簡報做到一半，AI 幫我補完的那段，比我寫的還好

方向 D：強調執行，聚焦組織調整。

這四個方向我都有素材可以支撐，但我沒辦法決定「哪一個才是對的」。於是我卡在選擇裡，游標閃爍，時間流逝。這是一種典型的「決策癱瘓」——選項太多，反而動不了。

AI 補上的那一段，讓我愣了三秒

我把前面十六頁的摘要丟給 AI 之後，它給我的段落大致是這樣的結構：

「綜合前三季的市場數據與內部執行盤點，我們觀察到一個關鍵的結構性轉折：過去的成長動能正在減弱，但新的需求缺口已經浮現。因此，下一階段不應是單一的『加速』或『收縮』，而是『選擇性加速』——把資源集中在已經驗證的高轉換客群，同時對低效通路進行為期兩季的體質調整。這不是保守，而是把力氣用在對的地方。」

我讀完的第一個感覺是：它幫我做了我原本不敢做的決定。

它沒有選 A、B、C 或 D，而是把 A 和 B 縫合成一個「選擇性加速」的新框架。這個框架我其實隱約想過，但我不敢寫，因為我怕被追問「那到底是要加速還是要保守？」——但 AI 用一句「這不是保守，而是把力氣用在對的地方」直接堵住了這個追問。

那一刻我愣了三秒。不是因為它寫得文情並茂，而是因為它幫我完成了那個我卡了二十分鐘的「判斷」，而且它的判斷邏輯，來自於我前面十六頁自己寫的內容。

換句話說，它沒有比我聰明。它只是比我「敢下結論」。

二、為什麼 AI 補的段落，有時候真的比較好？

這是最核心的問題。如果 AI 只是把我們餵給它的東西重新排列組合，它憑什麼「比較好」？我後來歸納出三個關鍵原因，而這三個原因，恰好對應了人類寫作時最容易失手的三個環節。

它沒有人類的「自我審查」

人類寫作最大的隱形殺手，叫做「自我審查」。

當我在寫第 17 頁的時候，我腦中其實同時跑著十幾個念頭：「這樣寫董事長會不會覺得太激進？」「這個結論會不會被業務部門反彈？」「我這樣下判斷，萬一三個月後被證明是錯的怎麼辦？」「這個措辭會不會顯得不夠謙虛？」

這些念頭沒有一個是壞的——它們是職場生存的本能。但問題是，這些念頭會讓文字變得「安全」，而安全的文字，通常也是平庸的文字。

AI 沒有這些包袱。它不知道你的董事長是誰，不知道你的業務部門上個月才跟你有過衝突，不知道你去年因為一個錯誤判斷被檢討過。它只知道「根據這份資料，最合理的結論是什麼」，然後就寫出來了。這種「無所畏懼」的輸出，反而常常命中要害。

當然，這是一把雙面刃。AI 的「敢寫」有時候會寫出政治不正確、不接地氣、甚至危險的內容。但當你把它當成「初稿產生器」而不是「最終定稿者」的時候，這種無畏的初稿，恰恰是你最需要的東西——因為它給了你一個「可以修改的具體對象」，而不是一片空白。

語料庫的廣度，補足個人經驗的盲區

第二個原因比較技術性，但很重要：AI 的訓練語料庫裡，包含了大量「人類怎麼下結論」的範例。

你個人的簡報經驗可能只有幾十份、幾百份，但 AI 看過的商業簡報、策略報告、顧問文件、學術論文摘要，可能是數百萬份。當它被要求「寫一段策略結論」的時候，它並不是隨機生成，而是從一個極其龐大的「結論句型庫」裡，挑出最符合你前面內容結構的表達方式。

這就是為什麼它的段落讀起來會有種「顧問感」——因為它確實是從顧問報告的語料裡學來的。它知道「綜合分析」後面通常接「我們觀察到」，知道「結構性轉折」這種詞彙通常出現在什麼樣的上下文，知道結論段落要有一個「讓步」再一個「轉折」才會有力。

這不是它比你懂你的產業，而是它比你更懂「人類怎麼寫出有說服力的段落」。這是兩種完全不同的能力，而它們剛好互補。

結構化輸出，是它的本能

第三個原因，是我認為最被低估的一點：AI 的輸出天生就是結構化的。

人類寫作是「發散—收斂」的過程，我們常常想到哪裡寫到哪裡，然後再回頭整理。AI 不是，它是先理解你的需求結構，再生成對應結構的內容。你要它寫「結論」，它就會自動給出「觀察—判斷—行動」的三段式結構；你要它寫「風險分析」，它就會給出「風險項—影響程度—緩解措施」的表格化邏輯。

這種結構化本能，在簡報這種高度格式化的文體裡，優勢特別明顯。因為簡報最怕的就是「一段話看不到重點」，而 AI 產出的段落，幾乎天生就帶著清楚的骨架。

我後來把那段 AI 寫的結論，稍微改了幾句實際的數字和部門名稱，就直接放進簡報裡了。隔天匯報的時候，董事長在那頁停留了最久，還問了一句：「這個『選擇性加速』的概念是誰想的？」我笑著說：「是我和 AI 一起想的。」

三、AI 不是來搶簡報的，是來接手的

講到這裡，一定有人會問：那這樣下去，簡報還需要人寫嗎？

我的答案是：簡報當然還需要人寫，但「寫簡報」這件事的定義，正在改變。

過去的「寫簡報」，指的是從無到有、一個字一個字地把內容生出來。未來的「寫簡報」，指的是定義問題、提供素材、判斷好壞、做出取捨。而中間那段「把想法轉換成文字」的過程，AI 可以接手很大一部分。

這不是取代，這是分工的重新分配。

從「代筆」到「共筆」的心態轉變

我一開始用 AI 寫簡報的時候，心態是「代筆」——我把需求丟給它，期待它生出一個我可以直接用的東西。這種心態的問題在於，只要它產出的東西有一點不對，我就會覺得「果然 AI 還是不行」。

後來我轉變成「共筆」的心態——我把它當成一個坐在我旁邊、反應很快、但不太懂公司內部狀況的同事。我會給它清楚的背景、明確的任務、具體的限制條件，然後把它產出的東西當成「第一版草稿」，在上面繼續改。

這個心態轉變之後，我發現一件很有趣的事：我開始更認真地思考「我到底要什麼」。因為如果你要跟一個聽話但不懂你公司的人協作，你必須先把你的需求講清楚。而「把需求講清楚」這件事，本身就是一種高品質的思考。

換句話說，AI 不只幫我補完了簡報，還逼我把自己的思路整理得更清楚。

三個實測有效的協作流程

講具體一點。我後來歸納出三個我自己最常用的 AI 簡報協作流程，提供給大家參考：

流程一：先給骨架，再填血肉。不要一開始就叫 AI「幫我寫一頁簡報」。先把你這一頁想要的三個重點列出來，然後請 AI「根據這三個重點，寫成一段 150 字的簡報段落」。這樣它就不會亂長，而是沿著你的骨架長。

流程二：給它「角色」和「聽眾」。與其說「幫我寫結論」，不如說「你是一位資深策略顧問，要寫給一位保守但務實的董事長看，請用 100 字給出一個明確的方向建議」。角色和聽眾一設定，它的用詞、語氣、力度都會完全不同。

流程三：要求它給三個版本。我發現 AI 最強的地方不是「給一個好答案」，而是「給三個不同角度的答案」。我會請它「用保守、激進、平衡三種角度各寫一版」，然後我從三版裡挑元素、重新組合。這個流程幾乎每次都能幫我突破卡點。

四、但有些東西，AI 真的補不了

寫到這裡，我必須踩一下煞車。因為如果我只談 AI 有多好，這篇文章就會變成葉佩雯，而這不是我想寫的東西。

AI 補上的那一段之所以「比我好」，是因為我當時卡住了。但如果我沒有卡住，如果我有足夠的精神和時間，我寫出來的東西，其實會比 AI 更好——因為有些東西，是它真的補不了的。

你公司的政治現實

第一個 AI 補不了的東西，是「你公司的政治現實」。

AI 不知道你的部門和業務部門正在搶預算，不知道你的主管最近在跟副總較勁，不知道董事會裡有兩個派系正在角力。這些東西不會寫在財報裡，不會出現在市場報告裡，但它們實實在在地決定了「什麼話能說、什麼話不能說、什麼話要怎麼說」。

我那天晚上請 AI 寫的結論，後來我還是改了三個地方。其中一個地方，是我把「對低效通路進行體質調整」改成「對低效通路進行為期兩季的優化」。為什麼？因為「體質調整」在我們公司內部，已經被某個部門主管用過，而且用得很失敗，那個詞在董事長心中是有負面記憶的。「優化」聽起來溫和，但意思一樣。這種細微的語言政治，AI 不可能知道。

那句話的溫度

第二個 AI 補不了的東西，是「那句話的溫度」。

簡報不只是傳遞資訊，它也在傳遞一種「人味」。你希望聽眾感覺到你的誠懇、你的判斷力、你的承擔。這些東西很難量化，但它們真實存在。有時候一句話寫得「太完美」，反而會讓人覺得「這是誰寫的？怎麼這麼不像他？」

我後來發現，最好的用法是：用 AI 的結構，加上自己的溫度。AI 給你一個漂亮的骨架，你在骨架上加上只有你會說的那些話——一個你親身經歷的小故事、一句你習慣的口頭禪、一個你對某個數字特別有感的註解。這些東西，才是讓簡報「像人寫的」關鍵。

五、結語：把 AI 當成那位永遠在線的同事

回到那個晚上。我把 AI 寫的段落改完之後，存檔，關電腦，上床睡覺。隔天匯報順利，董事長問了那個「選擇性加速」的問題，我笑著回答。簡報過了。

這件事之後，我對 AI 的看法有了很大的改變。我不再把它當成一個「工具」——工具是你要它做什麼，它就做什麼。我開始把它當成一個「永遠在線的同事」——一個反應極快、知識極廣、但不太懂人情世故的同事。你要給它清楚的指令，要幫它補上公司內部的常識，要在它產出的東西上做最後的判斷。但當你這樣做的時候，它真的可以幫你省下大量的時間，甚至幫你突破你一個人突破不了的卡點。

所以，回到這篇文章的標題：簡報做到一半，AI 幫我補完的那段，比我寫的還好。這句話是真的。但我想補一句：它之所以比我好，是因為我當時已經寫了前面十六頁，我給了它足夠好的素材，我給了它足夠清楚的需求。它是在我的基礎上，補上了我缺的那一塊。這不是它取代了我，這是我們一起完成了一份更好的簡報。

如果你也曾在簡報前的那個深夜，盯著螢幕卡住過，我建議你下次試試看：把 AI 拉進你的工作流程裡。不是叫它從零幫你寫，而是讓它在你卡住的那一頁，接手那二十分鐘。你可能會跟我一樣，愣住三秒，然後發現——原來，這就是協作的新定義。

而那個三秒鐘的愣住，不是焦慮的開始，而是興奮的開始。

🏠 返回首頁