顧問專用AI工作空間：以合夥人速度產出簡報、框架，和研究

AI在專案上真正取代的是什麼

顧問工作從來不是單一種任務。同一週內你要整理問題結構、訪談利害關係人、清理資料萃取、建立故事線、寫投影片頁面,還要捍衛最終建議。這些任務需要完全不同的模型行為,這也是為什麼單一AI訂閱總是感覺七成有用、三成令人洩氣。

誠實地說,AI不會在專案裡直接產出答案。它省下的是你花兩小時把已經知道怎麼做的東西寫成初稿的時間,也能抓出那種原本要等到週四、時間夠了才會發現的漏洞。這樣用,每週能省下好幾個小時。當成解答機器用,產出的就是合夥人早就練就一眼看穿的那種通用內容。專案裡最高槓桿的一個例子就是通話紀錄整理,這在如何用AI摘要會議記錄有專屬的工作流程。

大多數顧問幾週後會落在這樣的分工上：

任務	最適合的模型	原因
問題結構化、議題樹、2x2矩陣	GPT	能遵守明確的結構限制,維持MECE邏輯,回傳乾淨的層級
投影片標題與故事線	Claude	用人性化的語氣書寫,不容易堆砌空洞形容詞,維持一致的論證主線
Executive summary與客戶郵件	Claude	最擅長語氣拿捏,能圓融地講出難以啟齒的話
市場與競爭者掃描	Gemini	最擅長處理可查證來源的最新網路資料
長文件與逐字稿閱讀	Gemini	100萬token的上下文視窗,120頁的年報一次就能讀完
萃取資料成表格或JSON	GPT	在嚴格輸出格式上最可靠,能直接貼進Excel
檢查建議是否合理	沒寫過這份草稿的任何模型	第二個模型是你能找到最便宜的紅隊測試

你不需要背下這張表。實務上的版本就是：用GPT起草結構,用Claude起草文字,用Gemini做研究,再用一個沒寫過的模型檢查最終邏輯。

工作流程一：不落俗套的框架產出

如果你只問「幫我針對這個客戶問題想一個框架」,得到的通常是把客戶名稱貼進去的波特五力分析。解法是給模型一套主管會給你的限制條件：客戶實際在做的決策、允許考慮的維度,以及已經排除掉的選項。

提示詞：議題樹

你正在為一個顧問專案整理問題結構。客戶決策：[具體決策，例如「是否要把三個區域配送中心整併成一個」]。建立一個MECE議題樹,深度三層。第一層必須是解決這個決策所需回答的3到5個問題。每個末端節點都要說明所需的分析和資料來源。不要納入我們無法用現有資料驗證的分支。標出任何答案很可能已經知道的分支。

提示詞：值得存在的2x2矩陣

針對這個問題提出三個候選的2x2矩陣。每一個都要標出兩軸,解釋每個象限的位置對客戶代表什麼意涵,並說明這個矩陣要驅動的單一決策。剔除任何等於重述同一個變數的軸線組合。然後推薦其中一個,並說明另外兩個為什麼在這裡比較弱。背景資訊：[貼上你的情境筆記]。

提示詞：檢驗你已經建好的框架

這是我建立的框架：[貼上]。請扮演一個懷疑論的專案經理。找出重疊的分支、缺漏的分支、在現有時間內無法分析的分支,以及任何預設了答案的地方。不要重寫它,只列出問題。

最後一個是這頁裡價值最高的提示詞。模型在批判結構上遠比在發明結構上強,而一次批判只要三十秒。在拿去給經理審查之前,先自己用這個提示詞跑一遍框架。

工作流程二：撐得過合夥人審查的簡報敘事

AI寫的投影片問題不在文法,而在於每個標題都是一個主題,而不是一個論點。「市場概況」是一個主題。「這個類別成長了11%,而我們的客戶卻流失了3個百分點的市佔率,原因完全出在折扣通路」才是論點,而一份由論點組成的簡報讀起來像是思考過的結果,而不是流水帳報告。

提示詞：先有故事線,再寫頁面

為客戶簡報建立一條橫向故事線。情境：[兩句話]。轉折點：[兩句話]。客戶提出的問題：[一句話]。我手上的證據：[條列]。建議：[一句話]。回傳8到12個投影片標題,每個都是完整的論點,有主詞和動詞,按順序讀起來是一個完整論證。不要用主題式標籤。標題之後,列出我目前還沒有證據支持的論點。

最後那個指示才是真正救你的地方。它會在你動手做頁面之前,先給你一份證據缺口清單,而這正是合夥人在審查時本來就會列出來的清單。

提示詞：寫這一頁的內容

為這張投影片撰寫內文。標題：[貼上標題]。支持數據：[貼上數字或發現]。受眾：[例如「營運長和兩位直屬幕僚,對營運熟悉,對顧問持懷疑態度」]。限制：最多三個支持論點,每個不超過20字,不用無法衡量的形容詞,不做超出所給數據範圍的論述。加一句給客戶的「所以呢」。

提示詞：語氣調整

依照這個語音樣本重寫這段內容。保持每個數字和論述完全不變。移除任何一句放到別家客戶的簡報裡也不會顯得奇怪的句子。語音樣本：[貼上合夥人喜歡的簡報裡的兩段文字]。草稿：[貼上]。

語音樣本比任何語氣說明都更管用。兩段你們公司實際寫過的文字,能把輸出結果拉得比一整段描述你想要的語氣的形容詞更接近目標。

在送出任何東西之前,做一次反向測試：把你的標題貼進一個全新對話,問這裡在論證什麼,其中最薄弱的一環是什麼?如果模型都無法覆述你的論證,客戶也不行。

工作流程三：能真正引用的市場掃描

研究是AI在專案裡最有用、也最危險的地方。一個自信滿滿卻是虛構出來的市場規模數字,一旦進了客戶簡報,就是職涯問題,不是小麻煩。原則很簡單：用連網的模型,要求附來源,並把每個數字都當成未經查證,直到你自己打開來源確認過。

提示詞：類別掃描

研究[類別]市場。回傳：(1)過去24個月內的市場規模估計,每筆都附發布單位、年份,和URL;(2)5到8家最大的參與者,附任何公開的營收或市佔數字;(3)過去12個月內的重大變化,包括進入、退出、募資輪、併購,和法規變動;(4)未來24個月內最可能改變競爭格局的兩到三股結構性力量。若來源意見不一,兩個數字都列出,不要取平均。任何無法查證來源的內容標記為UNVERIFIED。

提示詞：競爭者拆解

對[競爭者]建立一份定位拆解分析。涵蓋：他們自己說法中的價值主張、目標客群、公開的定價、通路,附日期的近期產品或訊息變動,以及公開評論中可見的客訴主題。每個論述都要附引用來源。分清楚哪些是公司自己說的,哪些是第三方觀察到的。

提示詞：閱讀長文件

閱讀這份文件,只萃取跟[客戶決策]有關的內容。回傳一張表格：論述、頁碼或章節出處,以及是否支持、反駁,或對[說明假設]這個假設持中立立場。然後列出這份文件裡最讓你意外、最違背產業常態的三件事。

最後一個提示詞說明了為什麼大上下文視窗在這份工作裡很重要。把一整份年報、一份完整的法規申報文件,或15份訪談逐字稿一次載入,再對整批資料問一個問題,這跟一頁一頁摘要是完全不同的能力。Gemini 3.7 Flash在Whizi上能讀取100萬token的上下文,大約兩千頁文字,所以這一段預設會用它。

想深入了解資料來源與查證方式,可參考AI市場研究指南。

客戶保密：貼上前要去識別化哪些內容

每個顧問在第二個提示詞之前就會問這件事,誠實的答案有兩部分。Whizi不會用你的對話訓練模型,每家供應商的資料處理政策在你啟用之前都可以查閱。這涵蓋了平台這一層,但涵蓋不到你的客戶合約,而客戶合約通常比任何供應商政策都嚴格,也才是實際約束你的文件。

可行的習慣是去除身分資訊,但保留結構。AI的推理不需要客戶名稱才能發揮作用,拿掉它不會有任何損失：

• 把客戶和競爭者名稱換成代號：客戶A、競爭者B、地區1。
• 把數字取整數或指數化。「營收以2023年為100作為基準指數,2025年為94」保留了分析的每一個形狀。
• 上傳訪談逐字稿前先移除姓名、電子郵件,和職稱。角色就夠用了,分析用的本來就是角色。
• 任何受特定保密條款約束的內容、個資,或重大非公開資訊,完全不要放進任何AI工具,包括這一個。
• 如果這個專案受到更嚴格的限制,在專案開始前先跟公司的風險team確認,而不是事後才問。

去識別化後的提示詞往往本來就是比較好的提示詞。強迫自己用結構性的語言描述情境,能去除那些原本會分散模型注意力的枝節細節。

為什麼一個工作空間勝過三個訂閱

在專案上的具體優勢不只是價格,雖然算下來確實划算：ChatGPT Plus、Claude Pro,和Google AI Pro各約$20,加起來每月大約$60,對比Whizi Pro的$29.99,而一則Claude Sonnet 5訊息只花掉Pro每月2,000額度中的10點,所以一整份簡報的標題修改幾乎不會動用到多少額度。獨立接案者感受到的算法更明顯,詳見給自由工作者的AI工具。真正的優勢是切換模型時,情境不會消失。你上傳客戶的資料萃取,用GPT整理問題結構,用Claude起草故事線,再用Gemini拉出市場背景,全部都在同一個記得前後脈絡的對話串裡完成。換成三個不同產品,就得把專案重新解釋三次,還得自己在腦中記著版本歷史。

並排比較是第二個優勢,而這正好對應顧問工作品質被評判的方式。把同一份executive summary丟給兩個模型跑,留下比較好的那段,這個習慣只要花兩分鐘,卻能明顯拉高你送出去內容的下限。它也能降低「這聽起來像AI寫的」的觀感,因為你送出的是每個段落各自的最佳輸出,而不是一個模型的固定風格硬套在整份文件上。

第三個優勢是紅隊檢驗。請一個沒有草擬這份建議的模型來反駁它：論證這份建議是錯的最強理由是什麼?相反的結論要成立,需要哪些條件為真?不管它找出什麼,客戶的財務長也一樣找得到。

AI不會替你做的事

它不會告訴你客戶真正想要的是什麼,而那通常跟RFP寫的不一樣,只能從會議室裡學到。它不會知道那位要負責落實你建議的營運長,兩年前已經否決過同一個想法。它不會替任何一個數字承擔責任,所以每個進到頁面上的數字都得由你來驗證。

它在顧問真正被付錢做的那件事上也很弱：在資訊不完整、又有職涯代價的情況下做判斷。模型很樂意用薄弱的證據給你一個自信滿滿的答案,因為對它來說自信很便宜,對你卻很昂貴。把每個輸出都當成一位讀了不少資料的分析師寫的初稿,而這個人從沒見過客戶,也不會被究責。