別只會下指令，善用反問進而挖掘連你都沒想到的深度洞見

歡迎來到第八天的旅程! 今天我們要探討第四法則，一個能讓你與 AI 協作能力產生質變的思維：從單純的範例指導，進化到策略性的反舉例思辨。

若仍習慣叫 AI 總結報告或撰寫郵件，無疑是將其潛力侷限在一個指令翻譯機。因為真正的價值在於將 AI 訓練成能主動挑戰、甚至反問你的思維夥伴，這不僅關乎效率，更是一場認知邊界的擴展。

一切的基礎：從一個清晰的範例開始

要與 AI 深度對話得先讓它精準理解你的意圖，模糊的指令只會換來空泛的回應，這就是範例的重要性。這時候再來複習一下在第五天有提到的 GCES 框架，有給出一個結構清晰並且資結構分明和有代表性的指令。

一個好的指令包含四大要素：

1. 目標 (Goal): 你最終想完成什麼？
2. 背景 (Context): 誰是客戶？有何限制？
3. 資料 (Source): 需要參考哪些文件或數據？
4. 期望 (Expectations): 希望的格式、語氣或架構？

❌ 模糊的指令:
幫我建立一個行銷計畫。

✅ 結構化的指令 (範例):
我的目標是為新的『有機沐浴球』系列制定一份行銷計畫。背景是目標客群為注重環保的年輕人，且行銷預算有限。請參考附檔的產品說明書與上季銷售數據。我期望一份三個月的計畫，以表格呈現，包含主要通路、宣傳口號和預估花費。

前者幾乎註定失敗，後者則為高品質的合作奠定基礎。但這只是第一步。

思維的飛躍：用反舉例與主動反問淬鍊思考

掌握清晰指令後，便能進入更刺激的階段：不僅告訴 AI 做什麼，更要引導思考沒做什麼和如果...會怎樣。 這便是從範例到反舉例的精髓。

技巧一：召喚魔鬼代言人進行壓力測試

主動要求 AI 站在你的對立面，用反舉例攻擊你的論點，目的是在內部就把想法打磨到最堅固。

實戰演練：
這是我投資 A 公司的理由：[簡述你的核心論點]。請扮演一位多疑的基金經理人，提出三個反例或市場趨勢來挑戰我的看法，並解釋每個反例戳破了我哪個思維漏洞。

技巧二：化身未來模擬器用故事看見結局

與其分析優劣，不如讓 AI 把決策的可能後果演出來。這種基於反例思維的故事化，能讓你對風險有更直觀的感受。

實戰演練：
我們想試行『週休三日』。請寫兩個強烈對比的短篇故事。故事 A 描述計畫成功後的理想情景。故事 B（一個負面反例）則描繪計畫失敗後的災難，請突顯營運瓶頸與客戶抱怨。

終極進化：如何讓你的 AI 從聽命到主動？

前面的技巧仍由你主導發問。但最強大的協作，是 AI 能夠主動反問，幫你釐清思路，甚至預測你的下一步。這需要你在下指令時，多加一道授權。

新思維一：指令 AI 主動提問

在給出任務後，加上一句神奇的咒語，賦予 Copilot 反問的權力。

實戰演練：
[這裡是你原本的完整指令]... 在開始撰寫計畫前，請先反問我 3-5 個你認為能讓這份計畫更完美的問題。 這些問題應能幫助釐清我沒說清楚的假設或目標。

這個簡單的指令將立刻改變互動模式。AI 的反問，例如 : 您提到的『預算有限』，具體數字範圍是多少？，這樣本身就是一次價值連城的策略諮詢。

新思維二：指令 AI 預測下一步

一個好的夥伴總能幫你多想一步，同樣的也可以透過這樣的概念跟 AI 協作。

實戰演練：
Prompt : 請幫我草擬一封關於新混合辦公政策的全員公告信。完成後，請預測主管們收到信後，最可能向人資部門提出的三個後續問題，並為每個問題草擬建議的回答方向。

如此一來，AI 不再只是寫信的工具，而是能預判風險、為你準備應對方案的策略顧問，從完成交代的任務，升級到解決任務衍生的未來問題。

結論：改變你的提問，改變你的世界

今天探討的第四法則，核心是心態的轉變。

• 從範例開始，是確保溝通清晰。
• 到反舉例進階，是利用 AI 進行深度思辨。
• 最終讓 AI主動反問，則是將其提升到真正的思維夥伴層級，協助你看到思維的盲點。

這一切的基礎，都源自於像 Microsoft 365 Copilot 這樣，能安全的在公司內部資訊環境中運作的 AI，正因 Copilot 了解你的業務、同事和專案，它的反問與預測才能真正切中要害。

從今天起試著在指令中加入請反問我...或請預測下一步...，你會驚訝的發現解放的不只是 AI 的潛力，更是自己思考的無限可能。