METHOD · 決策與問題解決

AI 輔導案快篩

產出是「現場要看什麼」,不是「可以省多少」——沒量測就給百分比等於承諾。

情境:決策與問題解決也用於:研究與資訊整理也用於:資料與報表難度:要搭建|建助手或系統起手工具:ChatGPT
這是決策與問題解決情境下的方法之一(共 4 個)· 看這個情境全部 →
一、這是什麼三十秒判斷關不關你的事

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。

真的有人這樣做過外部佐證 4 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。

JPMorganChase 摩根大通美國 · 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。

這些案例與其他外部佐證,完整收在找靈感 →

02什麼時候用、什麼時候別用

什麼情況下該用這一套

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

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」
AI 輔導案快篩:產出是「現場要看什麼」,不是「可以省多少」直向流程圖。輸入是間接資料包含帳單產量人力平面圖與既有報表、輔導類型與範圍、資料期間與單位定義、被輔導方的限制例如可停機時段與可揭露範圍。第一步由人框定範圍:輔導類型、邊界、以及這次快篩要回答什麼問題。第二步由 AI 做資料體檢,逐項檢查期間是否齊全、單位是否一致、是否有異常值,缺的標資料不足不得補值。第三步由 AI 找出值得到現場確認的訊號,每一項要寫出推論鏈條並標明信心程度為資料直接顯示、需交叉驗證或僅為假設三級。第四步由試算表工具計算比率單位耗用與趨勢,口徑寫在表頭公式留存,AI 不做算術。第五步由 AI 把每個訊號轉成現場查核清單,具體到看什麼問誰量什麼拍什麼,這才是快篩真正的產出。第六步進入人工檢查點,由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。產出是接案建議與現場計畫。右側標示四個困難點:拿快篩當診斷因為報告寫得越漂亮越容易被當結論、AI 給出改善百分比而客戶會記住那個數字並當成承諾、口徑不一致的推論例如帳單月結產量週報人力月平均湊在一起、現場計畫沒做結果到現場還是憑經驗東看西看。中止條件是出現未經量測的改善幅度數字時整份退回重寫。檢查點有退回線回到訊號步驟。退回重整訊號INPUT / 輸入間接資料(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HUMAN / 人工步驟人框範圍:輔導類型、邊界、這次要回答什麼問題AI / AI 介入AI 資料體檢:期間/單位/異常值;缺的標【資料不足AI / AI 介入AI 找訊號,寫推論鏈條並標信心程度(三級)TOOL / 工具處理試算表算比率與趨勢(口徑寫在表頭、公式留存)AI / AI 介入AI 產現場查核清單:看什麼、問誰、量什麼、拍什麼CHECKPOINT / 人工檢查顧問判斷:值不值得做、投多少工時、先看哪三個地方OUTPUT / 產出接案建議 + 現場計畫 + 資料缺口清單RISK / 困難點拿快篩當診斷:報告寫得越漂亮越容易被當成結論RISK / 困難點AI 給出改善百分比,客戶記住它,它就成了承諾RISK / 困難點口徑不一致:帳單月結、產量週報、人力月平均湊在一起RISK / 困難點現場計畫沒做,到了現場還是憑經驗東看西STOP / 中止條件出現未經量測的改善幅度數字 → 整份退回重寫
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)
類型/角色流程步驟這一步的困難點/中止條件
1Human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
2Human人框範圍:輔導類型、邊界、這次要回答什麼問題
3AIAI 資料體檢:期間/單位/異常值;缺的標【資料不足】
4AIAI 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
5Tool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
6AIAI 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
7Checkpoint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
8Output接案建議 + 現場計畫 + 資料缺口清單

回流線:顧問判斷:值不值得做、投多少工時、先看哪三個地方 → AI 找訊號,寫推論鏈條並標信心程度(三級)(退回重整訊號)

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
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

一句話版(快速回顧)

  1. 先框範圍:輔導類型、邊界、這次快篩要回答什麼問題。
  2. AI 做資料體檢:期間、單位、異常值;缺的標【資料不足】不得補值。
  3. 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)。
  4. 比率與趨勢在試算表算,口徑寫在表頭。
  5. AI 把訊號轉成現場查核清單:看什麼、問誰、量什麼、拍什麼。

完整版(每一步誰做、產出什麼)

誰做步驟與說明
1Human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
2AI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
3AI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
4Tool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
5AI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
6Human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

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。

【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。

06Prompt(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。三種都附可替換變數、使用範例、預期輸出與人工確認點。

三種版本共通的紅線
三版都不適合用在
  • 要產出診斷結論或改善提案時。
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ChatGPTClaude試算表
👇 直接複製,{ } 換成你的內容
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。
這一版另外不適合
  • 完全沒有間接資料時。
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。
B
B. 完整實戰版

要一份可以附在接案評估或提案前的快篩報告,含資料缺口、假設清單與現場計畫。

適合的工具ChatGPTClaude試算表
👇 直接複製,{ } 換成你的內容
# 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 ProjectClaude SkillCopilot Studio
👇 直接複製,{ } 換成你的內容
# 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。

常見錯誤用法

  • 為了提案好看,讓它「保守估一個範圍就好」。範圍也是數字,客戶記住的是下限還是上限由不得你。
  • 把訊號清單直接複製進診斷報告。訊號是假設,診斷是結論,兩者的責任不同。
  • 資料清單沒有隨輔導類型更新,導致每次都要人工補問同樣的東西。
這一版另外不適合
  • 還沒有標準資料清單與訊號對照時。
缺少資料時怎麼辦

資料越少,助手的輸出就越應該偏向「要調閱什麼」。這在接案階段其實是強項——一份寫清楚「第一次到現場要拿到哪五份資料」的快篩,比一份滿是推估數字的分析更能讓客戶相信你做過事。

這一版另外要人確認
  • 上線前:用至少十個歷史案子測過,含三個刻意陷阱。
  • 每案:口徑確認、接案判斷、對外說法的把關。
  • 每季:把新出現的訊號型態補進對照表。

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。
四、不要做錯這幾關不下放

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。

其他注意事項

10人工把關與安全限制

AI/Agent/Tool 介入在哪幾步

流程位置做什麼/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」。

11Checklist 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

  1. 報告中沒有任何未經量測的改善幅度、節省金額或百分比。
  2. 每一項訊號都寫出推論鏈條並標了信心程度。
  3. 缺漏資料都標【資料不足】,沒有以產業平均值或經驗值補足。
  4. 資料口徑問題(期間、單位、統計方式)都已明確指出。
  5. 口述資料與有正本的資料已分別標示。
  6. 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。
  7. 「本次無法回答的問題」已誠實列出。
  8. 對外文件已標明本階段為快篩、非診斷結論。
五、延伸看別人做過,然後往下一步

12實際案例

客戶問「大概能省多少」,正確答案是「要先量三件事」

當時的狀況: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 做了什麼
  • 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。
人做了什麼
  • 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。

結果: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。

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。

資料太亂先整理

帳單與產量表的格式通常不一致。

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。

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;正式寄送前會先寄確認信,隨時可來信要求刪除。

← 回「決策與問題解決」回找方法 →