不是會用 ChatGPT 就懂 AI。先把 工具地圖 建立起來，知道在什麼情境該用哪一家。
01 · Goal
學習目標
02 · Core
核心知識
03 · Demo
實戰範例
04 · Practice
課堂演練
分清強化大腦 vs 強化手腳
把 AI 當顧問不是工具。決策用大腦、執行才用手腳。
李經理每天重打背景
李經理用 ChatGPT 寫 5 封 email、整理 2 場會議，一個月只省 3 小時；每次都要重講客戶產業、報價規則與上次溝通，AI 像臨時工。
李經理把客戶名單與會議紀錄放進 NotebookLM
他只說「幫我跟 A 客戶 follow-up」，AI 會引用上次需求與交期限制；一個月少重打 40 次背景，省下 18 小時。
掌握五大 AI 工具地圖
ChatGPT、Claude、Gemini、NotebookLM、LM Studio 何時選誰。
陳老闆一聽 AI 客服就買系統
陳老闆月花 18,000 元買客服外掛，卻沒有先整理 FAQ；30 天後 AI 仍答錯退貨規則 12 次，客服反而要忙著補救。
陳老闆先用工具地圖拆任務
他先用 NotebookLM 建 FAQ，再用 ChatGPT 寫回覆草稿，最後用 Gemini 查政策說法；兩週試跑只自動處理 5 類低風險問題。
三層次提問法面試 AI
know What / know How / know Why，同題目分別問三家。
小慧只問 AI 一題就下結論
小慧面試 AI 客服，只問「你會客服嗎？」得到 600 字漂亮介紹，主管會議上被問導入步驟與風險時答不出來。
小慧用 What / How / Why 三層面試
她同題問三家 AI，整理出 3 階段導入、每月預算 1 萬內、5 個需人工升級情境，20 分鐘做成決策表。
四張卡同一語言、靠編號區分。
技術上是大型語言模型（LLM），讀過絕大多數網路文字、學會「文字接龍」的機率。對你來說，它是一個讀過比你多得多、可以對話協作的同事。
真問題 — 不是「AI 能不能做」，而是「我有沒有把問題說清楚」。
單家 AI 寫完提案就寄出
業務 Ken 讓 ChatGPT 一次寫 6 頁日商提案，語氣太滿、還承諾 7 天交貨；客戶回信要求重新確認規格。
三家輪用後再送出
Ken 用 Claude 改克制語氣、Gemini 查市場名詞、NotebookLM 刪掉公司沒有承諾的交期；客戶隔天約 30 分鐘視訊。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
先量產（ChatGPT 速度）→ 再潤飾（Claude 自然）→ 再驗證（Gemini 穩）。
2025 — Gemini Pro / GPT 5.2 並列 73 分、Claude Opus 4.5 第三 70 分。差距小、會用才是關鍵。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
中小企業老闆評估「要不要導入 AI 客服」，同問題分三層問。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
「請用 200 字解釋什麼是 AI 客服？跟傳統客服機器人有什麼差別？」
「我有 50 人公司、月 200 個客服訊息，要導入 AI 客服該分哪些步驟？預算範圍？」
「就我的情境，先導入 AI 客服還是先優化人工流程比較好？理由是什麼？」
挑你最熟的領域，設計三層問題分別問三家 AI。
寫出三層問題：定義 / 步驟 / 策略各一。
同題目分別問 ChatGPT / Claude / Gemini。
哪家清楚、哪家無 AI 味、哪家挑戰你的前提。
告訴右下角助手你的觀察，請它幫你分析三家差異。
本模組的核心不是背工具名稱，而是建立判斷順序：先分清你要強化的是大腦還是手腳，再決定用哪個 AI、問到哪一層、最後怎麼輪用工具。中小企業老闆評估 AI 客服時，若只問「推薦哪個系統」，AI 會給清單；若問「我的客服流程哪裡值得先 AI 化」，才會得到可決策的答案。
學完後你能把任務拆成「決策判斷」與「執行產出」。例：用 ChatGPT 寫 email 是強化手腳；把客訴紀錄放進 NotebookLM，讓它找出前三大客訴原因，是強化大腦。
老闆把 AI 當會說話的搜尋框
王老闆問「退貨率怎麼降」，AI 回 10 條通用建議；會議結束後沒人知道該改哪個流程。
老闆把 AI 當新同事交辦
他補上 3 個月退貨資料、客服分類與成本，請 AI 找前 3 個原因；當場決定先改尺寸說明頁，兩週退貨詢問少 17%。
你能依照資料類型與風險選工具。例：寫日本客戶提案先用 ChatGPT 出架構，Claude 改語氣，Gemini 查市場資料，NotebookLM 對照公司規格。
所有任務都丟給同一家 AI
採購小林用同一個聊天視窗寫提案、查法規、比合約；最後提案有 2 個未查證數字，法務退回重做。
小林按工具地圖分工
ChatGPT 出架構、Claude 修語氣、Gemini 查來源、NotebookLM 對照公司規格；提案只改 3 處就進主管審核。
你能把同一題問成 What、How、Why 三層。例：不要只問「AI 客服是什麼」，而要追問導入步驟、風險、以及是否該先改善人工流程。
只測 AI 會不會講名詞
陳老闆問 AI「什麼是 RAG」，答案看起來完整，但導入會議仍卡在預算、資料來源與客服升級規則。
三層問題逼出可執行判斷
他追問 How 與 Why 後，得到 14 天試做計畫、3 個交付物與不可自動回覆清單，先用人工貼 FAQ 驗證。
中小企業老闆常以為 AI 客服等於把 LINE 訊息丟給機器人，但真正的價值在於分類、回覆、升級與回饋循環。若沒有先定義「哪些問題可自動答、哪些必須轉真人」，導入後只會把混亂放大。
關鍵差異：工具回答得快不代表服務變好；能把問題分類、升級、回收，才是強化大腦。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
不要背「哪家最強」，要背「我在什麼角色下最常叫它做什麼」。工具能力會變，但角色需求比較穩定。
提醒：同一任務不一定只用一家；高手通常是先量產、再修稿、再查證。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
同一題「要不要導入 AI 客服」，三層問題會逼 AI 從名詞解釋走到策略判斷，也能暴露它是否只會講漂亮話。
適用場景：任何你準備花錢、換流程、影響客戶體驗的 AI 決策，都先跑三層。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
一份對日本客戶的提案需要速度、語氣、事實三種品質。單一 AI 通常只能顧好一部分，混用可以把風險降下來。
關鍵差異：混用不是炫技，而是把「創作、修辭、查證、內部約束」拆給最適合的工具。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
陳老闆憑感覺買 AI 客服
他看到競品上 AI 客服就跟進，兩週花 12 小時開會，最後只得到一份廠商報價表。
陳老闆用三層 Demo 做決策
他把 200 則客服訊息、2 位客服人力與每月 1 萬預算交給 AI；結論是先整理 SOP，14 天內完成前 20 大問題分類。
情境：你是 50 人電商品牌老闆，每月約 200 則客服訊息，客服常被物流、退貨、規格問題打斷。你不確定該買 AI 客服系統、先整理 FAQ，還是先訓練真人客服，因此用同一份 Prompt 分別問三家 AI。
你是中小企業 AI 轉型顧問。
我的公司：50 人電商品牌，每月約 200 則客服訊息。
客服來源：LINE、官網表單、Facebook 私訊。
目前痛點：回覆慢、重複問題多、客服新人訓練時間長。
預算：第一階段每月 1 萬元以內。
請用三層次回答：
01 know What：AI 客服、規則型機器人、知識庫客服差異。
02 know How：分 3 階段導入，每階段要做什麼、交付物是什麼。
03 know Why：就我的情境，先買系統還是先整理 SOP？
限制：
- 不要推薦特定品牌。
- 每個建議都要說明風險。
- 最後給我一個 14 天試做計畫。
建議結論：先整理 SOP 與 FAQ，不急著買完整客服系統。
理由：200 則/月尚未到高量級，最大瓶頸是知識分散。
階段 01：匯出 3 個月客服訊息，AI 分類前 20 大問題。
階段 02：建立 FAQ 與轉真人規則，先由客服人工貼用。
階段 03：挑 5 類低風險問題自動回覆。
風險：退貨、退款、客訴升級不可完全自動化。
14 天試做：Day 1-3 匯出資料，Day 4-7 分類，Day 8-14 試回覆。
選你熟的領域，例如餐飲、人資、製造、保險或教育。題目要有真實限制：人數、預算、時間、風險。做對的判斷是：同學看完題目能知道你真正要決策什麼。
What 問名詞與差異，How 問步驟與資源，Why 問優先順序與取捨。若三題問完後答案仍像百科，代表背景給得不夠。
同題問 ChatGPT、Claude、Gemini。用三欄表記：哪家最會拆步驟、哪家語氣最像顧問、哪家有提醒風險。不是選冠軍，而是建立你的工具感。
保留最有用的問題框架，換掉產業與限制後再問一次。若第二個題目也能得到可行建議，代表你做出可重複的 AI 面試模板。