最近讀到 Ai Yat Goh 在《From Noise to Clarity》專欄發表的文章〈如何把複雜的想法講簡單〉（How to Explain Complex Ideas Simply），心裡很有感觸。這篇文章最打動我的地方，在於它毫不留情地點醒了許多人在教學與指導時的通病：我們總以為自己在熱心傾囊相授，實際上卻常常陷在「知識的詛咒」裡自說自話。她提醒所有需要引導團隊的溝通者，遇到卡關時，真正的問題在於脈絡混亂，隨便刪減細節只會讓人產生懂了的假象，唯有先把架構整理出來，資訊才具備帶路的功能。這份提醒非常及時，也逼著我回頭檢視自己前陣子在企業內訓現場的表現，發現自己不知不覺也踩進了這些思維盲區。
這篇文章在講什麼
主管在溝通時，真正的阻礙往往在於場面混亂，而不在於事情本身太複雜。要解決混亂，單純刪減內容或刻意講得淺顯根本沒效，關鍵是把複雜脈絡收攏整理。這就像地圖，它沒有拿掉任何一條巷子，只是把路線標得清楚，讓大家知道往哪裡走。隨便刪除細節只會掩蓋潛在風險，讓人產生什麼都懂的錯覺；妥善梳理出架構，資訊才具備導航的價值。
這背後反映出「知識的詛咒」。一個人對某個領域鑽研越深，越難體會門外漢當初卡在哪裡。專家常常不知不覺從故事中段講起，預設大家早有共識。這種溝通落差，講者自己往往毫無察覺。問題通常不會當場爆發，事後才慢慢浮現：現場沒人提問、決策開始走樣、執行徹底歪樓。放慢講話速度或換成淺顯字詞很難根本解決，必須重新搭起一座橋，從聽眾站的位置一路連回核心概念。
具體做法主要有三個。第一是順序：先給全貌，再補細節。要是骨架沒立起來，丟進再多零件也只會散落一地。第二是餐巾紙測試：手邊如果只有一張餐巾紙與一枝筆，能不能在五分鐘內把核心邏輯畫給對方看？這項測試的目的在於檢視自己到底有沒有想透，重點不在於圖畫得好不好看。第三是點出關聯，別只顧著堆疊資訊。在複雜情境中，真正左右局面的往往是因果與限制條件；關係沒理清，討論就很難聚焦。好的比喻同樣能搭起這座橋，前提是講者自己得清楚比喻的適用邊界在哪裡。
回到溝通架構，第一步始終是先把現況鋪開，點出各方視角與其中的拉扯，複雜的事情自然會各就其位。所有梳理工作，其實在開口前就該完成。檢驗標準很純粹：講完之後，對方腦中能不能浮現整體的關係、順序與邏輯？如果浮現不出來，塞再多資訊也是白費功夫。
我的省思：9/24 老協珍實作發表日
先面對一個訊號
活動結束時，總經理結語第一句就坦白說：今天的內容，他聽得蠻吃力的。這句話比現場所有的掌聲都更值得深思。
回頭看大家提問的焦點，其實早就現出端倪。財會同仁一直在問「PDF 轉成程序該怎麼做」、「轉成 .md 是不是比較準」、「還是 CSV 正確率最高」；中午主管則在問「如果把規則寫在系統設定裡，規定某某工號才能改，這樣擋得住嗎？」這些問題代表大家有聽進去，但抓錯了重點。我想傳遞的核心在於「數字必須經由程式獨立驗證」，大家看到的偏偏是「副檔名該存哪種」；我想提醒的是「規則要鎖在底層架構，不能讓人隨意更動」，大家想的卻是在提示詞裡加一條警語。
當天結束時，大家真的看懂核心思維了嗎？平心而論，得獎組別確實抓到了精髓，多數人帶走的卻只是一堆零散、不知道怎麼組裝的工具。內容沒問題，問題出在傳遞的順序和密度。就像文章提醒的，下回與其把內容砍半，不如把同一套觀念好好收整齊。
同仁現在真正站在哪裡
要搭橋，就得先看清大家站在哪裡。從現場十三組的成果與互動來看，團隊目前的成熟度大致可以分成五個階段：
第一階是「對話求解」，大家在 ChatGPT 視窗裡一來一往，想到什麼規則就補一句，像生管組在八月光是一個問題就聊了 66 輪，這也是多數組別的起點。第二階是「打包重用」，把常用邏輯固定成專案或工作範本，丟進新資料就能自動跑出月報、SEO 關鍵字或網紅名單。第三階是「排程自動化」，設定好固定時間讓系統自己抓資料、產出並發送信件，現場有少數幾組與人資做到了這步。
第四階是「確定性程式化搭配驗證」，能精確計算的邏輯就交給程式碼處理，加入回測與極端值測試，像是人資利用 Google Apps Script，以及採購和財會的幾項嘗試。第五階則是「資料共享與治理」，包含跨部門資料串接、權限控管與共用資料庫，這是主管們中午最想了解的方向，但現場還沒有團隊實際落地。
大家平常最熟悉的工具，其實就是公司共用的企業版 ChatGPT 加上 Google 雲端硬碟，現場真正碰過進階開發環境的人根本沒幾個。偏偏我下午分享的重點，幾乎全集中在第四與第五階，甚至順手帶進了一長串專業開發工具。大家還在第一、二階摸索，我卻站在第四、五階拚命招手，落差就這樣硬生生被拉開了。
符合這篇文章精神的地方
當天做得比較到位的地方，在於從同仁自己的實際遭遇切入。下午講評生管組時，我沒有搬出艱深的管理學，而是直接調出他們八月份的對話紀錄：整整來回 66 輪對話、前後追加 13 條排程條件、八月底連續三天補上的規則彼此衝突，其中甚至有三分之二的篇幅都在跟 AI 追問檔案在哪裡。我當場把話說開：排程效率卡住不代表大家能力不足，純粹是 AI 在漫長的對話裡迷航了。這就是先還原真實處境，不帶指責地把問題攤開，後續的建議才有施力點。
另一個亮點是釐清因果關係，顛覆原本的直覺。數據一排開，生產的瓶頸根本不在米漢堡產線，而是前端的壓力鍋設備：可用工時 576 小時，壓力鍋的使用率高達 98.1%，反觀米漢堡線連五成都不到。我開玩笑說「那就多買幾口鍋」，我想表達的是，零散的資訊只能陳述表象，理出上下游關係才能挖出病灶。就像我提醒製程組把因果流程畫出來、建議處理作業時間的組別找出時間究竟卡在哪個環節，以及點出設計組的問題在於上游需求模糊而非表單排版，重點都在看懂前後關聯。
指標也得從團隊熟悉的日常語言長出來。我沒有直接規定生管該看哪些數字，而是順著他們的思路問「你們最終在意的成果是什麼」。從最直觀的「不缺貨也不囤貨」，一步步推導到庫存水位金額，再連結回設備稼動率。談到效益時，我以鮮食為例搭橋：預測誤差只要差三成，毛利就直接蒸發，誤差壓到兩成以內才見得到利潤。用營業金額換算抽象的預測準確率，大家立刻就能理解為什麼系統的目標是把結果做好，而不只是省下工時。
現場幾個比喻也確實發揮了接軌的效果。比方說手寫的「7」和「1」常常辨識錯誤，大家馬上明白影像辨識為什麼需要第二道檢查機制；拿電影《我的失憶女友》比喻 AI 每次開新對話就忘光前情，大家也就懂得為什麼非得留下交接記錄不可。評選時把標準講明白同樣有幫助，例如稱讚網紅組流程清晰、把個人的默會知識轉化成文字步驟，或是欣賞採購組不僅列出標準規則，連例外狀況的應對措施都寫得一清二楚，這才是把知識固化下來的典範。
需要大力改善的地方
這場分享最該檢討的第一點，就是把最核心的骨架留到最後才說。「把規則講清楚，再交給工具執行」這句結論，被我壓在當天下午最後幾分鐘才拋出來；「把腦中的眉角轉化為明確流程」拖到講評中段才強調；至於把任務拆解為「寫確定性的程式、處理不確定性的判斷、兩者混合協作」這三條路徑，上午更是只有口頭帶過。這三件事本質上講的都是同一套邏輯，我卻用三種不同說法散在不同時段，沒有在一開場就端出來當底圖。在商管個案課裡，把結論壓在最後是引導思考的鋪排；但在連假前夕、同仁聽完十幾組報告已經精疲力竭的企業現場，缺少這張預先給定的架構圖，聽眾根本不知道該把後面龐雜的細節放在哪裡。
名詞密度過高，更直接踩進知識詛咒的陷阱。當天我隨口丟出一整串技術名詞，從各家模型架構、開發環境、排程演算法到檔案標準，每項對我而言都像呼吸一樣自然，這正是典型的專家盲點。特別是在說明規劃功能時，我短短五分鐘內在好幾種工具和模型分級之間跳來跳去。對平常只接觸公司內部對話視窗的同仁來說，這樣講沒有幫大家搭橋，反而凸顯出對岸有多遙不可及。
此外，十個步驟的清單往往只對熟手有用。對於還在摸索基本操作的同仁而言，他們真正需要的是一張清楚的進度圖：我們目前踩在哪裡、卡在哪個關卡、下一步該往哪走。我的講評落入個別組別的清單檢討，沒把十三組的座標排在同一張地圖上，讓大家看到彼此其實都在同一條轉型路徑上，只是進度不同。
最後，有些笑話雖然炒熱了氣氛，卻分散了注意力。像是談電商測試、點數機制或生活趣事的插曲，大家聽得很開心，卻壓縮了穩固主要架構的時間。更深層的問題在於，我把生管的排程系統直接做成完整範本送給他們，會不會同仁反而覺得「反正老師都給出標準答案了」。只給現成結果，下回遇到新問題，大家依然只能回到對話視窗重演幾十輪的拉鋸。真正的引導，應該是陪著他們用自己的雙手走過這段路，而不是直接在對岸把成果快遞過去。
我的餐巾紙（下次開場就畫這張）
先把腦袋裡的判斷準則與例外狀況條列下來。能用公式精準算出來的，寫成程式去算，並加上防呆驗算；需要憑經驗綜合判斷的，交給 AI 輔助，但一定要設定門檻，沒把握就老實回報不知道；涉及最後責任歸屬的，一律留給同仁手動審核簽名。最後，把資料分門別類放進「進料、處理、成品」三個資料夾，整套流程每天就能固定跑，人員交接也不會斷層。
如果換成老協珍食品工廠的現場用語，這套邏輯其實很好懂，核心只有一句話：能用磅秤量出克數的，就別叫師傅用舌頭去試吃。
能精確計算的數字和固定規則，直接交給程式跑，這叫「秤重」，求的是一分不差；需要看懂語意、摘要重點的模糊事項，才交給 AI 輔助判斷，這叫「試吃」，而且要規定它吃不出來就得老實說不知道；最後涉及責任歸屬的決策，一定由同仁親自審核確認，這就是「品管放行」。
至於那些聽起來很玄的技術概念，套進產線日常也完全通順：
平常把資料夾分成 input、process、output 來管，就像現場劃分「備料區、加工產線、成品倉」，東西走到哪一步清清楚楚。讓 AI 跨對話維持記憶的交接檔，就是大家每天在填的「交班簿」。而 AI 對話長度的限制，就好比生管排程的那塊白板；版面就這麼大，一旦寫滿了，後面硬擠上去的新字只會把前幾天的備忘擦掉，這時候就得把結論整理出來，重新開一塊乾淨的版面。
把這張圖立起來，當天各組的問題就能立刻歸位。財會組在 PDF 格式上糾結，是因為原料還沒洗乾淨就急著丟進產線；三千多筆出勤資料直接丟對話視窗，是拿秤重能解決的事逼 AI 逐筆試吃；文字辨識的字典檔，是提醒系統沒把握就該舉手；網紅合作的發案規格，則是替試吃建立客觀的評分表。
下次回到老協珍，我想這樣改
開場五分鐘只專注做一件事，就是畫出這張流程圖，並把上次表現亮眼的組別擺進相應的位置。採購組展現的是「明確規則與例外處置」，人資組示範了「自動化流水線」，財會組抓住了「數據嚴格驗證」，網紅行銷組則示範了「為主觀判斷建立客觀標準」。用身邊同事的成果當榜樣，說服力遠勝外部案例，因為大家會看見，從基礎應用跨入進階流程，是內部夥伴已經做到的事。
工具層面全面回歸現況，只談大家日常天天用到的功能，把複雜的進階工具先收在白板角落當備用選項，有人主動問起再補充。講解時只要碰到專業術語，一律先翻譯成食品產線的習慣說法。
講評也不再開列長篇步驟，而是對照五個階段的坐標表，給每組一個跨到下一格的具體動作。生管組不發成品，改由現場帶領大家調整提問方式，用他們真實的資料在現有工具裡演練一次，目標是把 66 輪的漫長對話收斂在 10 輪以內，讓同仁自己掌握操作的節奏。
課程結束前，讓每組拿出一張紙，畫出自己業務流程裡的秤重、試吃與簽核關卡。這項測試不必當成課後作業，它的價值在於即時檢測大家的吸收狀況，同時也檢視我自己的引導是否到位。總經理最後關心「幾個月後大家還會不會持續使用」，核心正在於「方向」與「清晰」是兩回事。給了許多方向之後，更重要的工作，是讓每個人轉身就能看清自己的下一個落腳點。