一切都是從一個商務端的痛點開始的。

業務團隊的每個同仁每天都可能有多場客戶提案會議，主管絕不可能親自參與每場提案、review 提案表現。但是會議中與客戶的問答互動、對客戶商務需求的回應、展示自家產品的方式都是業務成交與否的關鍵，有沒有更有效率的方式讓同仁自己能夠檢視自己的提案表現，也讓主管能更容易coach團隊、提升會議的品質？

資深的主管累積了多年第一線的經驗，他是最曉得一場好的客戶提案會議應該長什麼樣子的人，也深知一個業務在提案過程中，哪些地方做得好，哪些還有改善的空間。如果主管沒有辦法親自參與每場會議，是否有機會能把他的經驗轉化成一套相對標準化的評量機制，用這套機制去衡量每場會議的表現？ 這些經驗是可以被整理成一套「規則」的嗎？

再進一步，這個評量的過程可以被自動化嗎？
理想上，業務在進行客戶會議時，只需錄下會議內容，透過一套系統能進行逐字稿轉錄，接著再根據預先定義好的 評分標準產出評量報告。這樣一來，業務同仁不需要額外花很多力氣，就能在每場會議後回頭檢視自己的表現；主管也可以在會後透過系統查看團隊成員的會議報告，再進一步和業務討論：下一場客戶會議，我們可以怎麼做得更好？

於是，這個開發專案就這樣開始了。

一開始，我們真的把它想得過於簡單。「讓AI產出評量結果」這件事背後的核心其實是：主管所謂的「好的提案會議」，到底要怎麼被定義？

例如，主管對一個會議的評價可能是：「這個會議業務沒有站在顧問的角色去和客戶提案、不夠consultative。」

但究竟 “consultative"的定義是什麼？ 什麼樣的行為才算是符合標準？ 有不同程度的區別嗎？確切的差異在哪裡？

當要把這些看似非常質化的評價真正落實為一套AI能穩定產出結果的「標準」時，才是最大的挑戰。這套評分標準需要足夠一致，讓 AI 可以穩定地執行；但同時，它又不能脫離真實世界的銷售場景，變成一套看起來很科學、實際上卻過於僵化、沒有人認同不切實際的規則。

因此，我真正要解決的問題其實是：怎麼把一個人累積多年的商務判斷，轉化成一套可以被 AI理解、執行、驗證，而且真的有意義的規則？

這也成為這個專案裡，我花最多時間思考的問題之一。