AI 場景挖掘入門：把日常卡點變成 AI 候選清單

【45 分鐘線上課程・附 AI 場景候選清單・即買即看】

一堂課，把日常工作卡點變成一份能落地的 AI 候選清單

 

 

為什麼過去的方法會卡住？

多數人在動手之前，會掉進兩個常見困境：

• 需求真空

老闆一句「你想想有哪些場景適合」丟回給你，需求埋在日常裡，沒人挖得出來，問題最後回到自己頭上——清單交不出去。

• 需求氾濫

各部門提案越來越多，但混著一堆「科幻需求」（AI 自動回覆所有客訴、AI 抓出所有問題報帳、AI 預測員工未來十年職涯），清單越拉越長，卻沒人說得準哪些是真需求、哪些只是願望。

 

卡住的不是你的邏輯，是找場景的順序

帶著 AI 的濾鏡去找場景，會讓你失去對「商業價值」的聚焦。

這叫「錘子心態」：先選了技術，再回頭找它能打的問題。順序應該倒過來：先列任務，再問 AI 可不可用。

 

---

《一個真實的「問題選錯」故事》

行銷團隊想減緩顧客流失，一頭跳進技術，建立精準的「預測模型」。

• 結果：模型是準的，但公司營收的流失，沒有因此減緩。

• 反省：行銷部精確挽留的，其實是「讓公司賠錢」的客戶。

篩選的方法只有三步，但這三部決定清單能不能用

場景不是「想」出來的，是從你最熟悉的工作流程裡「拆」出來的。三步驟，就是這堂課的全部方法論——也是你上完課之後，能自己重複使用的工具。

 

STEP １｜拆流程

挑一條你最熟的日常流程，切成一段一段的工作流。每一段寫清楚：誰、做什麼、產出什麼、交給誰。流程攤開後，任務會自己浮出來。

 

STEP ２｜掃訊號

用耗時程度、重複勞動、出錯頻率、可驗證性四盞燈，掃描每一個任務，燈號越多，代表這個任務越值得優先收斂。

 

STEP ３｜寫描述

補上具體描述錯誤現況，把模糊的任務寫成一段老闆看得懂、工程師接得住的「可驗證任務陳述」。

 

課程大綱

這不是六個章節，是六個你會親手完成的成果。

01：找出錯誤的 AI 場景挖掘方式

02：把一條工作流程拆成可分析任務

03：用四個訊號找出值得注意的任務

04：寫出一段可量化、可驗證的任務陳述

05：完成第一版 AI 候選場景清單

06：知道清單下一步還要經過哪些評估

 

 

 

講師介紹

數創實驗室創辦人 Vincent，曾任 eBay 上海及特力集團 AI／數據團隊主管。在過去十多年推動數據與 AI 專案的經驗中，他挖掘需求的第一步，通常不是介紹技術，而是走進不同部門，問清楚：

• 「最近什麼事情最煩？」

• 「如果只能解決一件，你會選哪一件？」

• 「這件事多常發生、到底有多痛？」

本課將這套需求挖掘經驗，整理成可以自己操作的框架與表格。

 

你不需要憑感覺發想 AI 點子，也不需要先背工具名稱；只要從日常工作出發，就能完成一張更具體、更能經得起追問的 AI 候選問題清單。

 

 

這堂課適合誰？

• 被要求提出 AI 導入場景，但不知道從哪裡開始

• 收到很多 AI 點子，卻不知道怎麼整理

• 是 PM、專案推動者、主管，或業務／技術協作窗口

• 想先做出候選清單，而不是直接進入技術選型

 

哪些需求不適合這堂課？

這堂課不會深入教學：

• 已經有完整 AI 場景清單，正在做 ROI 排序

• 想學 Prompt、模型串接或系統開發

• 想在 45 分鐘內完成技術可行性與立項評估

• 期待老師直接替公司決定要做哪一個專案