簡報改到第 9 版，我才發現差點搞錯重點

（反省文）這篇其實是寫給自己的。

最近在準備一個 AI 創新獎項的提案。團隊把這幾年做過的 AI 專案整理出來：從數據、產品、應用場景，一路到使用成果和商業效益。做了這麼多事，要濃縮成一份簡報，說真的不容易。

於是開始改。第一版、第二版、第三版……改到第 9 版，我突然發現一件有點尷尬的事：

我們一直很努力證明 AI 做了多少事情，卻差點忘了證明，這些事情究竟創造了什麼價值。

我原本以為，提案就是把亮點放大

以前的我會覺得，投獎、寫提案，本來就是要把亮點放大。能講的成果都放進去，能用的數字都拿出來，標題越有力越好。

這個想法本身沒有錯，因為評審時間有限，你不講清楚亮點，別人也沒空幫你找。但改到後面，我發現自己一直在做另一件事：不斷把那些「聽起來很厲害、但證據還不夠完整」的說法刪掉。

原本是想讓簡報更有說服力，結果越改，留下來的字越少。這件事讓我停下來想：到底什麼才叫有說服力？

三個我差點混在一起的說法

回頭檢視簡報，有三個地方讓我特別有感。

第一，「每個部門都有使用 AI」跟「AI 已經改變每個部門的工作方式」，不是同一件事。

前者講的是覆蓋率，後者講的是改變。一個部門有人用 AI 寫信、整理會議紀錄，可以算「有使用」；但這個部門的流程、決策方式、人力配置有沒有因此不同，是另一個問題。如果把前者講成後者，簡報很好看，但經不起一句追問。

第二，自動化就是自動化，不必都叫 Agent。

現在很多系統都開始加入自動化、AI Agent。但如果一個功能只是依照預先設定好的規則執行工作，就應該清楚說明它是自動化。為了讓簡報看起來厲害，把所有功能都叫做 Agent，短期也許加分，長期只會讓大家不再相信「Agent」這個詞，包括我們自己。

第三，也是最難的：成果有多少真的可以歸因於 AI？

我們可能觀察到服務效率提升、客戶使用增加，甚至帶來新的營收。但這些成果裡：

• 哪些是已經驗證的結果？
• 哪些只是同期發生的變化？
• 哪些又只是我們對未來的期待？

這三種東西，在簡報上很容易被寫成同一種語氣。但對經營者來說，它們的份量完全不同。

換一組問題來檢查自己

後來我試著換位思考。如果評審不問模型用了什麼技術、不問我們做了多少功能，只問三個問題：

• 這個 AI 到底讓原本的生意有什麼不同？
• 如果拿掉 AI，這些成果還會不會發生？
• 這個模式能不能持續成長，而不是靠更多人力撐起來？

我們能不能回答？

我拿這三題回頭檢查每一頁。能回答的留下來，回答得很勉強的，就老實改寫成「觀察到的趨勢」或「下一步要驗證的假設」；完全回答不了的，就刪掉。

想一想，這些問題其實不該只在投獎時才問。平常審查 AI 專案、分配預算、決定下一年度要投資什麼的時候，更應該問。這是我這次最大的反省：我們平常太少用這麼嚴格的標準看自己。

好的 AI 提案長什麼樣子

我原本以為，好的 AI 提案是把技術與成果呈現得更完整。現在反而覺得，好的 AI 提案，是讓經營者看得清楚：

哪些價值已經被證明，哪些還沒有。

畢竟 AI 做得再多，如果無法回答它對客戶、營收、成本或組織能力帶來什麼改變，對經營者來說，還是很難判斷值不值得繼續投資。

把「已證明」和「還在期待」分開寫，看起來比較保守，但別人反而比較願意相信你。因為最難的那一步，你已經先做了：誠實。

最後

簡報已經改了 9 版，不知道最後能不能得獎。但至少這次修改，逼著我重新用更嚴格的標準，檢視自己和團隊這幾年做的事情。也提醒自己：

AI 專案需要的，不是更多漂亮的成功故事，是更多經得起驗證的成果。

有時候，最難說服的人可能不是評審，而是原本很相信自己做得不錯的我們。