你是不是也這樣問？
你是不是也把一堆資料丟進 AI，然後問：「幫我分析一下這份報告有什麼洞察？」結果它回你三大重點、五個趨勢，再加一句「值得注意的是……」。看起來像模像樣，但仔細讀，根本是把資料重新排列組合，講的都是你已經知道的事。這不是你的問題，而是 AI 沒有預設的分析框架，它只能靠「通用版」回應——找關鍵字、列清單、加點修飾。要拿到真正有用的洞察，你得先把分析的「眼鏡」幫它戴好。
先設定分析框架（如 SWOT），再指定每個維度要幾個觀點。
為什麼 AI 只會表面整理？
AI 本質上是語言模型，不是分析師。它沒有內建的「分析邏輯」，也不知道你所謂的「洞察」是什麼。當你只說「幫我分析」，它會回歸最安全的模式：從資料中抓出高頻關鍵字，然後用「第一點、第二點」的格式包裝。這就像請一個人看一堆拼圖，卻沒說要拼出什麼圖案——他會把相似的顏色放在一起，但不會告訴你這張圖的意義。所以，你拿到的是「資料摘要」，不是「分析洞察」。
解法：給它一副分析眼鏡
要讓 AI 產出真洞察，你必須指定「分析框架」。框架就像一副眼鏡，幫 AI 過濾雜訊、聚焦重點。常見框架包括：SWOT（優勢、劣勢、機會、威脅）、Jobs-to-be-Done（客戶任務）、五力分析（產業競爭）。例如，別說「分析這份市場報告」，改說：「用 SWOT 框架分析這份報告，每個維度寫三個觀點。」這樣 AI 才知道從哪幾個角度切入，而不是亂槍打鳥。
更進一步：指定輸出維度與要求
給框架還不夠，你要再指定「輸出維度」——每個觀點要對立還是互補？要不要引用原文？例如：「每個 SWOT 維度下，先寫一個正面觀點，再寫一個反面觀點，並引用報告中的具體段落佐證。」這能逼 AI 深入思考，而不是泛泛而談。你也可以要求「觀點之間要有邏輯衝突」，讓它產出真正有辯證性的洞察。記住：你給的規範越明確，AI 的分析就越接近人類分析師的深度。
最容易誤會的地方
很多人以為 AI 會「自動」分析，但它的強項是「按指令執行」，不是「自主思考」。你給的框架越具體，它越能產出有框架的洞察；你給的維度越模糊，它越容易回你表面整理。關鍵不是 AI 夠不夠聰明，而是你有沒有把「分析任務」翻譯成「AI 能執行的指令」。
下次提問前的 30 秒檢查
先決定一個分析框架（如 SWOT 或五力分析），再寫明每個維度要幾個觀點（例如每個維度寫兩個），最後加上要求（如「引用原文佐證」或「觀點需互相矛盾」）。這樣 AI 才能產出你真正想要的洞察，而不是又丟回一份表面整理。
讀者最常問的幾個問題
你可以先問 AI：「請列出五種常見的商業分析框架，並簡介用途」，再挑一個來用。或直接說：「用 SWOT 分析，我不熟的話請先解釋每個維度。」
多數現代主流 AI 模型都支援。但不同模型對框架的理解能力有差異，建議先試一個簡單框架（如 SWOT），看它回應是否合理，再調整指令。
