一個顧問案的資料閱讀現場：AI 分析得很順，我卻決定把它放到旁邊，自己重讀一遍

最近接到一個案子。客戶給了我們非常完整的資料，市場研究有了，競爭分析有了，產業趨勢也整理得很完整。資料量不少，剛好手上的工作又很多。

我第一個念頭是：「這些先給 AI 分析，應該會快很多。」

於是我把資料丟進去，請它整理重點，找洞察，分析機會，甚至進一步幫我推可能的發展方向。

很快。真的很快。沒多久，一份看起來完整的分析就出來了。市場趨勢有，機會點有，發展方向也有。

但我看完之後，只有一個感覺：不對。

答案都有，但就是沒有「感覺」

我又換了幾種問法。補 prompt，調整分析框架，請 AI 再深入一點。結果一次比一次完整，但也一次比一次讓我覺得：「這些都對，可是好像沒有真的抓到問題。」

這種感覺其實最麻煩。因為 AI 給你的答案並不差，甚至每一句看起來都很合理。所以你很容易開始懷疑自己：是不是想太多？是不是提案做到這樣，其實就已經夠了？

但如果就這樣拿去提案，我心裡又很清楚：這些內容，很可能不足以讓客戶真的往下一步走。

最後，我決定把 AI 放到旁邊，自己開始讀資料。

真正的轉折，發生在那些「很慢」的地方

一份一份看。市場在講什麼，競爭者在做什麼，客戶過去做過哪些研究。前面覺得很完整，但看著看著，我突然發現一件事。

怎麼幾乎都沒有顧客的觀點？

再往下看，另一個問題又跑出來。組織到底為什麼要做這件事？想解決什麼？希望做到什麼程度？什麼叫成功？也沒有說清楚。

那一刻我才發現，真正的問題根本不是「這批市場資料還可以整理出什麼洞察」，而是資料本身，就缺了幾塊最關鍵的東西。

客戶不是缺更多分析。而是少了顧客視角，少了組織目標，也少了一個可以判斷「要不要往下做」的成功定義。

AI 很會告訴你「有什麼」，洞察常常來自「少了什麼」

如果我一直待在 AI 幫我整理好的內容裡，我大概永遠只會繼續優化那些「已經存在的資訊」。但真正讓提案開始成立的，反而是我發現了什麼根本沒有出現。

AI 有一個很容易讓人忽略的特性。你給它一批資料，問它「這裡有哪些機會？」它就會努力從這批資料裡找機會。你問它「這些訪談有哪些洞察？」它就會努力從訪談內容裡歸納洞察。

這沒有錯。但有經驗的人有時候會得到完全不同的答案：「問題可能不在這些資料裡。」

為什麼沒有顧客？
為什麼沒有人談成功？
為什麼大家一直談功能，卻沒有人談使用情境？
為什麼每個人都說效率重要，但沒有人真的願意改變現在的流程？

這些「沒有出現的東西」，有時才是最重要的資訊。而要看見它們，你通常得真的進去讀。進去比較。進去懷疑。進去待一段時間。

那些不在逐字稿裡的東西

這不只發生在提案。做訪談也是一樣。現在訪談一結束，很自然會有人說：「先丟 AI 分析吧。」

當然可以。AI 很適合整理逐字稿，歸納痛點，分類需求，比較不同受訪者的共同點。

但訪談真正重要的資訊，從來不只存在逐字稿裡。有時候是一個停頓，一個語氣的改變，一句嘴巴說「還好」、但表情明明不是還好的回答。甚至是在訪談當下，你突然感覺：他現在講的，好像不是他真正的問題。

這些東西，參與現場的人會知道。但如果我們訪談完就直接等 AI 給結論，很容易連自己重新進入材料的機會都省掉。而那個過程，其實正是洞察開始形成的地方。

有些慢，不是在浪費時間

現在我們很容易有一種焦慮。事情很多，時間很少，AI 又這麼快。所以任何需要自己慢慢看的工作，都好像顯得沒有效率。

但這次的經驗反而讓我更確定：有些慢，不是在拖延產出。有些慢，是洞察形成的地方。

我不是在說 AI 不該用。我自己每天都在用，內容產線、資料掃描、初稿整理，這些工作我都交給它。AI 可以幫我整理五十份資料，可以幫我先找到主題，可以幫我比較內容，也可以幫我快速產生一個初步版本。這些我都會繼續用。

但我現在會多問自己一個問題。如果只是省掉重複整理，當然很好。但如果連「進入問題、建立脈絡、發現異常」的過程也一起省掉，那最後少掉的，可能不只是洞察，還可能是一次原本很有機會打中客戶、推動合作的提案。

AI 可以幫我們更快產出答案。但真正讓一份提案有價值的，往往不是答案生成得多快，而是你有沒有看見，別人沒有看見的問題。

所以下次要把一批資料丟進 AI 之前，我會先問自己一句：這個步驟，我省掉的是「勞力」，還是「理解」？

（想了解更多此議題，請點這篇文章：〈我到了實體店，聽到的還是跟網路上一模一樣：AI 時代，品牌還能幫客戶做的 4 件事〉）