影響力靠的是有方法的苦工：從想法到真正改變，中間隔著的 3 層距離
方法不是捷徑，苦工一分都省不了
這幾年擔任永續競賽評審，我發現評審結果一致性很高，因為「有沒有真的做過」在提案裡藏不住；真正長期投入的團隊，比賽結束後還在做，所以經得起追問。這篇從一萬小時定律、韓國國樂地板舞、畢卡索的立體派到一家教育機構的 15 年，談從想法到影響力的 3 層距離：找到真實的問題、用最小規模驗證、長期投入並持續修正。
打造 ESG 創新的參與式體驗
透過參與體驗，讓利害關係人一起推動ESG創新，邁向永續發展
標籤 策略思維
像資深顧問那樣用 AI：3 步驟，有效率的與 AI 規劃一場符合企業期待的工作坊
先搞清楚問題、策略、細節這 3 層，AI 才幫得上忙（每層都附上可參考的 prompt）
「我們想請你幫忙設計一個共創工作坊，幫我們團隊釐清策略與找到共識。」這句需求直接丟給 AI，很快就會得到一整套流程，卻常常不能解決客戶或主管真正的問題。這篇整理我和兩位資深夥伴規劃企業工作坊時淬鍊出的三個步驟：先找出真正的問題、再提出對應的策略、最後才是落地細節。每一步附上實際使用的 prompt，以及 AI 產出後你仍然要自己檢視的地方：畫布怎麼引導參與者對位、流程時間合不合理。AI 可以把每一層都加速，但第一層判斷錯了，它只會更有效率地把錯的事情做完。
服務設計 30 年：兩位大師談到最後，答案不是 Journey Map，而是「改變」
從全球第一位服務設計教授 Birgit Mager 與 Marc Stickdorn 的對談，重新看服務設計的起源、落實，以及 AI 時代的下一步
三十多年前，服務設計這門學科幾乎還不存在。全球第一位服務設計教授 Birgit Mager，與《This is Service Design Thinking》共同作者 Marc Stickdorn 回頭對談，談的不是工具，而是這門學科當初為什麼需要存在。服務設計師是「行為建築師」，真正要設計的不是 Touchpoint，而是 Change：怎麼讓人與組織開始用不同的方式行動。落實不是設計做完之後的事，從專案第一天就該問誰會被影響、誰可能反對、KPI 是不是反而鼓勵舊做法。而在 AI 已經可以表現出 Pretend Empathy 的今天，最重要的能力是幫組織判斷：什麼值得自動化，什麼值得保留 Human-to-Human。
AI 扮演過病人，不代表病人參與過：AI 時代設計共創的 5 個提問
讀《哈佛商業評論》談 AI 與策略決策：Representation 不等於 Participation，用知識參與重新安排誰在什麼時候進場
如果 AI 已經可以模擬 100 個利害關係人，我們為什麼還需要找真人來共創？從《哈佛商業評論》一篇談 AI 與策略決策的文章出發，我發現 SWOT、BCG 矩陣、五力分析這些框架，其實有一部分是為「人腦的極限」而生；我們熟悉的共創工具也是。AI 在搜尋、表徵、整合這三件事上，能大幅擴張我們看得見的世界，但「AI 扮演過病人」，不等於「病人參與過」。這篇回到我這幾年談的知識參與：一般參與者、專業者、決策者各自握有不同的知識與責任，AI 則是新加入、負責擴張的第四種角色。共創的設計問題，因此從「這場工作坊要邀請誰來」，變成「這個決策需要哪些知識、哪些可以由 AI 擴張、哪些必須由真人提供、最後又是誰必須承擔」。
歐盟砍掉八成永續申報義務後，企業正在把永續搬進「決策」：下一步可能是跨域共創
企業的 ESG 經費，真的改變使用方向了嗎？永續看似退燒，但數據顯示真的如此嗎？
2026 年歐盟大幅調整永續法規，CSRD 的門檻拉高到 1,000 名員工與 4.5 億歐元營收，估計讓約 42,000 家企業離開強制申報範圍。但被移出範圍的企業有 90% 打算維持甚至擴大永續報導，而且已經把永續資料用在營運規劃、創新與流程設計、投資決策與供應鏈風險評估；PwC 與 SBTi 的資料也顯示，法規鬆了，企業原本訂下的氣候目標並沒有跟著消失。這篇從這幾組國際數據談起，再回到一位紡織業老闆被客戶要求照顧移工人權時的第一個難題——他根本不知道問題在哪裡；最後提出永續推動的三個層次：展示永續、媒合解方，到跨域共創。
從品牌信念到落地實踐：從日本旅行看見「體驗原則」的重要性
品牌理念大家都同意，問題是真的遇到事情的時候，到底要怎麼做？「體驗原則」是品牌信念和實際服務中間，很重要的一層轉譯。
同一趟日本旅行，三宅一生拒絕我兩次，我反而更感受到品牌；飯店幾乎什麼都願意幫，我卻感覺不到它的信念。差別不在服務好不好，而是服務背後有沒有一套清楚的體驗原則。這篇從這組對比出發，談體驗原則為什麼是品牌信念往下落地的依據、真正有用的原則要能幫人做取捨、它為什麼也該進入公司內部的討論與決策，以及它和 SOP 的差別：不是把人管得更死，而是讓人更知道怎麼做。
AI 能快速給答案，但會打到客戶心裡的洞察，是你看見資料裡缺少的東西
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
客戶給的資料很完整，AI 也很快就整理出趨勢、機會點與發展方向。每一句都合理，但我看完只有一個感覺：不對。後來我把 AI 放到旁邊，自己一份一份讀，才發現真正的問題不是「這批資料還能整理出什麼洞察」，而是資料本身就缺了幾塊：沒有顧客觀點，也沒有人說清楚什麼叫成功。AI 很會告訴你有什麼，洞察卻常常來自少了什麼。
不是合作提案不好，是順序錯了：價值共創的 4 個步驟
價值共創 × 跨組織治理｜方法實踐筆記 兩個組織要一起做事，本質上是在建立一套新的治理，而多數合作卡住的地方，不是提案不好，而是順序不對。
想找另一個單位合作，方案想得很完整，也確定 1+1 大於 2，但談了兩三次只換到「我們再研究看看」。問題往往不在提案，而在順序——還不夠了解對方就把概念端出去，它要嘛成為對方的＋1 任務，要嘛一開口就踩到不能碰的線。這篇從服務主導邏輯談起：價值是由使用的那一方認定的，所以你認為有價值不算數。而兩個組織要一起做事，本質上是在建立新的治理——誰要參與、議題由誰定義、行動由誰承擔。文章把它拆成四個步驟：探索先確認對方有沒有這個任務，看組織也看窗口那個人；磨合用 What、Why、What if 三問，收出「不能牴觸的」與「一定要體現的」兩個答案；發展把一個詞變成誰做哪一段的具體事項；共試在不新增預算、不新增設計、不對完全陌生的人的前提下先做一次。
便宜 AI 正在結束：自動化之前，先問清楚5件事
AI 很快，但治理設計要走在自動化前面
目標和流程沒想清楚，AI 可能讓我們失敗得更快、錯得更多，也花得更多。這篇從顧問諮詢現場看到的企業擔憂與期待談起，整理自動化之前該先問清楚的五件事：先確認要改善一點，還是跳一個量級；先算清需求、對象與經濟規模；先分清楚標準化與客製化；需求找對了，還要確認修的是不是對的問題；最後，不要只要求同事配合，而要重新設計他的角色。
爛策略為什麼贏過好策略？
一個在AI 時代，可能被低估的能力：引導
你一定看過這種場面：會議室裡投影著一份漂亮的策略簡報（現在可能還是 AI 十分鐘生成的），邏輯完整、數據齊全、圖表精美。老闆說：「就這樣做吧」然後呢？散會後沒有任何人真的動起來；下次會議的時候，很多人把一堆問題要帶來過來。 從 2012 年開始學習服務設計，引導就成了我們的工作核心之一。過去幾十年，覺得這個方法很重要，但沒有特別覺得關鍵。但隨著AI的出現，知識與答案的產生，成本已趨近於零，但「一群人真心承諾的答案」，成本一點都沒有降，反…