發揮AI 價值的關鍵能力

商業世界即不斷解題的過程，你準備好了嗎？

採訪．整理．撰文｜簡鈺璇　編輯｜張玉琦

負責銷售工業品的部門，連續6個月業績未達標，深入調查發現，他們經常接到客戶投訴，為了妥善處理客訴而沒有餘裕拜訪新客戶，業績才會下滑。檢討會議上，部門主管允諾會整理一份客訴應對手冊，協助同仁縮短處理客訴的時間，讓他們能把時間留給業務工作。

如果你是老闆，你滿意這個解決方式嗎？乍看之下，員工似乎有更多時間接洽新客戶，但這個狀況更應該著眼的問題是「投訴數量」，「縮短處理客訴時間」只是暫時的防堵機制。長期來看，當同仁接洽更多業務，投訴量還是會增加，問題等於沒有解決。

《本質思考習慣》提到，解決問題常有的盲點是「根本原因分析不夠周全」，以致於對策治標不治本。

4根本原因，導致問題總無解

《麥肯錫問題分析與解決技巧》提到，問題指的期望與現狀的差異，比方說：你期待毛利提升至10%，因此「目前毛利8%」就是一個需要被解決的問題。解題卡關，通常是4個面向出狀況。

曾任台積電內部講師、教授企業「問題分析與決策」課程超過10年經驗的彭建文在《彭建文PJ法：高效工作者的問題分析與決策》提到，一是發現問題的意識。能否問對問題，確認它是當下最需要被解決的問題。以本文開頭的故事為例，部門主管就是錯把「客訴處理時間太長」當成問題，而忽視更根本的「客訴數量」問題。

二是解決問題的動力。有時候，就算知道原因和解決方法，但就是沒有行動。比方說，業務主管可能知道「減少客訴」才能降低同仁的工作量，但礙於解決方式很繁瑣，得跟生產部、技術部溝通產品的品質，所以他傾向提出相對簡單的方案，像是加快客訴的處理流程。這種怕麻煩、便宜行事的心態，妨礙組織解決根本性的問題。

三是解決問題的能力。面對困難時，不會只依賴直覺和個人經驗解題，而是透過一套有邏輯、有系統、有工具、有步驟的方式來分析現況，並提出可行的對策。舉例來說，在選擇投資標的時，你是聽信朋友的消息，還是自己看公司財報、評估個人風險承受度來配置資產呢？

四是確保問題不再發生。人們常常執行對策之後，忽略追蹤問題是否真正得到解決，以及對策是否引發其他的負面效應。例如，餐廳為了提高服務效率，建置線上點餐功能，但由於宣傳不周，顧客仍然透過電話訂餐。也就是說，解決問題不該視為一次性的專案，而是要搭配日常的管理制度與人員訓練，以確保狀況不會再次出現。

上述困境顯示，要成功解決問題，不僅要有能力，還需具備不怕困難的心態，再加上一套問題解決之後的流程管理。這不僅取決於工作者的個人能力，同時也需要組織制度的配合。這或許也是為什麼世界經濟論壇（WorldEconomic Forum）將「複雜問題的解決能力」列為2025年關鍵的職場技能。

《麥肯錫最強問題解決法》提到，科技與網際網路發達的時代下，資料取得變得更容易，工作者應付的問題範疇與複雜度增加，而具備問題解決力者會更具有優勢。舉例來說，以前行銷人員靠著經驗法則提出宣傳活動，現在優異的行銷團隊，會蒐集廣泛的消費者背景與購物資料，利用「人工智慧」（AI，artificialintelligence）預測特定形態消費者的購買行為，能直接提供「消費者需要的商品」。

人工智慧時代，更需要分析問題的能力

他們之所以能跟AI協作，是因為理解問題分析的方式，知道如何驗證消費者背景跟購買行為的關聯性。一旦銷售預測模型建置成功，就能取代過去憑著經驗決策的銷售行為。換句話說，未來靠著經驗、沒有問題解決能力者將會被取代。《麥肯錫季刊》 （McKinseyQuarterly）也指出，未來工作會非常兩極化，一類是使用自動化的附加價值太低，採取人工操作更便宜的工作；另一類是具有高附加價值的任務，像是以人腦操作AI，或是從事AI辦不到的事。解決問題正是AI所欠缺的技能，由於AI是基於過往資料訓練的模型，它無法處理新穎或陌生的問題。另外，就算AI具有龐大的資料庫，還是需要人類給予精準指令，它才能夠發揮效能。

解題素養的基礎：批判性思考、邏輯思維、假說思考

除了熟悉解決問題的方法之外，《BCG問題解決力》認為，每個人應該在日常生活中，培養解決問題的3種素養批判性思考、邏輯思考與假說思考。批判性思考是指面對所見所聞，抱持質疑的態度。假設執政黨發布科技園區提升當地就業機會的政績時，先問自己：「這些是真的嗎？」「我能相信消息來源嗎？」等問題。

如果消息為真，再藉由「邏輯思考」來推論因果關係，例如提出「因為設置科技園區，提高當地就業機會」的假說（暫時的推論），梳理你的思考架構。最後，以「假說思考」的方式，蒐集相關的資料來驗證假說，提升解決問題的速度，例如：分析就業者的求職理由，來驗證科技園區是否有人才吸引力。

學習解題方法就跟學開車一樣，是掌握一套標準流程與公式，還是要實際使用、選出符合需求的工具，才能發揮效益。現在不妨就列出困擾你的問題與工作上的痛點，再依據本期的解題流程，試試看吧！ 閱讀完整內容