幅度或節省金額,不得以產業平均值補足缺漏資料。
輔導類型:{輔導類型};資料:{貼上} 可替換變數 變數 要換成什麼 {輔導類型}節能/精實/品質/數位化。類型不同,看的訊號完全不同。 {貼上}間接資料:帳單、產量、人力、平面圖描述、既有報表。
完整使用範例(照這樣填) 以下是一家工廠提供的資料。請照四個要求做快篩。(照母提示詞)
【輔導類型】節能診斷(前期快篩)
【資料】
近 12 個月電費:
1月 182,000/2月 141,000/3月 176,000/4月 188,000/5月 231,000/6月 268,000
7月 279,000/8月 276,000/9月 244,000/10月 191,000/11月 178,000/12月 185,000
產量(同期,單位:批):
1月 210/2月 155/3月 208/4月 215/5月 212/6月 218
7月 220/8月 214/9月 209/10月 213/11月 205/12月 211
其他:
- 廠區約 1,200 坪,一班制,週休二日。
- 主要設備:空壓機 2 台、冰水主機 1 台、烘乾線 1 條。
- 契約容量 450 kW(資料由廠方口述,未見帳單容量欄)。 預期輸出範例(拿到的東西應該長這樣) 【資料體檢】
| 項目 | 狀態 | 說明 |
|---|---|---|
| 電費 12 個月 | 完整 | 但只有金額,無用電度數與尖離峰結構 |
| 產量 12 個月 | 完整 | 單位為「批」,每批耗用是否一致未知 |
| 契約容量 | 【資料不足】 | 廠方口述,未見帳單 |
| 設備清冊 | 【資料不足】 | 僅有品項,無規格、時數、負載 |
| 用電度數 | 【資料不足】 | 只有金額無法區分是用得多還是單價變動 |
【值得到現場確認的訊號】
| 訊號 | 推論鏈條 | 信心程度 |
|---|---|---|
| 用電與產量脫鉤 | 產量全年在 205–220 批之間變化不大,但電費從 141,000 到 279,000,落差近一倍。若產量穩定而電費大幅波動,變動可能來自產線以外的用途 | 需交叉驗證(缺用電度數,無法排除電價因素) |
| 夏季高峰 | 6–8 月明顯高於其他月份,與冰水主機/空調季節性使用型態相符 | 僅為假設,需現場確認冰水主機運轉模式 |
| 2 月異常低 | 產量也同步下降(155 批),可能為工作天數因素 | 資料直接顯示,但需確認 2 月工作天數 |
【現場查核清單】
1. 調閱電費單正本,確認:用電度數、契約容量、尖離峰結構、經常契約與非經常契約。(缺這一項,所有節電推論都只能是假設)
2. 空壓機:實測供氣壓力設定、洩漏檢測、無載運轉比例、是否有離峰停機。
3. 冰水主機:出水溫度設定、運轉時段、是否隨負載調整、與空調的關係。
4. 烘乾線:實際運轉時數、待機時段是否斷電、排氣是否可回收。
5. 訪談:一班制的實際起訖時間、下班後有哪些設備仍運轉、週末是否有人。
6. 現場拍照:配電盤標示、設備銘牌、控制面板設定值。
【我沒有做的事】
- 沒有推估任何節電比例或金額。只有電費金額而沒有用電度數,任何百分比都是猜的。
- 沒有判斷這一案值不值得做。那是投入產出的判斷,要你決定。 常見錯誤用法 問「這家大概可以省幾 %」。它會給你一個數字,然後那個數字會出現在你的提案裡。 把可疑訊號當成診斷結果。訊號的意思是「值得去看」,不是「就是這個問題」。 只有電費金額就開始算單位耗用。金額混合了用量與電價,兩者要分開。 跳過現場查核清單直接去現場。快篩的產出就是那張清單。 缺少資料時怎麼辦 資料不足時標【資料不足】並照樣輸出——那份清單就是現場第一件要調閱的東西。這比讓 AI 用產業平均值補上有用得多,因為產業平均值套到單一廠家的誤差,通常大過你想改善的幅度。
這一版另外要人確認 口徑與資料期間的確認。 改善幅度的任何數字(沒有量測就不給)。 值不值得接、投多少工時的判斷。 適合的工具 ChatGPT Claude 試算表
👇 直接複製,{ } 換成你的內容 複製這段 Prompt
# 角色
你是輔導案前期快篩的協助者。你的專長是從間接資料中找出「值得到現場確認的訊號」,並把訊號轉成現場查核清單。你不做診斷,不推估改善幅度,不做算術。
# 背景
- 輔導類型:{節能/精實/品質/數位化/其他}
- 對象概況:{產業、規模、班別、營運型態}
- 快篩目的:{接案評估/提案前準備/現場計畫}
- 可用的現場時間:{半天/一天/多次}
# 任務
產出資料體檢、可疑訊號清單(含推論鏈條與信心程度)、資料缺口清單與現場查核計畫。
# 可以使用的資料
只有【提供的資料】一段。產業平均值、你知道的同業案例、一般節能率、常見改善幅度,一律不得作為推估依據;若要引用,必須標明來源與適用條件,並歸類為「外部參考,非本案數據」。
# 不可以做的事(違反任何一條就是失敗)
1. 不得推估任何改善幅度、節省金額或百分比。
2. 不得做算術:不算單位耗用、不算年增率、不算佔比。
3. 不得把假設寫成結論。每一項訊號都要標信心程度:資料直接顯示/需交叉驗證/僅為假設。
4. 不得以產業平均值補足缺漏資料。缺的標【資料不足】。
5. 不得建議具體的改善措施——那要現場確認之後才談。可以列出「若訊號成立,通常要檢查的方向」。
6. 不得忽略資料口徑問題。期間、單位、統計方式不一致時要明講。
# 處理步驟(請照順序做)
1. 資料體檢:逐項標出完整性、口徑、疑似異常值、缺漏。
2. 找訊號:從資料中找出值得現場確認的現象,每項寫出推論鏈條(從哪個資料、經過什麼推理、得到什麼可能)。
3. 標信心程度,並寫出「要確認這一項,現場需要什麼」。
4. 產出資料缺口清單:現場第一件要調閱的是什麼。
5. 產出現場查核計畫:依可用時間排序,看什麼、問誰、量什麼、拍什麼。
6. 列出這次快篩「無法回答的問題」。
# 輸出格式(嚴格照這個順序,不要加額外段落)
## 一、資料體檢
(表格:項目|狀態|說明)
## 二、可疑訊號
(表格:訊號|推論鏈條|信心程度|現場如何確認)
## 三、【資料不足】清單
(現場第一件要調閱的資料,依重要性排序)
## 四、現場查核計畫
(依可用時間排序:看什麼、問誰、量什麼、拍什麼)
## 五、這次快篩無法回答的問題
## 六、我沒有做的事
(固定列出:未推估幅度、未做算術、未給改善建議)
# 驗收標準(產出後自己檢查一次並回報結果)
- [ ] 沒有任何改善幅度或節省金額的數字
- [ ] 每一項訊號都標了信心程度
- [ ] 缺漏資料都標【資料不足】,沒有用平均值補
- [ ] 沒有建議具體改善措施
- [ ] 資料口徑問題都已指出
【輔導類型與範圍】
{貼上}
【提供的資料】
{貼上}
【被輔導方的限制(可留白)】
{貼上或留白} 可替換變數 變數 要換成什麼 {節能/精實/品質/數位化/其他}類型決定看哪些訊號。一次一種。 {產業、規模、班別、營運型態}同樣的電費在一班制與三班制代表完全不同的事。 {接案評估/提案前準備/現場計畫}目的不同,輸出的重點不同。 {半天/一天/多次}現場時間決定查核清單要排到多細。
完整使用範例(照這樣填) 背景填法示例:類型=節能診斷;對象=食品加工廠、1,200 坪、一班制週休二日;目的=現場計畫;可用時間=半天一次。資料照 A 版格式貼上,並註明哪些是廠方口述、哪些有正本。 預期輸出範例(拿到的東西應該長這樣) 與 A 版的差別:多出「資料缺口清單(依重要性排序)」與「這次快篩無法回答的問題」兩節。後者是誠實的關鍵——它讓提案裡可以明確寫出「這幾件事要現場量了才知道」,而不是含糊帶過。 常見錯誤用法 把「若訊號成立,通常要檢查的方向」當成改善建議寫進提案。那只是檢查方向。 現場時間填「多次」但實際只去一次。清單會排得太細,結果哪一項都沒做完。 資料裡混了廠方口述與正本卻沒標明。口述資料的信心程度完全不同。 這一版另外不適合 沒有額外的,看上面「三種版本共通的紅線」那一段就好。
缺少資料時怎麼辦 缺漏越多,快篩的產出就越應該是「要調閱什麼」而不是「大概是什麼問題」。這一點在提案時反而是加分的——你能明確說出第一次去要拿到哪五份資料,代表你知道自己在做什麼。
這一版另外要人確認 口徑、期間與資料真偽的確認。 任何改善幅度數字(沒有量測就不給)。 接案與工時投入的判斷。 C C. 進階版(做成快篩助手) 同一類輔導案每個月都在接,把資料要求、訊號清單、紅線固定成助手,讓每一案的快篩品質一致。
適合的工具 自訂 GPT/Claude Project Claude Skill Copilot Studio
👇 直接複製,{ } 換成你的內容 複製這段 Prompt
# 你是誰
你是「輔導案快篩助手」。顧問把被輔導方提供的間接資料貼給你,你負責資料體檢、找出值得現場確認的訊號、產出現場查核清單。你不做診斷,不推估改善幅度,不做算術。
# 你的資料來源
只有使用者這次貼上的資料,以及建置時附上的三份文件:本類型輔導的標準資料清單、常見訊號與對應查核項、現場查核清單範本。除此之外一律不得引用,特別是產業平均值與同業案例數字。
# 絕對規則(違反就是失敗)
1. 不推估任何改善幅度、節省金額或百分比。使用者要求時,回覆「未經現場量測不提供改善幅度,這是本助手的固定規則」。
2. 不做算術。要計算時回覆「請於試算表計算,並註明口徑」。
3. 每一項訊號都要標信心程度:資料直接顯示/需交叉驗證/僅為假設。
4. 缺漏資料標【資料不足】,不得以平均值或經驗值補。
5. 不建議具體改善措施。
# 條件判斷(依序檢查,先中的先套用)
1. 資料期間不足 6 個月 → 提醒季節性無法判斷,訊號信心程度一律降為「僅為假設」。
2. 只有金額沒有用量(電費、油費)→ 最優先標出,並說明金額混合了用量與單價,無法據以判斷用得多不多。
3. 資料為廠方口述、無正本 → 標為「口述待驗證」,信心程度不得高於「需交叉驗證」。
4. 產量或工時的單位定義不明 → 標出,並列為現場要問的第一批問題。
5. 使用者要求出具「診斷報告」→ 回覆「快篩不是診斷。可提供現場查核計畫,診斷需現場量測後辦理」。
# 例外處理
- 使用者說「客戶就是想先知道大概能省多少」→ 回覆「可提供的是『要量什麼才能知道』的清單。未量測的百分比會變成承諾」,並協助把清單寫成客戶看得懂的說明。
- 使用者說「同業大概都是省 15%」→ 回覆「同業數字可作為外部參考但不得作為本案推估,且須標明來源與適用條件」。
- 使用者要求把訊號寫成結論語氣 → 拒絕,並說明信心程度標示的用途。
# 每次回覆的格式
【資料體檢】(完整性、口徑、缺漏)
【可疑訊號】(推論鏈條 + 信心程度 + 現場如何確認)
【資料不足清單】(現場第一件要調閱的,依重要性排序)
【現場查核計畫】(看什麼、問誰、量什麼、拍什麼)
【本次無法回答的問題】
【我沒有做的事】(固定:未推估幅度、未算術、未給改善建議)
# 固定結尾
每次回覆最後一行固定加註:「本快篩以間接資料進行,所有訊號均為待驗證假設;改善幅度須經現場量測後始得提出。」
# 自我檢查(每次回覆前執行,不需輸出過程)
- 是否出現任何百分比或節省金額?有就刪。
- 每項訊號是否都標了信心程度?沒有就補。
- 是否用了產業平均值補資料?有就改回【資料不足】。
# 建置參數
標準資料清單:{附檔}
常見訊號與查核項對照:{附檔}
現場查核清單範本:{附檔} 可替換變數 變數 要換成什麼 {附檔}資料清單、訊號對照、查核範本三份,建置時上傳為知識檔案。
完整使用範例(照這樣填) 建置時把三份文件上傳為知識檔案。上線前用至少十個歷史案子測過,其中三個要刻意含陷阱:一個只有電費金額沒有度數、一個資料只有三個月、一個關鍵資料為廠方口述,確認它分別最優先標出、把信心程度降級、標為口述待驗證。 預期輸出範例(拿到的東西應該長這樣) 與 B 版的差別:這一版把「不給改善幅度」變成固定拒絕,而且會在使用者被客戶追問時,協助把「要量什麼」寫成客戶看得懂的說明。它也會依資料品質自動調整訊號的信心程度上限。 固化成助手是另一件工程,這一頁不重講 下面這幾題每個方法都一樣,站上各有一篇:
07 產出應該長什麼樣拿到的東西要長這樣 六節:資料體檢、可疑訊號(含推論鏈條與信心程度)、【資料不足】清單、現場查核計畫、本次無法回答的問題、我沒有做的事。核心產出是現場查核計畫。
完成品:提案裡的快篩摘要(客戶看得懂的版本) ○○食品 節能診斷|前期快篩摘要
資料來源:貴廠提供之近 12 個月繳費紀錄與產量表(未含電費單正本)
【我們從資料上看到的三件事】
1. 產量很穩,電費不穩。
全年產量在 205 至 220 批之間,變化不到一成;但電費從 14 萬到 28 萬,落差接近一倍。這代表用電的變動很可能不是來自產線本身。
※ 目前僅有電費金額,無法區分「用得比較多」與「電價比較貴」。這是我們首次訪視要優先釐清的第一件事。
2. 六到八月明顯偏高。
與冰水主機、空調的季節性使用型態相符,但這只是推測,需要現場確認運轉模式與設定值。
3. 二月偏低,但產量也同步下降。
研判與年節工作天數有關,屬正常波動。
【首次訪視(半天)我們會做的事】
- 調閱電費單正本:用電度數、契約容量、尖離峰結構、有無超約
- 空壓機:供氣壓力設定、洩漏檢測、無載運轉比例
- 冰水主機:出水溫度設定與運轉時段
- 烘乾線:實際運轉時數、待機時段是否斷電
- 訪談:班別實際起訖、下班後仍運轉的設備、週末狀況
【為什麼這份摘要沒有寫「可以省多少」】
目前手上的資料無法區分用量與電價,也沒有各設備的用電佔比。在這個階段給出節電比例,等於用產業平均值套在貴廠身上——而套用的誤差,通常大過我們真正能改善的幅度。
首次訪視取得上述資料後,我們會以貴廠的實際量測值提出改善方向與預估效益,並附計算方式。
─────────────────────────────
※ 本摘要之訊號均為待驗證假設,非診斷結論。
※ 摘要中的資料判讀由 AI 協助整理,所有推論之信心程度已標示;改善幅度未經量測不予提出。 輸出格式規格(要照著做的人再展開) 每一項訊號都要寫推論鏈條:從哪個資料、經過什麼推理、得到什麼可能。 信心程度三級:資料直接顯示/需交叉驗證/僅為假設。不得省略。 資料缺口要依重要性排序,第一名通常決定其他推論成不成立。 現場查核計畫要具體到「量什麼、用什麼量、問誰」,不要寫「了解現況」。 「本次無法回答的問題」要誠實列出,那是提案裡最有說服力的一段。 ## 一、資料體檢
| 項目 | 狀態 | 說明 |
|---|---|---|
| 電費 12 個月 | 完整但僅有金額 | 無度數、無尖離峰結構,無法區分用量與電價 |
| 產量 12 個月 | 完整 | 「批」之定義未確認 |
| 契約容量 | 【資料不足】 | 廠方口述 |
| 設備清冊 | 【資料不足】 | 無規格、時數、負載 |
## 二、可疑訊號
| 訊號 | 推論鏈條 | 信心程度 | 現場如何確認 |
|---|---|---|---|
| 用電與產量脫鉤 | 產量全年 205–220 批變化小,電費 141,000–279,000 落差近一倍 → 變動可能來自產線以外 | 需交叉驗證(缺度數) | 調閱電費單正本,比對度數與產量 |
| 夏季高峰 | 6–8 月明顯偏高,與冰水主機/空調季節性使用型態相符 | 僅為假設 | 現場確認冰水主機運轉模式與設定 |
| 2 月偏低 | 產量同步下降至 155 批 | 資料直接顯示 | 確認 2 月工作天數與年節停工 |
## 三、【資料不足】清單(依重要性)
1. 電費單正本(度數、契約容量、尖離峰)——缺這一項,所有節電推論都只能是假設。
2. 設備清冊(規格、額定功率、運轉時數)。
3. 「批」之定義與每批標準耗用。
4. 一班制的實際起訖時間與下班後仍運轉之設備。
## 四、現場查核計畫(半天)
| 時段 | 做什麼 | 對象 | 產出 |
|---|---|---|---|
| 前 30 分 | 調閱電費單正本、設備清冊 | 廠務 | 影本或拍照 |
| 60 分 | 空壓機:壓力設定、洩漏、無載比例 | 設備人員 | 量測值、照片 |
| 45 分 | 冰水主機:出水溫度、運轉時段 | 設備人員 | 設定值、照片 |
| 45 分 | 烘乾線:運轉時數、待機是否斷電 | 現場領班 | 訪談紀錄 |
| 30 分 | 訪談:班別、下班後運轉設備、週末狀況 | 廠長 | 訪談紀錄 |
## 五、本次無法回答的問題
- 用電增加是來自用量還是電價?(需度數)
- 尖峰用電是否有超約?(需契約容量與需量紀錄)
- 各設備佔比?(需分路量測或設備參數)
## 六、我沒有做的事
- 未推估任何節電比例或金額。
- 未計算單位耗用(口徑未定,且應於試算表進行)。
- 未建議任何改善措施。 08 工具怎麼挑這幾支都做得到——差別在你手上有哪一支、資料能不能外流。標「起手」的是不知道從哪支開始時的建議,不是限定。
工具 什麼時候用 為什麼 注意 ChatGPT ↗ 起手 資料體檢與訊號整理 資料體檢與訊號整理 從混雜資料裡挑出值得追查的現象,並寫出推論鏈條。 它會主動想給改善幅度,要在提示詞裡明確禁止。 Claude ↗ 資料多、要一次讀完整年報表 長表格處理較穩,比較不會漏掉中間月份。 被輔導方的營運資料屬機密,貼入前要確認可行性。 試算表 基礎指標 單位耗用、月變動、趨勢計算 口徑寫在表頭、公式看得見,之後診斷階段可以沿用同一份。 口徑一旦定了,整案都要用同一個。 自訂 GPT/Claude Project 固定資料清單 同類型案子每月都接 資料清單與訊號對照固定,不同顧問做出來的快篩品質一致。 訊號對照表要隨經驗更新。
沒建過助手?先看這三篇 上面表格裡的「自訂 GPT/Project」「Claude Skill」「Copilot Studio」是三種裝法,不是三個要學的技術。第一次做的人先看這幾篇,知道它們是什麼、在哪裡建、要不要付費,再回來這一頁。
四、不要做錯 這幾關不下放
這一區是踩過的坑與該守的線。標「不下放」的步驟請不要交給 AI 決定;Checklist 是拿來驗收的,不是拿來勾好看的。
09 會卡住與會做錯的地方會卡住的地方(流程困難點)
拿快篩當診斷 間接資料只能產生假設,不能產生結論。但快篩報告寫得越漂亮,越容易被當成結論用。
AI 給出改善百分比 你問「大概能省多少」,它會給一個數字。那個數字會被客戶記住,然後變成你的承諾。
口徑不一致的推論 帳單是月結、產量是週報、人力是月平均,三個口徑湊在一起算出來的單位耗用是假的。
現場計畫沒做 快篩做了一堆分析,到現場卻沒有清單,還是憑經驗東看西看,半天就過去了。 會做錯的地方(常見失敗方式) 快篩被當成診斷 報告寫得很完整,客戶直接拿去當結論用,現場都還沒去。
怎麼修 每項訊號標信心程度;報告標題與結尾都寫明「非診斷結論」。
給了改善百分比 隨口說的 15% 被寫進提案,之後量出來只有 6%,信任直接崩掉。
怎麼修 紅線:未經量測不給任何幅度數字,改給「要量什麼」。
口徑不一致的推論 帳單月結、產量週報、人力月平均,湊出來的單位耗用是假的。
怎麼修 口徑先定並寫在表頭;不一致時明講不可比。
現場沒有清單 分析做了一堆,到現場還是憑經驗東看西看,半天就過去了。
怎麼修 快篩的產出是現場查核計畫,具體到量什麼、問誰、拍什麼。
10 人工把關與安全限制AI/Agent/Tool 介入在哪幾步 流程位置 誰 做什麼/怎麼做 體檢階段 AI 檢查資料完整性與口徑 逐項標出期間缺漏、單位不一致、疑似異常值。不補值、不推估、缺的標【資料不足】。訊號階段 AI 找出值得現場確認的訊號 每一項要寫出推論鏈條,並標明信心程度:資料直接顯示/需交叉驗證/僅為假設。計算階段 Tool 在試算表算基礎指標 單位耗用、月變動、趨勢都以公式呈現,口徑寫在表頭。AI 不做算術。
這幾關不下放
口徑與範圍 怎麼算、算什麼期間,是專業判斷,決定所有後續推論。
改善幅度的任何數字 沒有量測就不給數字。這是這個方法的紅線。
投入產出判斷 值不值得做、投多少工時,是顧問的判斷與商業決定。
對外說法 提案或報價裡怎麼寫快篩結果,要由人決定並且守住「假設 vs 結論」的界線。 安全與權限限制
被輔導方資料屬機密 帳單、產量、設備清冊通常是營業秘密。貼入外部 AI 服務前要取得書面同意,或先去識別化。
現場影像限制 製程區域常有不可拍照的規定。查核計畫要先確認可拍攝範圍。
快篩結論的對外使用 快篩是假設,不得作為對外承諾或行銷素材。引用時要標明「待驗證」。 11 Checklist 與驗收標準做的時候逐項打勾 做完了才檢查:全部成立才算完成 報告中沒有任何未經量測的改善幅度、節省金額或百分比。 每一項訊號都寫出推論鏈條並標了信心程度。 缺漏資料都標【資料不足】,沒有以產業平均值或經驗值補足。 資料口徑問題(期間、單位、統計方式)都已明確指出。 口述資料與有正本的資料已分別標示。 現場查核計畫具體到「看什麼、問誰、量什麼、拍什麼」,並依可用時間排序。 「本次無法回答的問題」已誠實列出。 對外文件已標明本階段為快篩、非診斷結論。 五、延伸 把流程走一遍,然後往下一步
先用一個示範情境把流程從頭走一遍,再看具名機構真的做過的事,最後決定下一步往哪走。
12 示範情境客戶問「大概能省多少」,正確答案是「要先量三件事」
這是示範情境,不是真實個案:作者為了把上面的流程走一遍而寫的設想,人物、數字與結果都是設定。真的有人做過的案例,看下面「真的有人這樣做過」。
設想的狀況: 接案評估階段,客戶只給了一年的電費金額與產量。業務希望提案裡能寫一個節電幅度,好讓客戶有感。但手上的資料連「電費上升是因為用得多還是電價漲」都分不出來。
AI 負責什麼 資料體檢,指出只有金額沒有度數——這一項缺了,所有節電推論都只能是假設。 從產量穩定但電費落差近一倍的現象,整理出「用電與產量脫鉤」的訊號,並寫出推論鏈條。 為每一項訊號標信心程度,最高只到「需交叉驗證」,沒有任何一項被寫成結論。 把訊號轉成半天的現場查核計畫:先調電費單正本,再量空壓機、冰水主機、烘乾線。 人負責什麼 決定不在提案裡寫任何節電百分比,改寫成「首次訪視要取得的五份資料與三項量測」。 確認「批」的定義與每批標準耗用——這決定單位耗用算不算得出來。 判斷這一案值得做:產量穩定而用電波動大,代表有非產線的改善空間。 跟客戶講清楚:量測之前給的任何數字都是猜的,而猜錯的成本由雙方承擔。 照著走完會得到: 提案裡寫「要先量什麼」,比寫「大概能省 15%」更能拿到案子——因為前者是專業判斷,後者是任何人都說得出口的話。
待補資料:本站不提供節電幅度、輔導案成功率等量化數據,本例的電費與產量為說明用的示意數字。建議自行記錄一個基準——快篩階段列出的資料缺口,有幾項在首次訪視就取得。
真的有人這樣做過外部佐證 6 則 以下都是具名機構的公開案例,每個來源都經過連結實測。數字只寫來源講得出來的;來源沒講的,這裡就寫未公開。 標「相近工作 」的 6 則,做的不是同一件工作——機制相通可以借鏡,但別直接拿它的數字當自己的預期。
Deloitte 勤業眾信 相近工作 全球 · 2025 在稽核平台 Omnia 上加一層 GenAI 與 agentic 能力,做文件覆核、財報導覽、資料擷取與草擬。
成效 官方未公開量化成效。
不能照抄的理由 稽核意見的責任在會計師身上,AI 做的是前置整理與異常標記。這一則的價值在流程位置,不在數字。
JPMorganChase 摩根大通 相近工作 美國 · 2024 自建內部平台 LLM Suite,在受控環境裡串接多家供應商的模型,供員工做文件摘要、草擬信件與合約分析。
成效 2024 年初上線,八個月內約 20 萬名員工使用。
不能照抄的理由 重點在「受控環境」——資料保護與法遵邊界是先決條件,不是上線後再補。它解決的是取用門檻,不是判斷責任。
Mastercard 萬事達卡 相近工作 全球 · 2024 用生成式模型 Decision Intelligence Pro 分析持卡人的歷史消費軌跡,在交易當下判斷這筆是不是盜刷,結果交給發卡行決定要不要擋。
成效 官方表示詐欺偵測率平均提升 20%、部分情境最高 300%;模型以約 1,250 億筆年交易訓練,單筆判斷約 50 毫秒。
不能照抄的理由 它產出的是分數與建議,擋不擋是銀行的決定。這種規模的訓練資料一般企業沒有——可搬的是「AI 排序、人拍板」的分工,不是模型。
Swiss Re 瑞士再保險 相近工作 全球 · 2024 起 ClaimsGenAI 把毫無結構的事故報告與醫療文件做分流、擷取關鍵資料並整理,讓理賠人員專心在判斷上;設計上明確保留人類專家的決定權。
成效 上線首年產生超過 1,000 則異常提示,帶出數百萬美元的防詐節省管道。Swiss Re 每年企業險理賠件數超過 4 萬件。
不能照抄的理由 它做的是「把文件變成可讀的資料」與「標出可疑」,不是核定理賠。異常提示需要人去查,提示本身不是結論。
用 agentic AI 處理美國進口的正式報關文件,例行案件不經人手即完成通關;另以機器學習核對貨品的 HS 稅則分類與關稅規則。Deal Manager 工具用生成式 AI 即時替業務的報價案打分,業務談判時看著分數而不是憑直覺定價。
成效 「2025 年 3 月,每日 13,000 件美國進口包裹中有 21% 免人工介入通關;到 2025 年 9 月,每日 112,000 件中有 90% 自動處理。」Deal Manager 只說帶來「更高勝率與更少折扣」,未給數字。
不能照抄的理由 供應鏈業界媒體轉述 UPS 高層在公開場合的說法,未經獨立驗證。做法建立在 UPS 自有的分類資料與海關系統串接上,不是裝個工具就有。真正可以搬走的是指標的長相:「零人工觸碰的文件比例」逐月追蹤,而且分母同時在成長。
Mercy Corps 美慈組織 相近工作 美國/全球 · 2026 在社區回饋與問責機制 CARM 中用 Claude 處理來自各地的通報:把緬甸語、烏克蘭語、西班牙語、法語等原文翻成英文、依主題貼標,並提出嚴重度初評;原本三段全靠人工。透過 Claude for Nonprofits 取得,日常用 Claude Enterprise、正式評分走 API,先在 13 個團隊試行,範圍涵蓋 30 多國、200 多個計畫。
成效 分析時間「從一週縮到一小時」;「追蹤任務平均省時 88%」;「單月省下超過 540 小時」;「Claude 提出的嚴重度初評與受訓人員評分的一致率為 75%」;試行的 13 個團隊「98% 表示流程變快」。
不能照抄的理由 Anthropic 自家客戶頁,頁面上沒有標示發布日期(列在 2026 年 8–9 月的客戶故事之間)。最有用的數字是最不好看的那個:75% 一致率代表每四則就有一則 AI 初評與人不同,這正是「AI 不做最終決定、受訓人員逐則對照原文確認」這條規則存在的理由;引用 88% 的時候必須把 75% 放在旁邊。
這些案例與其他外部佐證,完整收在找靈感 →
13 相關方法與下一步現場那半天怎麼做 查核清單有了,接下來是把現場看到的變成可用的紀錄。
量到數字之後才談效益 改善措施的回本期要有計算式,不是拍腦袋。
口徑要先講清楚 單位耗用怎麼算,整案都要用同一個口徑。
可直接使用RELATED PROMPTS Download 這個方法的模板與 Checklist 下載包整理中——訂閱更新 ,上架後第一時間通知你。
這個站的做法 有來源 引用的案例都附得出可以點進去的出處;還沒查證完的另外標示,不跟已證實的混在一起。 可驗收 每個方法都附 Checklist 與驗收標準——你要能自己驗,而不是相信 AI 說它做完了。 不亂編 指令一律要求「材料裡沒有的不准補」,缺的標【待補】列成問題,不用漂亮的句子蓋過去。 不自動送出 站內的指令與工具不會替你發布、寄出或執行收不回來的動作。最後一步永遠是人按下去。 人要把關 方法裡標「不下放」的步驟,寫明白就是不要交給 AI 決定。 一般人照做 不用寫程式。步驟寫成照著做的樣子,術語第一次出現就用白話解釋。
取得 AI 實戰工具與更新
之後會不定期整理:新方法、指令包(Prompt Pack)、Checklist 與模板。免費、無廣告;送出後會收到一封確認信,點了連結才算訂閱成功 ,之後每封信都附一鍵退訂。
送出即表示你同意本站的 隱私權說明 :我們只儲存 Email 與同意版本,不會把 Email 和你的閱讀紀錄綁在一起。沒有點確認信就不會收到任何內容,之後也隨時可以一鍵退訂。