因為 AI 跟人類一樣，如果你沒辦法清晰、具體的描述問題，你只會得到模稜兩可、不符預期的結果。

如果你覺得 AI、人類無法給你期待的答案，其實很多時候是因為根本沒把問題表達清楚，因此造成垃圾進，垃圾出 (Garbage in, garbage out) 的結果。

PS. 儘管這篇文章談的是「設計思考」，但與 AI 溝通時，設計思考也是相當重要的一環。

問題背後的問題

過去帶新人時，常常工作到一半就會收到私訊：「不好意思，可以問你一個問題嗎？」

收到訊息時，我通常會眉頭一皺，因為我根本不知道他要問什麼問題，所以先詢問他：「哪裡遇到問題了呢？」

新人：「我 xxx 功能做到一半卡住了。」

我：「為什麼會卡住？」

新人：「我使用 yyy 套件，但不知道 xxx 功能怎麼用。」

我：「你有看過套件的官方文件嗎？」

新人：「我看不懂官方文件。」

從表面來看，是新人功能做不出來；但真正的問題是「看不懂官方文件」，所以就算這次你幫了他，他下次遇到問題時還是會跑來找你。

不是每個人都很有耐心

在上面的案例中，我問了「3」次才抵達問題核心。

但在職場上，每個人都很忙，即使筆者也不能保證自己每次都很有耐心。

如果想請對方幫忙，盡可能一開始就完善的描述問題，而不要用開放式的詢問，建議的基本架構：

• 具體說明自己遇到的問題：可以搭配圖片、文件，讓對方在最短的時間掌握問題。
• 表達自己曾經做過的嘗試：即使是失敗的嘗試也列上去，否則就像是個伸手牌。
• 詢問對方可以討論的時間：因為對方可能手上有事情在忙，如果沒有約時間，可能已讀後就忘記了。

所以上面新人的問題就可以改成：「我想透過 yyy 套件達成 xxx 功能。但按照官方文件的範例（https://github.com/）實作後，還是做不出 xxx 功能，一直跑出 zzz 的錯誤訊息，不太確定是不是自己方向弄錯了。請問哪個時間點方便向您請教呢？感謝。」

表達越完善，對方越能在短時間了解問題，以增加回覆意願，或跟你說這個問題可以跟誰詢問。

把申論題改成選擇題

前幾篇設計思考的文章，都有談到「同理心」的重要性。

其實在發問前，我們可以先思考一下如果自己收到這個問題，會不會想回答，或者有什麼資訊不完整的地方。

當你站在對方的角度來思考，問出的問題就會不太一樣。

讓我們回想一下學生時期，相信大家在寫考卷的時候，比起申論題，應該更多人喜歡選擇題吧？

我們可以將「你覺得這個配色溫暖嗎？」這種開放式的問題，改成「你覺得 A 配色跟 B 配色哪個比較溫暖？」這類選擇題，這樣就會大幅降低對方回答的壓力。

把模糊的答案變精準

這是一個資本主義的社會，如果目標不夠具體，就容易花了很多錢但得不到成效。

就拿廣告來舉例好了，任何產品都有他的受眾。

如果你只問客戶他們的受眾是誰，客戶可能回答：「上班族。」

但上班族的市場很大，從 22~65 歲都是上班族；所以你需要更近一步的詢問，比如：

• 愛好（ex：戶外活動、逛展覽、運動、宅家裡…）
• 產業（ex：金融、科技、醫療、服務…）
• 薪資水平

透過細分市場你才有辦法聚焦，如果什麼都想要，下場往往是什麼都得不到。

以上就是「設計思考全方位」第五單元的心得筆記，如果覺得我的分享對你有幫助，歡迎 Follow 我吸收更多知識。

圖片合成

方法 1：用「/imagine」將兩個網址用「 , 」區隔即可合成。

這邊我用維基百科上找到的「拿破崙」與「莫扎特」做合成。

合成後，網址會變轉換成短網址；同時我們可以獲得「莫扎特」與「拿破崙」的合體照（聽起來怪怪的XD）。

方法 2：用「/blend」方法，將圖片貼上合成（最多 5 張）。

這邊我選用燈泡跟兔子做為材料。

最終合成出一個兔子燈的成果。

排除物件

可以透過「 — no xxx」來排除物件。

• –no people：不要人。
• –no chair：不要椅子。

這邊我用「Interior of modern coffee cafe（現代咖啡館的內部）」作為 Prompt，會得到擺設含有椅子的咖啡館。

如果我希望擺設不含椅子，我就加上 –no chair 的參數，Prompt 改成「Interior of modern coffee cafe –no chair」。

從下圖我們可以看到咖啡廳就沒有椅子了。

白色背景、去背

我們可以用「in white background」來取得乾淨的背景。

這邊我先用「battle of two warriors（兩個戰士的戰鬥）」作為 Prompt，你會獲得不好去背的背景。

調整成「battle of two warriors in white background」作為 Prompt，你會獲得乾淨的背景。

這個時候透過去背服務的工具如：https://www.remove.bg/

便可輕鬆去背。

以圖生圖

我們可以自己提供圖片，然後加上文字敘述改變圖片風格，Prompt 結構：「jpg 或 png 結尾的 url 描述」，中間要記得空一格！

下面我就用筆者的照片作為範例，請他幫我用 Miyazaki Hayao（宮崎駿）的風格呈現。

從產出的結果來看，感覺瞬間 +40 歲 XD

下面改成用 botw（曠野之息）的風格，又瞬間 -10 歲惹 XD

想將 AI 導入自己的職場與生活嗎？歡迎購買筆者出版的新書，幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！

他跟 Google 一樣能提供人們所需的資訊，甚至可以說跟 Google 相比，ChatGPT 取得資訊的門檻更低；因為使用者能透過對話的方式一步步接近答案，不需要像 Google 透過關鍵字反覆嘗試。

但未來 ChatGPT 這類 AI 聊天機器人，真的能取代 Google 搜尋引擎嗎？筆者想從幾個角度來討論，並給出自己認為合適的搭配方案。

大綱

▋ 碰到問題尋求解答
▋ 研究不熟悉的事物
▋ 有能力完成，但不想花時間
▋ 結語：沒有完美的技術

碰到問題尋求解答

無論 Google 還是 ChatGPT，其實都無法保證資訊的「正確性」。

但兩者不同的地方在於，Google 會得到許多結果，而 ChatGPT 只會給你一個答案。

如果有多個結果，你就會去嘗試哪個方案是「能用的」，然後再從能用的方案中找出「最好的」；而當獲得的是一個答案時，我們通常只會去嘗試這個方案能不能用，導致思考的範圍有「侷限性」。

有時這個「侷限性」很可怕，因為 ChatGPT 的回答未必正確；沒有判斷能力的新手，可能會耗費大量時間在嘗試錯誤的方案。

即使今天要求 ChatGPT 給你多個答案，並請他幫你分析各自的優劣，那也是 ChatGPT 給出的結果；少了「嘗試」與「證明」的過程，我們很難將知識內化。

上面這段話並不是要否認 ChatGPT，而是在提醒讀者千萬不要陷入「只有一個」解決方案的思維困境；同樣的，Google 搜尋得到的第一個結果，也未必是最好的答案（不過通常是能執行的方案）。

下面是筆者的感觸：

• Google：在解決問題的過程中，你會學到其他相關知識，儘管費時較久，但對整體的掌握度更高（失敗的經驗會讓你有更深刻的理解）。
• ChatGPT：你有機會在短時間解決問題，不過缺點是在得到解答後，就容易停止思考（如果不幸得到錯誤的解答，那可能會卡更久）。

研究不熟悉的事物

如果我們對一個事務完全不了解，無法分辨方案間的好壞時；Google 能給我們的幫助相對有限，因為此時的我們連「關鍵字」都不知道怎麼下，而不明確的關鍵字也只會得到發散的結果。

但面對這種情境時，ChatGPT 卻能在一次次的對話中給你方向，因為關鍵字無需一次到位，他能理解你提供的「上下文」，像個咨詢師般給你「逐步」的指導，針對性地解決複雜問題。

不過 ChatGPT 的資訊未必全部正確，如果發現某個步驟走不下去時，還是需要 Google 救援。

有能力完成，但不想花時間

有時需要撰寫帶有「特殊需求」的報告，比如：

• 比較瀑布式開發與敏捷式開發的不同，並以敏捷式開發比較好作為結論。
• 介紹 Git 常用的分支策略，並說明為何會這樣設計。

或是整理「複雜情境」的問題，比如：

• 團隊在跑 Scrum 時大家都不關心彼此的報告內容，我身為 Scrum Master 可以如何引導？
• 核心價值對公司來說有什麼意義？以軟體公司舉例。

如果使用 Google，你可能要搜尋多篇文章，然後再根據自己的需求拼湊出最終的版本；不過在「有能力判斷真偽」的前提下，ChatGPT 能快速的幫你進行整合。

下面放兩個 ChatGPT 的回答供讀者參考：

結語：沒有完美的技術

每個人對「完美」的定義不同，因為每個人對解答的期待都不一樣。

筆者認為 Google 跟 ChatGPT 更像是一塊互補的拼圖，Google 通過你給的關鍵詞搜索相關資訊，你再從中分辨出需要的部分；而 ChatGPT 則是基於過去訓練的大量資料，用對話的形式向你提出建議。

這邊就舉一個結合應用的場景：

SETP 1：你在 Google 找到一篇看不懂的英文文獻。

SETP 2：把文獻丟給 ChatGPT，讓他幫忙翻譯並整理成你看得懂的資訊。

SETP 3：確認這些資訊是否為自己需要的，以此加速學習與理解的過程。

希望上面的範例能給讀者一些靈感，相信大家在使用的過程中能找出更多實用的搭配，發揮出各自的優勢！

未來筆者會出一系列使用 ChatGPT、openAI 的文章，如果你對這個議題感興趣，可以持續關注我的文章！

想將 AI 導入自己的職場與生活嗎？歡迎購買筆者出版的新書，幫助您在 AI 的浪潮中站穩腳步，並在未來的職場競爭中佔據優勢！