把隱性判斷變成可查詢的知識：我們在課程最後一堂做的事

2026年6月11日 · 閱讀時間約 4 分鐘

專案負責人

每個老師傅腦袋裡的幾百條判斷，正在隨著他們離開而消失

（本文附圖公司名稱為純屬虛構）

每個領域都有這種人。

資深業務知道「這個客戶最在意交期」、「報價前先問預算結構」。老外科醫生知道哪種病人的描述方式代表狀況比表面嚴重。研究室的 PI 知道哪種數據異常值得追、哪種只是雜訊。資深顧問知道客戶說「我們再評估看看」的時候，真正的意思是什麼。

這些碎片判斷，每個資深工作者腦袋裡都有幾百條。但在他們離職、退休、或換組之前，幾乎不會有人系統性地把它們整理出來。

不是因為他們不願意——而是「坐下來寫文件」這件事，從來不會發生。

我們在最後一堂課，嘗試用 AI 把這件事做完

我們用業務團隊做試驗場景，但這個問題和解法，適用於任何仰賴隱性判斷的工作場景。

我們的作法不是叫老鳥坐下來寫文件，而是把他們已經有的碎片筆記，直接餵進 LLM Wiki 知識庫，再透過結構化的 prompt 去萃取。

具體流程長這樣：

輸入是什麼格式 業務人員平時記在手機備忘錄、LINE 自我傳送、或 Notion 頁面裡的隨手筆記，不需要整理，直接貼入。

模型做了什麼判斷 Prompt 結構要求模型辨識三件事： ① 這條筆記描述的是哪個成交環節（開發、提案、議價、跟進、收款） ② 裡面有沒有隱含的「如果…就…」判斷規則 ③ 這個規則適用的客戶或場景條件是什麼

輸出長什麼樣 每條成功萃取的規則，會被格式化成「場景條件 → 判斷依據 → 建議動作」的成交教學卡，例如：「當客戶在提案當天問到競品比較 → 代表決策週期已到尾聲 → 直接提出限時條件，不要再約下次會議」

怎麼驗收結果是否可用 我們的驗收標準只有一個：把這張卡給一個新人看，他能不能在下週的拜訪裡直接用？如果他還需要問人才懂，這張卡就退回去重寫。

最後，這些成交教學卡會彙整進【業務成交知識儀表板】，讓主管可以一頁總覽、按場景篩選，不必再靠記憶或一對一傳授。

業務成交知識儀表板

但這個流程能不能跑起來，取決於你有沒有做好兩件事

做完這個閉環之後，我們反而更想強調兩個在 AI 工作流裡幾乎沒有人在認真講的概念。

第一個：嚴謹度移轉

現在一句話就能讓 Agent 去跑一段流程，但這件事讓很多人誤會了一件事：以為自己的工作變輕鬆了。

實際上，工作沒有消失，嚴謹度移轉了。

以前你需要在「執行每一個步驟」的時候保持嚴謹，現在中間的執行過程可以交給 Agent，但你需要在兩個地方更嚴謹——規格的定義，還有驗收標準的明確。

如果你送進去的任務描述是模糊的，Agent 不會告訴你它猜了什麼，它只會給你一個看起來完整、實際上方向跑偏的結果。而且它跑得很快，你會在很短的時間內積累很多錯誤方向的產出。

這不是 Agent 的問題，是你的嚴謹度還沒有移轉過來。

第二個：以終為始

在你把任何任務交給 AI 之前，你得先想清楚這件事做完要長什麼樣子，你才知道怎麼描述它，也才知道拿到結果的時候怎麼判斷它是不是你要的。

這個道理不新，但在 Agent 時代，代價被放大了。

AI 工具讓執行速度快了十倍，但如果你的預設值還是「先動手再說」，那只是更快地做出了錯誤的東西。

一個給你帶回去用的自問清單

在你下次把一個任務交給 AI 之前，試試這三個問題：

這三個問題，是嚴謹度移轉最實際的操作起點。

我們計劃在七月份的執行階段結束之後，把這幾個月探索的 AI 虛擬助理必修內容重新整理，推出一個陪跑形式的工作坊。如果你正在考慮培訓自己的 AI 工作流，或者想把組織內的隱性知識系統化，這個方向或許值得我們聊聊。