NEWS

ChatGPT的問世引發一系列生成式AI帶來的變革，但深入探究，掀起浪潮的並非代表運作原理的「GPT」，而是代表溝通與對話的「Chat」！當機器可以順暢與人類對話，我們應重新思考人機互動關係。

早在1950年，人工智慧之父艾倫．圖靈（Alan Turing）在〈Computing Machinery and Intelligence〉一文中提出了經典問題：「機器能思考嗎？」（Can machines think?）這個問題後來被學者延伸為一系列深刻的提問：「沒有經驗還有思想嗎？沒有溝通還有心智嗎？沒有生命還有智慧嗎？」這些變奏皆指向同一核心洞見：若無對話，智慧難以展現；若無語言，理解亦難以發生。ChatGPT的誕生，正是這些提問跨越半世紀後的智慧回聲，讓人機對話真正成為可能。

2022年，ChatGPT席捲全球，開啟對話式AI的新浪潮。但真正引爆改變的並非模型規模的突破，而是互動模式的重構──我們終於可以用自己的語言與AI自然對話，不再仰賴技術知識，也無需中介翻譯。

這樣的轉變，使AI不再只是回應指令的工具，而是能理解語境、延續脈絡以及參與思考的智慧對話者，進一步轉化為共識生成的思維伙伴。本文並非旨在為技術趨勢下定義，而是試圖從管理互動的角度，重新思考ChatGPT所開啟的應用場景與角色重塑的可能性與價值樣貌。我們主張，真正改變世界的不是GPT，而是「Chat」；其根本關鍵在於互動模式所引發的人機關係重構，也正是本文所稱「共構」關係的核心意涵──AI與人不再只是單向應答，而能共同釐清問題、建構理解並生成行動。

為了具體呈現這場變革的邏輯與樣貌，我們提出「企業AI共構關係模型」（見下圖），以「回應—共構」的互動型態與「個人—組織」的應用層級為座標，描繪對話式AI在企業中所扮演的四種角色關係與價值定位──對話參與者、智慧代理者、策略討論者與組織共學者，展現其如何從任務輔助者，進化為組織智慧的共創者。

接下來各節將依據此模型，搭配具體企業案例，剖析AI如何在真實場景中與人共構智慧，進而促進決策與行動。

一、對話參與者：從GPT到Chat──AI對話時代的分水嶺

本節對應的是「回應式×個人層級」的象限角色。當AI首次能以自然語言回應個人問題，它便從被動工具轉化為能「理解並回應」的對話參與者，標誌著人機互動邏輯的開端。此時的AI雖尚未具備深度理解能力，卻已能作為任務助手，有效降低資訊檢索、內容草擬與知識獲取的門檻。

自2018年以來，GPT系列大型語言模型一路從GPT-1、GPT-2演進至GPT-3，每次的升級都讓技術界為之讚嘆。這些模型以龐大的語料進行預訓練，透過不斷「預測下一個詞」來學習語言結構，展現令人驚豔的語言理解以及從撰寫文章、生成程式碼到輔助翻譯等任務的生成能力。然而這些早期模型多局限於「單向生成」：使用者需透過API或提示詞與系統互動，模型則以語句通順的方式回應，但對語境、情緒與邏輯的掌握仍有限。

真正的轉折點，來自ChatGPT的誕生。2022年底，AI首次以「對話」（Chat）的形式與人類互動，擺脫命令式的人機關係，開啟「聽得懂、問得回」的智慧時代。這不僅是一項技術應用的升級，更是一種互動邏輯的覺醒。正如後來學者對圖靈問題的延伸所指出：「沒有溝通，還存在心智嗎？」──Chat的出現，不只是對這個哲學提問的回應，更讓我們看見：智慧來自互動，而非生成。

這也正是「對話參與者」角色的具體展現──AI首次以語言為橋，走入個人知識工作的語境現場。

在實際案例中，摩根士丹利（Morgan Stanley）為數千名財務顧問導入ChatGPT系統，讓員工能以自然語言查詢內部知識庫，快速取得政策細節與產品資訊；PwC自2023年起部署OpenAI模型，協助內部顧問與員工完成資料查詢、報告草擬與建議撰寫等日常工作。這類應用屬於互動深度較淺的回應對話模式，強調語言理解與資訊調用，尚未進入推理與策略對話階段，其核心價值在於「即時理解與回應」，正是AI做為語言型查詢助手的人機互動起點。

二、智慧代理者：Chat──人機對話邏輯的轉捩點

本節對應的是「回應式×組織層級」的象限角色。AI從任務助手走向組織流程的智慧代理，其關鍵在於首次具備了真正的「對話能力」──能理解語境、調整語氣，並給出合宜的回覆，進而參與任務的執行。

這場轉變背後是一項深具意義的訓練機制：人類回饋強化學習（Reinforcement Learning from Human Feedback, RLHF）。透過大量人工標註者對AI回答的評分與偏好回饋，模型得以不斷微調對話品質，逐步貼近人類對「良好溝通」的期待──猶如一部原本無字幕的外語電影，突然變成一場能即席對話的在地演出。ChatGPT也因此不僅能表達順暢，更能展現對話的邏輯、情境與風險控制能力，正式邁向「對話式AI」（Conversational AI）。

這樣的能力，正好解決了企業導入BI工具或客服系統時長期以來的痛點：語言僵化、介面複雜、無法追問，讓前線員工面對「黑盒系統」常感無所適從。如今，ChatGPT所展現的對話能力，打破了這層隔閡──不需熟悉語法，只要自然對話，即可完成查詢、理解資料、提出建議，讓AI真正走入組織日常。不再只是工具，而是能即時轉譯需求、對齊資訊、減少溝通摩擦的智慧代理，逐步內嵌於流程之中，成為橫跨部門的數位協作力量。

在企業應用層面，這類角色的典型實踐來自兩個方向：一是顧客互動中的智慧代理人。例如，宜家家居（IKEA）整合ChatGPT技術推出家居設計助理，顧客可透過自然語言輸入需求，如「我想布置一個北歐風格的小客廳」，系統即能提供搭配建議、商品推薦，甚至查詢庫存。這讓AI不只是應答者，更成為了銷售與物流資訊的中介者，提升了顧客體驗與後端作業連動效率。

另一方向是組織內部流程中的知識型協作者。以Slack為例，其將生成式AI深度整合至訊息介面，使用者可直接在日常溝通中搜尋知識、總結討論內容，甚至由AI協助撰寫公告與紀錄，顯著提升資訊流通與內容產出效率。 這些應用標誌著AI從個人任務助理，進入組織流程協作場景，雖尚未具備共構能力，卻已展現穩定可用的回應角色價值。

 

三、策略討論者：資料有話說──對話式AI賦能商業分析

本節對應的是「共構式×個人層級」的象限角色。對話式AI的興起，讓資料第一次「能開口說話」。當AI不僅回應查詢，而能與使用者在語言中共同釐清問題、推演假設與構思方案，它便從任務助手轉化為思維伙伴，參與個人層級的策略生成過程。

過去企業導入分析式AI，仰賴視覺化工具、機器學習模型與統計方法，從資料中挖掘模式、預測趨勢。然而，這些工具往往如封閉黑盒──仰賴專業知識才能解讀，缺乏可追問性與互動彈性，讓資料與管理者之間始終隔著一道牆。

對話式AI的出現，讓分析首次進入語言場域，變得可釐清、可修正、可討論。它並非取代分析式AI，而是為其開啟了新的互動邏輯，使分析不再只是報告的終點，而是推理過程的起點。

這樣的共構能力，在敘述性、預測性與處方性分析三個層次中展現出嶄新的樣貌。

（一）敘述性分析：讓數據自己開口說話
過去管理者想要掌握業務現況，往往需反覆比對報表、跨部門溝通，才能拼湊出完整情境。如今，使用者只需簡單一句話：「為什麼這週營收下降？」對話式AI便能串聯時間序列、客群特徵與商品銷售數據，自動生成一份具邏輯結構與語意連貫的分析摘要，讓資料「主動說故事」。

舉例來說，零售主管詢問：「哪類商品在北區門市賣得不好？」AI不僅會整合銷售、庫存、促銷甚至天氣資料，生成可讀性高的洞察說明（insight），若進一步追問：「那我該如何改善？」AI也能依據脈絡提出具體建議。這樣的敘述性分析，不再是死板的靜態圖表，而是一場流暢的對話，讓數據真正「說得通」。

（二）預測性分析：讓模型說出未來的可能
以往建立預測模型是一件門檻極高的事，從特徵工程、模型選擇到結果解釋皆需專業人員處理。對話式AI則打破這道技術門檻，讓這一切變得直覺：使用者可透過自然語言定義任務、追因溯果，乃至探詢預測的不確定性與決策風險。

例如，電信業可將客訴文本轉換為情緒指標，做為流失預測的依據，並詢問：「哪個變因影響最大？」或「這個預測有多大信心？」在人資領域，AI可根據過往離職員工的行為模式，預測潛在流失個體，指出如晉升延遲、職務調動或溝通中斷等風險因子，並說明各自的相對影響力。預測不再是神祕的黑盒子，而是可被提問、可被解釋、可共商的決策伙伴。

（三）處方性分析：讓策略共構於語言之中
傳統的處方性分析（如數學規畫與最佳化）往往需建構複雜模型、設定參數與限制條件，技術門檻高，互動性低。如今，對話式AI的加入，讓決策者可以直接以語言表達管理意圖，將之逐步轉譯為最佳化模型，並在互動中釐清假設、解析推論邏輯，最終共構出可行的決策。

舉例來說，製造業主管輸入：「希望降低庫存但不影響交期。」AI可即時將這個需求轉換為具有目標函數與限制條件的數學模型，並進一步說明各種解法的代價與風險。物流業者詢問：「每天早上配送量變動很大，怎麼安排車隊？」AI可據此建立動態排程模型，同時解釋現有資源瓶頸、調度邏輯與優化的可行性。

對話式AI將原本封閉的最佳化流程轉化為一場開放的策略對話。AI不再只是給出標準解答，而是參與問題的形成、條件的釐清與選擇的思辨──真正成為權衡決策的伙伴。

這三層能力的重構，不僅是分析工具的升級，更是一場互動邏輯與思維方式的革新。對話式AI賦能分析式AI，讓資料成為「可討論的對象」；讓個人決策從接收資訊，邁向主動參與推理的過程。

當分析可以被問得下去、答得通透、討論得起，資料就能與人共構理解；而資料一旦被理解，決策才能有溫度，革新才能貼近人心。唯有當對話成為分析的一部分，AI才能與每一位使用者，在語言中共構問題脈絡與行動邏輯，真正實現從資料驅動邁向智慧驅動。

這樣的應用在拜耳（Bayer）已有具體的實踐。這家全球製藥與農業科技領導企業導入微軟Copilot技術，協助其個別知識工作者分析臨床與市場數據。使用者可透過自然語言運用Power BI或Copilot Studio生成敘述性報告（如「某藥物在歐洲銷售占比 40％」）、進行趨勢預測（如「亞洲需求預計成長 15％」），甚至由 Copilot 根據結果主動建議資源配置調整與供應鏈規劃的處方。這種AI參與假設調整與決策推演的過程，體現了個人層級的策略共構能力。

四、組織共學者：從提示詞到對話素養──AI共構時代的來臨

組織共學者這一角色，所對應的正是「共構式×組織層級」的象限高點。當AI不再是個別任務的輔助者，而能成為橫跨部門、角色與場景的對話對象，企業的學習邏輯也正從工具導向，轉化為透過語言與AI共學共構的能力。

過去企業導入AI，常聚焦於教導員工如何編寫提示詞與對應語法，希望以準確輸入換取正確輸出。但這種命令式訓練往往效果有限，甚至誤導人們以為：只要會「輸入關鍵詞」，就算「懂得用AI」。

實際上，推動AI應用的關鍵從來不是指令技巧，而是對話素養──能否釐清問題、補充脈絡、持續追問，並從AI的回應中找到新的思考方向。企業導入對話式AI的過程，正是在培養這種能力，建立一種人人能參與、人人能提問的組織共學文化。

在多次產業的實務訓練課程中我們發現，真正讓使用者順利採用AI的關鍵，不在於他們是否學會了提示詞技巧，而是能否像與同事討論一樣，與AI展開對話。當學習不再著重「輸入正確語法」，而是開始釐清問題本質、表達決策情境，AI的使用門檻反而降低了。員工開始用自己的語言描述情境、補充背景、追問假設，AI則在語境中展現分析能力，協助釐清目標、構建模型、生成洞見。

這不只是從「工具應用」到「對話共構」，更是從模型導向走向策略協作，從查詢反應走向脈絡理解。這樣的轉變讓組織能從每一次問答中生成新的理解與行動。

當學習不再是「教人下提示詞」，而是培養對話素養，AI便不再是技術部門的工具，而是全組織、跨職能的學習者與智慧共構者。未來的資訊素養，不只在於去哪查資料，更在於是否能與AI展開深刻對話──問得深入、答得清楚、思得透徹。如《禮記．學記》所言：「善問者，如攻堅木，先其易者，後其節目，及其久也，相說以解；不善問者反此。善待問者，如撞鐘，叩之以小者則小鳴，叩之以大者則大鳴，待其從容，然後盡其聲；不善答問者反此。此皆進學之道也。」提問得當，如穩準之錘擊洪鐘，叩之則聲響綿遠。唯於此間往復，AI方能應問如鐘，啟思若師──此皆「組織共學」之道也。

在這一象限中，最具代表性的企業實踐來自西門子（Siemens）。該公司將大型語言模型整合至其製造應用程式中，作為工程師與模擬系統之間的互動橋樑。使用者可透過自然語言查詢設計參數、模擬設定與優化建議，有效提升跨部門知識的即時取得與應用效率。更進一步地，西門子與微軟合作推出的「工業副駕駛」（Industrial Copilot）系統，也讓工程團隊能即時與AI對話，處理複雜問題、加快決策流程，建立組織內部的學習循環與知識共用機制。這正是「共構式×組織層級」角色的典型體現。

 

結語：這是一場介面革命，而非技術革命
從大型語言模型GPT的突破，到RLHF強化Chat語境理解與語氣調整，對話式介面正是生成式AI普及的轉捩點，不僅成為融入企業日常的關鍵，更引領了人機互動模式的深層轉變。Chat所推動的並非模型競賽，而是一場「如何與智慧對話」的革新。

今天的AI已走出技術部門，開始成為能與人共處語境的回應者，甚至逐步成為共構者。它不僅聽得懂語言，也能掌握脈絡、感知情境；更重要的是，它能在對話中陪我們釐清問題，調整假設，並權衡選項，逐步協助我們形塑決策思維。這樣的能力，讓AI得以扮演四種典型角色：對話參與者、智慧代理者、策略討論者以及組織共學者。

GPT是引擎，Chat是方向盤。AI的價值，不在於能產出多豐富的語句，而在於它是否真正參與我們的思考、回應情境，並激發新的洞見。這些關於心智、語言與智慧的提問，曾是哲學與科學的課題。如今，AI終於能回應、延伸與對話，智慧也因而浮現。這也正回應了圖靈以來，關於AI的最根本提問：若無對話，智慧可曾存在？

因為智慧，不是生成出來的，而是在互動中浮現的。

GPT藏機巧，Chat啟真心；
對話導思路，應答顯洞見。
善問如攻木，善待似撞鐘；
人機若共構，組織可共學。

五個提問，幫助企業迎向AI對話新局

回顧本文對AI角色進化的探討，以下五個提問，將有助於組織更深刻地理解並迎向這場對話變革：

1. 對話參與者（回應式×個人場景）：團隊是否已從單向的內容生成，邁向具備邏輯追問與假設探索的對話能力？
2. 智慧代理者（回應式×組織場景）：AI在我們的企業裡是執行者還是能理解決策脈絡、參與判斷的思維伙伴？
3. 策略討論者（共構式×個人場景）：我們是否已盤點那些尚未覺察、卻亟需AI對話賦能、協助推演與決策的關鍵場景？
4. 組織共學者（共構式×組織場景）：組織文化是否已建立「善問善答」的氛圍，讓AI成為決策共構與組織學習的促進者？
5. 反思提問：我們是否仍急於追問投資報酬率（ROI），而忽略了對話式AI所帶來的，是一場更深層的人機互動與決策哲學的變革？

 

轉載文章出處：哈佛商業評論

作者：李昇暾（國立成功大學工資管系特聘教授兼成大FinTech商創研究中心AI Lab主持人。專長為ABC三慧：人工智慧、商業智慧、雲端智慧。）