一、案例定位

本案例依原書第 2 章 Figure 2-3 與正文重組,並非原書正式案例研究。

把生成式人工智慧(Generative Artificial Intelligence, GenAI)拆成六項核心能力,避免把它視為什麼都能做的魔法黑箱。

二、學習目標

三、案例情境

原書將 GenAI 的能力整理為六項:Generation、Question Answering、Summarization、Translation、Correction、Classification。

四、開始資料

核心能力 原書概念 典型工作 限制提醒
Generation 依訓練資料模式組合與調整內容 文字、程式碼、影像等生成 不是從無到有的真正創造
Question Answering 尋找並整合資訊回答問題 問答與知識查詢 受可取得/訓練資訊限制
Summarization 辨識重點並壓縮長內容 摘要文件 仍需確認重要資訊是否被保留
Translation 跨語言或表達形式轉換 語言翻譯、技術轉白話、文字轉視覺概念 不只是逐字替換,仍需脈絡
Correction 找出錯誤並改善清晰與品質 編輯與修正 原書認為較適合 refining,而非完全重寫
Classification 依辨識到的模式分類資訊 標記與分群資訊 分類品質仍受資料與類別定義影響

五、Excel/AI 分析方法

Excel 可建立「業務任務 × 六項能力」矩陣;AI 可依任務描述建議可能能力組合並解釋原因,但不能把不在六項能力中的精確預測或策略決策硬塞進 GenAI。

六、計算結果

原書提供六類能力,沒有數值權重或排名,因此本案例不替能力評分。

七、結果分析與管理解讀

把 GenAI 拆成具體能力後,團隊才能從「我們需要 AI」轉成「我們需要哪一項能力來改善哪一個工作」。一個商業流程也可能同時需要多項能力。

八、AI 提問詞

請把以下業務流程拆成具體任務,並只用 Generation、Question Answering、Summarization、Translation、Correction、Classification 六項能力標記可由 GenAI 協助的部分。若任務需要其他方法,請另外標示,不要硬套。

九、思考/情境變動