速度型｜先產出第一版
Gemini
Gemini Argon High依作者確認
- 工作模式
- 一般對話，接上 Google Drive，搭配我寫好的技能（skill）
- 個人化設定
- 沒有要求它扮演批判或反思的角色，這是刻意的安排
- 負責
- 建立共用的閱讀材料、把我的想法整理成第一版教學指引、最後整合兩方意見
最新模型的表現很好，又快又完整；但比較會順著使用者的想法提出觀點，所以只讓它負責「先有東西」。
重點摘要
- 教學指引的骨架，來自我讀完個案後寫下的原始提問；AI 負責的是整理結構、查證事實與挑出錯誤。
- 三個工具刻意分工：Gemini 不設定批判角色，專門求快產出第一版；ChatGPT 與 Claude 的個人化設定都強制切割「事實、假設、推論」，負責把關。
- 操作順序是「快速初稿 → 平行點評 → 交叉點評 → 整合 → 再點評」，所有版本都存在同一個雲端資料夾，交接的是檔案，而不是貼來貼去的對話。
- 多一輪點評真正改善的，是把主張改回問題、把決策時點固定下來，並在整合之後再檢查一次，避免條件與來源在整合時被刪掉。
- 放在專案資料夾、擁有專屬記憶的 Claude，最能依我過去的討論與規範輸出；這是「模型、設定與脈絡」共同造成的結果，不是單純比較模型。
- AI 之間收斂的是事實與結構；要用哪一版、怎麼帶學員，最後仍由上課的人決定。
01｜個案情境
一家供應鏈資料平台，在成功的時候決定轉型
這次備課用的是一篇國外商學院的教學個案。為了尊重個案的授權，也因為裡面的討論議題還要在課堂上使用，以下只保留理解操作方法所需的情境：公司名稱、數字、政策與人物細節都已模糊化。
個案公司是一家用 AI 整合供應鏈資料的新創。它的第一代產品像一張供應鏈地圖，把公開資料和客戶自己的資料結合起來，讓企業與政府看得到多層供應商之間的關係與風險。它的特點是客戶的原始資料不必交出去：AI 模型到客戶自己的環境裡學習，只把學到的結果傳回來。
隨著各國開始要求進口商證明供應鏈的來源，這項服務找到了市場。就在業績看好的時候，經營團隊決定轉型：從「讓客戶看得到」，轉向「讓買方、供應商、物流商與主管機關在同一個平台上交換與驗證文件」。轉型要重寫核心系統、犧牲短期營收，而且只有有限的時間證明新模式行得通。
圖表 1
兩代產品的差別：第一代已經成功，第二代還沒有被市場驗證
個案中稱為 R1 與 R2。以下為作者的抽象化整理，不含個案原文與數字。
| R1｜第一代供應鏈地圖 | R2｜第二代協作與文件交換平台 | |
|---|---|---|
| 產品定位 | 讓客戶看見供應鏈的關係與風險 | 讓多方交換、驗證合規文件 |
| 架構特點 | 每個客戶的資料彼此隔離，原始資料不離開客戶 | 允許跨組織請求與分享資料，對方不一定是付費客戶 |
| 市場驗證 | 已經找到市場 | 尚未確立 |
| 限制與代價 | 每個客戶一套獨立環境，成本高，只有大型組織用得起；客戶之間無法分享資訊 | 要重寫核心系統、資源從業務移往研發，而且有時限 |
資料來源：作者依教學個案整理並模糊化；為保護個案授權，本頁不列個案名稱與出處細節。
圖表 2
決策點前後：哪些事當時看得到，哪些是事後才發生
個案從轉型之後一年開場，但決策是在更早做的。三個 AI 爭論的重點之一，就是哪些事件可以拿來判斷這個決策。
決策當時看得到的
法規開始要求進口商證明供應鏈的來源
政府機構與大型物流業者成為第一代產品的客戶
客戶貢獻的資料，讓供應鏈地圖越來越完整
產業的募資熱度退燒，公司仍完成一輪大額募資
轉型決策從 R1 轉向 R2
決策之後才發生的
新一波關稅與貿易調查
第二代產品對外示範
主管機關把公司納入自願參加的試行計畫
說明：作者依個案時序抽象化整理，省略年份、金額與機關名稱。
本節重點
- 這是一個「在成功的時候轉型」的決策：第一代有營收、有大客戶，第二代有更大的想像，但還沒有被驗證。
- 讀者不需要知道個案細節，也能看懂後面的操作：三個 AI 爭論的，正是「哪些證據可以支持這個決策」。
02｜原始提問
一切從我的原始提問開始
這份教學指引不是 AI 憑空生成的。整段對話從我在 Gemini 裡下的兩道指令開始：第一道請它用我寫好的技能（skill）處理個案材料，建立三個 AI 共用的閱讀材料；第二道是我讀完材料之後，用口語寫下的教學想法，大約一千兩百字。
後面 ChatGPT 與 Claude 的評估，用的標準也是這段原始提問。我給它們的指令是：「評估他的分析方法跟我的提問要求，提出你的版本。」三個 AI 爭論的不是「教案寫得漂不漂亮」，而是「有沒有忠於老師的問題意識」。
圖表 3
我的六個問題意識，以及它們在教案裡的去向
提問內容涉及課堂上還要討論的議題，以下只呈現結構與方向，細節已模糊化。
07:31第一道指令｜建立共用材料
指定雲端上的個案檔案，請 Gemini 使用我寫好的技能處理。（原句含個案名稱，這裡改寫）
技能回問處理參數我選定處理方式與筆調分兩批完成我指定輸出為 Google Docs 與存放的資料夾
08:14第二道指令｜教學想法
「是的，針對這個個案設計課前閱讀問題跟教學討論架構。這裡會有幾個關鍵議題。」（接著是六個問題意識，以下為摘要）
我的問題意識Gemini 第一版點評之後
1
用在地經驗理解陌生的商業模式
從台灣可以感知到的角度來理解
Gemini直接列出幾個台灣例子，寫成答案
修正後改成先提問、讓學員自己舉例，並把學員放回他們在供應鏈上真正的位置
2
轉型是否必要
兩代產品之間的差距，是否足以支持轉型
Gemini做成產品規格對照表，並把決策之後的事件當成轉型的跡象
修正後先界定「不轉會怎樣、想要什麼結果」，決策時點固定在轉型當下
3
哪一類客戶不能失去
一個關於客戶依賴關係的判斷
Gemini寫成教師要對學員點破的結論
修正後改成交給學員辯論的命題，並把參與者的角色拆得更細
4
資料的價值與極限
一個學術界的類比，加上一段職場劇的情節
Gemini寫出類比與情境
修正後保留，另外補上個案裡已有的反例
5
技術架構要講到聽得懂
學生一定搞不懂
Gemini寫成課前技術導讀
修正後保留，補上技術保護的界線
6
商業模式的經濟邏輯
不是要用道德批判，而是它的經濟模型長什麼樣子
Gemini自創一個英文理論名稱來解釋
修正後改用已有的理論，刪掉帶有道德判斷的字眼
資料來源：2026 年 10 月 26 日 Gemini 對話匯出紀錄；修正內容整理自 ChatGPT 與 Claude 的評估檔及各版教案。原始提問約一千兩百字，全文不公開。
AI 可以把老師的想法整理得很有條理，但問題意識本身，是老師讀完個案之後自己提出來的。如果讀者只看到最後的教案，很容易誤以為整份都是 AI 生成的。
本節重點
- 原始提問決定了教案要回答什麼問題；三個 AI 的評估，都是拿它當標準。
- 其中一個我自己的判斷，後來被 ChatGPT 與 Claude 指出寫得太武斷。老師的判斷也可以被挑戰，這正是交互點評的價值。
03｜三種角色
三個 AI，一開始就分好工
三個工具不是拿來比誰比較聰明，而是依兩件事分工：它在哪一種模式下工作，以及我在它的個人化設定裡要求了什麼。
圖表 4
三個工具的模型等級、工作模式與分工
外部評審｜查證與結構
ChatGPT
gpt-6-pro匯出紀錄標示
- 工作模式
- 一般對話模式，接上 Google Drive，沒有放進專案資料夾
- 個人化設定
- 核心指令強制切割「事實、假設、推論」，並要求事實查證
- 負責
- 評估初稿的分析方法、評讀 Claude 的版本、整理來源與數字
讀得到我的個人化設定，也能抓取過去的對話，但沒有這門課的專屬脈絡，反而像一位從頭檢查論證的外部評審。
主筆與守門員｜課程脈絡
Claude
Claude Opus 5.5依作者確認
- 工作模式
- 專案模式（Projects），放在我專門處理企業議題與個案討論的資料夾，有專屬記憶
- 個人化設定
- 同樣強制切割「事實、假設、推論」，並要求事實查證
- 負責
- 對照我的提問要求評估初稿、寫出自己的版本、回頭更正原交接檔的錯誤
專屬資料夾裡有我過去在同類議題上的討論、課程時段與寫作規範，所以由它把教案拉回我的帶課方式。
為什麼不讓三個 AI 都扮演批判者？
如果三個工具都在挑毛病，就沒有人負責快速產出第一版。我需要一個以速度為主的 AI，先把想法變成有結構的初稿，批判與查證留給後面兩個工具。Gemini 的個人化設定沒有要求批判角色，就是為了讓它專心做這件事。
代價也很清楚：Gemini 會順著我的說法寫，甚至把我還在探索的提問寫成結論。這個缺點，正好由後面兩個工具的點評補上。
04｜動態時序圖
十六個步驟：每一步丟了什麼、得到什麼
按下播放，圖會依時間順序走過十六個步驟。實線框是這一步的主角；虛線框是被交出去的檔案；箭頭從檔案的來源出發，指向接手的工具。三個 AI 都從同一個 Google Drive 資料夾讀檔與寫檔。點任何一列，就會看到那一步我下的指令、得到的產出，以及背後的原因。
圖表 5
2026 年 10 月 26 日 07:31–09:08，三個 AI 的交互點評過程
07:31
我教師
GeminiArgon High
ChatGPTgpt-6-pro
ClaudeOpus 5.5
這一步的主角交出去的檔案或指令接到要求
資料來源：三段對話的匯出紀錄（Gemini、ChatGPT、Claude）與資料夾內的交接檔；時間為台灣時間。ChatGPT 的指令依匯出紀錄摘要，沒有逐字引用。
05｜修訂對照
多一輪點評，究竟改好了什麼
選一個議題，看它在三個 AI 之間怎麼被修訂。每個議題都從「起初」走到「收斂」，中間那一步，通常就是另一個 AI 的點評。
圖表 6
四個議題的修訂軌跡
06｜事實、假設、推論
把找到的問題分成三堆
ChatGPT 與 Claude 的個人化設定都要求切開事實、假設與推論。這一步最大的價值，是讓初稿裡混在一起的東西各歸其位：事實要查證，錯了就改；假設要說清楚是假設；推論可以拿到課堂上討論，但不能寫成要學員背下來的結論。
圖表 7
初稿與後續版本中被找出的問題，以及是誰抓到的
事實
可以查證。查證後不符合，就直接更正。
假設
沒有公開資料，先標明是假設，數字當成佔位，並說明怎麼反算檢驗。
推論
是分析者的判斷，可以拿來辯論，但不能包裝成個案原文或標準答案。
資料來源：ChatGPT 與 Claude 的評估檔、Claude 的交接檔，以及 Gemini 收到評論後的回應；個案細節已模糊化。
本節重點
- 初稿的事實錯誤，都是「看起來很合理」的連結：把整體數字歸給個案公司、把舊規定當現況、把事後事件當依據。
- 連 ChatGPT 自己也更正了前一輪沿用的數字。查證不是一次做完，而是每一輪都要做。
07｜自我約束
交互運作之後，看得出誰的自我約束比較強
三個工具輪流評過彼此之後，差別就不在誰寫得比較漂亮，而在誰比較守規矩：會不會查證、會不會把推論說成事實、被批評時怎麼反應、會不會堅持和我不同的判斷。下面的位置是我這一次的觀察，不是測驗分數。
圖表 8
三個工具在七個面向上的表現
順著使用者的想法遵守指令、自我約束
Gemini
ChatGPT
Claude
| Gemini｜Argon High | ChatGPT｜gpt-6-pro | Claude｜Opus 5.5 | |
|---|---|---|---|
| 查證的做法 | 有查證，但處理得不夠細。建立材料後自稱品質檢查全部完整、沒有疑義，仍留下三處錯字；後來引用的政府公告與規定，多半來自另外兩份評論。 | 每項事實附來源編號，逐項列出算式，分清事件日期、公告日期與查閱日期；主動更正個案正文和附表數字不一致的地方。 | 上網查證並附來源；每次寫檔後都從 Drive 讀回全文，回報「已存／已讀回」，確認檔案確實完整。 |
| 事實與推論 | 把自己的推論加上引用標記，看起來像個案原文；自創理論名稱，還把事後才發生的事件當成決策依據。 | 用「我的判斷是」「教學假設」等字樣標出推論，把個案事實與分析建議分開寫。 | 不確定的數字標成佔位假設，先問我再改；修改後補上反算檢驗，讓論證比原本完整。 |
| 被批評時 | 立刻全面認錯，列出自己的四個失誤，並稱讚兩份評論一針見血、說我的直覺非常敏銳。 | 同意以 Claude 的版本當主稿，但保留不同意見，例如某個時間推算只能當假說，並更正自己前一輪的數字。 | 對 ChatGPT 的評估，採用五點、不同意四點，每一點都附理由，不是照單全收。 |
| 對我的意見 | 把我還在探索的提問，直接寫成要對學員宣讀的結論。 | 指出初稿把探索性的提問太快寫成確定結論，其中一句寫得太武斷。 | 明白說它的判斷跟我不同，把那句話從「教師點破」改成交給學員辯論的命題。 |
| 課程脈絡 | 依我當下給的想法寫，第一版以約一百分鐘設計。 | 依我的寫作規範產出，但不知道這門課是 170 分鐘，第一版仍以 100 分鐘設計。 | 一開始就以 170 分鐘、十段設計，比照我過去的課程時段；開場的平凡問題、立場小組、結尾揭曉後續發展，都照我的帶法安排。 |
| 檔案與版本 | 交接檔是否確實寫入資料夾，從它的對話紀錄無法確認。 | 寫了自己的交接檔並讀回確認；另一個備份動作被系統的自動檢查擋下，它沒有改用其他方式繞過。 | 依我的檔案流程，資料夾根目錄只留最新一份交接檔，舊版移到封存資料夾。 |
| 這次的失誤 | 共用材料混入韓文字與簡體字；章節數量前後寫得不一致。 | 學員的產出範本一度用了填空句，下一版自己拿掉；思考摘要混入簡體字。 | 一開始誤判表格的格式問題，下一輪自己更正說法。 |
說明：光譜位置與表格內容是作者這一次使用的觀察，不代表三個工具的通則。
Claude 最遵守指令，最能以我過去在特定議題上的討論為範本；ChatGPT 查證最細；Gemini 速度最快，也最容易迎合使用者。
08｜記憶與脈絡
為什麼 Claude 掌握的細節比較多
要特別說明的是，兩個工具的起點不一樣。Claude 放在我專門處理企業議題與個案討論的專案資料夾裡，有專屬記憶；ChatGPT 則是在一般對話中啟動。照理說 ChatGPT 也能抓取過去的對話紀錄，但從這一次的結果看，Claude 的專案設定在記憶管理與規範輸出格式上，能力明顯比較強。
圖表 9
兩個把關者手上各有什麼
ChatGPT｜一般對話
這次手上有的東西
✓個人化設定：事實、假設、推論切割與查證
✓我的寫作規範（依已確認的個人資料寫作）
?過去的對話紀錄：可以抓取，但這次沒有看到引用的跡象
－這門課的時段、帶法與檔案流程
結果：查證細、結構清楚，但課程長度寫成 100 分鐘，也沒有照我的帶課流程安排。
Claude｜專案資料夾（Projects）
這次手上有的東西
✓個人化設定：事實、假設、推論切割與查證
✓專屬記憶：寫作規範、教材命名的禁忌、不用填空題
✓過去在同類議題上的討論，可以拿來當範本
✓課程時段、帶法與交接檔的封存流程
結果：第一版就照 170 分鐘與我的帶法設計，輸出格式也符合我的規範；不確定的地方先問，而不是自己補上。
09｜收斂
八個版本，最後收斂到哪裡
八個版本在同一個資料夾裡來回傳遞。三個工具在大部分問題上逐漸達成共識，剩下真正需要判斷的地方，留給上課的人決定。
圖表 10
從八個版本，到三方的共識與留給老師的決定
八個版本
Gemini 初稿ChatGPT V1.0Claude V1.0Claude V1.1Gemini V2.0Claude V1.2ChatGPT V2.1Claude V2.1
- 每一版都是獨立檔案，檔名標明日期、課號、作者與版號
- 每個 AI 各自寫交接檔，記錄改了什麼、為什麼改
三方都同意的地方
- 決策時點固定在轉型當下，事後才發生的事件不能當依據
- 初稿的事實錯誤全部更正，原交接檔也一併改掉
- 自創的理論名稱拿掉，改用已經有的理論
- 把寫成結論的句子改回提問，交給學員論證
- 把學員放回他們在供應鏈上的真實位置
- 全場 170 分鐘、分十段設計
留給老師決定的地方
- 三條策略路線怎麼寫，才不會引導學員投票
- 一段關於轉型時限的推算，要當成事實還是假說
- 上課用整合版 V2.0，還是兩份 V2.1 其中一份定稿
10｜可以帶走的做法
先設計評論的責任，再增加 AI 的數量
工具的分工可以換。這次真正有用的，是操作的順序與規則：先保留獨立的觀點，再交換評論；每一次修訂都要說清楚依據；什麼時候繼續、什麼時候停，由使用者決定。換成企劃書、提案或研究報告，同樣適用。
多個 AI 交互點評的七條操作規則
每多用一個 AI，就多一個需要明確回答的問題。
- 先寫下自己的問題意識AI 整理得再好，要回答什麼問題仍然由你決定。這段原始提問，也是之後評估每一版的標準。
- 讓速度型 AI 產出第一版這一步要的是有結構、可以被評論的東西，不是正確答案。
- 產出一律存成資料夾裡的檔案所有工具從同一個資料夾讀寫，交接時才不會漏東西；每個 AI 寫自己的交接檔，並記下模型、模式與設定。
- 同一份檔、同一句要求，平行點評分別丟給兩個 AI，讓它們在不知道彼此意見的情況下各自判斷。
- 互評要說出採用與不採用的理由A 評 B、B 評 A，每一方都具體指出值得保留、證據不足與需要改寫的地方，不用語氣強弱或票數取代依據。
- 整合稿要再交出去檢查檢查整合時有沒有漏掉來源、拿掉假設、提前替讀者下結論，或把原本對稱的選項寫得偏向一邊。
- 知道什麼時候該停關鍵主張有來源、假設看得出來、選項能公平比較、剩下的分歧已經記錄下來，就停止擴寫，由人選版。
討論變好，發生在我們開始追問「這個說法，究竟有什麼依據？」的時候。AI 提供更多可以檢查的理由；採用與否，由人負責。
資料依據
這一頁怎麼做成的，以及閱讀時的界線
本次工作紀錄與模型標示
流程依作者 2026 年 10 月 26 日的 Gemini、ChatGPT、Claude 三份對話匯出，以及同一個工作資料夾裡的三份交接檔重建；時間為台灣時間，只用來重建順序。每一輪都包含閱讀、查核與人工操作，不能拿來比較模型的生成速度。
模型名稱分開記錄：ChatGPT 的 gpt-6-pro 由匯出紀錄明列；Gemini 與 Claude 的匯出紀錄沒有標示型號，Argon High 與 Opus 5.5 是依作者確認填寫的。
截至紀錄結束，資料夾裡留有 Gemini 的整合版 V2.0，以及 ChatGPT 與 Claude 各自的 V2.1，還沒有選定唯一的定稿。
觀察的界線：模型 × 設定 × 脈絡
本頁對三個工具的描述，是作者在這一組條件下的觀察，沒有換算成分數或排名。Claude 放在專屬專案資料夾、ChatGPT 在一般對話中啟動，兩者的記憶與脈絡條件不同；要比較模型本身，需要在相同材料、指令與記憶條件下另外測試。
三個工具都提供專案或個人化功能，能用到哪些記憶，取決於設定。官方說明如下（核對日：2026 年 10 月 26 日）：
個案資訊的處理方式
為了尊重個案授權，也避免課堂討論議題提早外流，本頁不列個案名稱、出處、數字、政策與人物細節，原始提問與各版教案也只呈現結構。本頁的重點是操作方法，而不是個案內容。