WEBVTT

1
00:00:08.000 --> 00:00:19.085
歡迎收聽，下班學 AI，AI 夜夜 talk。我是阿峰老師。今天是十月十四號，星期三，這集的內容來自我部落格的一篇文章。

2
00:00:19.885 --> 00:00:41.957
今天的題目是：用 AI 分析課後問卷。我們會聊三件事。第一，為什麼「整體反應熱烈」這種摘要，HR 拿到也不知道下次要改什麼。第二，一個很多人都會踩的坑：比例的分母。第三，怎麼寫成主管看得懂、又能直接行動的一頁報告。最後，一樣有今天的課後行動。

3
00:00:42.857 --> 00:00:58.001
你有沒有遇過這種狀況？課程上完，問卷收回來，一大堆開放式意見。有人說內容實用，有人說實作時間不夠。你把它丟給 AI，AI 很快回你一句：「整體反應熱烈，建議增加互動。」

4
00:00:58.701 --> 00:01:13.099
聽起來很專業吧？但我跟你說，HR 拿到這句話，其實很難決定下次到底要改什麼。熱烈是多熱烈？互動是要加哪一種？這句話，看起來像結論，其實什麼都沒說。

5
00:01:13.999 --> 00:01:26.564
所以這篇文章有一個核心原則，我先講在前面：AI 可以幫你整理大量文字，但每個分類，都要回得去原始回答；每個比例，都要說清楚分母。

6
00:01:27.364 --> 00:01:36.625
為了示範，我自己做了六筆模擬回饋。先說清楚：這是自製的模擬資料，不代表任何客戶，或任何課程的真實滿意度。

7
00:01:37.525 --> 00:01:49.960
第一步，在交給 AI 之前，先做兩件事。一，把不必要的姓名、電話、電子郵件，還有公司識別資訊拿掉。二，每一筆回答，都留一個固定的編號。

8
00:01:50.660 --> 00:02:02.455
為什麼編號這麼重要？因為有了編號，你才能追查 AI 是怎麼分類的。不然到最後，你手上只剩一份「看起來很合理」的摘要，你根本沒辦法回頭查。

9
00:02:03.255 --> 00:02:17.790
我那六筆資料裡，有一筆是空白的。所以是六列紀錄，但只有五筆有寫意見。重點來了：空白，不能自動解讀成不滿意；也不能偷偷刪掉，假裝全部的人都有回答。

10
00:02:18.590 --> 00:02:34.204
第二步，訂分類規則。這個例子我用了六個標籤：內容清楚、案例適用、增加實作、帳號障礙、進階需求、教材需求。而且每個標籤，都要寫定義。

11
00:02:34.904 --> 00:02:49.167
舉個例子。「增加實作」，指的是明確希望增加練習時間。那如果有人說「我沒跟上」，但原因是登入卡住，這要歸到「帳號障礙」，不能直接等同內容太難。

12
00:02:49.967 --> 00:03:04.849
還有，一則回答可以有好幾個標籤。像第一筆回答說：範例很貼近工作，但希望有更多時間自己操作。它同時是「案例適用」，也是「增加實作」。你不能硬逼它，只能選正面或負面其中一邊。

13
00:03:05.749 --> 00:03:24.778
給 AI 的指令，我建議寫清楚幾件事：不要改寫原文；每一則都列出編號、原文、標籤，還有支持這個標籤的那句話；空白的另外列，不要猜情緒；遇到新主題，先標「待人工確認」，不要讓 AI 自己重建一整套分類。

14
00:03:25.678 --> 00:03:42.402
第三步，先核對分類，再算數量。照剛剛的規則，第一筆和第五筆，明確要求增加練習時間，所以「增加實作」是兩筆。第二筆雖然也提到實作，但它主要的問題是登入，所以不算進去。

15
00:03:43.102 --> 00:03:56.120
好，現在算比例。如果分母是五筆有寫意見的，增加實作是五分之二。如果分母是六列填答紀錄，那就是六分之二。同一份資料，兩個數字。

16
00:03:57.020 --> 00:04:16.644
兩種都可以用，但你一定要講清楚，你用的是哪一個分母。還有，這個比例，絕對不能叫做滿意度。另外，因為一則可以有多個標籤，所有標籤的百分比加起來，可能會超過百分之一百。這不是算錯，報告裡寫清楚就好。

17
00:04:17.444 --> 00:04:28.385
第四步，用原文和反例，檢查 AI 有沒有過度解讀。每一個結論，都要回去看支持它的是哪幾則回答，再看看有沒有反例。

18
00:04:29.085 --> 00:04:39.137
例如第三筆說，老師的步驟很清楚。你不能因此推論，每個人都跟得上。因為第二筆就明確說了，登入之後就掉隊了。

19
00:04:40.037 --> 00:05:02.195
所以我會再下第二輪指令，請 AI 自己檢查剛才的摘要：每個結論列出支持的編號，指出反例和資訊不足的地方。還有兩個常見的腦補要擋掉：有人說想上進階課，不代表他已經有進階能力；有人說回去想試試看，不代表他已經在工作上用了。

20
00:05:03.095 --> 00:05:18.905
最後，主管報告要連到改善動作。我建議的一頁結構是這樣：先寫資料範圍，六列紀錄、五筆非空白意見、模擬資料。接著，一個觀察，配一個建議。

21
00:05:19.605 --> 00:05:37.235
比方說，觀察一：兩筆明確希望增加練習時間。建議：下次減少一項工具展示，保留一段完整重做的練習。觀察二：一筆提到登入影響參與。建議：課前提供帳號檢查，現場準備可以替代的模擬材料。

22
00:05:38.035 --> 00:05:54.840
觀察三：分別有人提到進階課，跟操作講義的需求。建議：另外確認主題和程度，不要把「有意願」，當成「已經確定報名」。最後一定要寫限制：樣本很小，不能推論整個組織的需求比例。

23
00:05:55.640 --> 00:06:06.304
而且要記得，建議，是根據觀察提出的方案，不是問卷已經證明有效的結論。執行之後，下一次再追蹤，問題有沒有改善。

24
00:06:07.104 --> 00:06:26.310
如果問卷裡還有量化題目，滿意度、難度、學習意願，要分開算；平均分數跟推薦比例，也不是同一個指標，不能因為都能換成百分比，就混在一起用。要把學員的話放到官網當見證，也要另外確認對外使用的授權。

25
00:06:27.310 --> 00:06:39.359
阿峰老師的建議是：把 AI 摘要，當成第一輪整理。HR 最重要的工作，是決定哪個問題要優先改善、誰負責，還有下一次怎麼檢查。

26
00:06:40.159 --> 00:06:55.402
好，今天的課後行動。找出你們公司最近一份課後問卷，或任何一份有開放式意見的回饋。先幫每一筆回答編上號碼，再請 AI 分類，而且要它每個標籤，都附上原文的那一句。

27
00:06:56.202 --> 00:07:05.364
然後問自己一個問題：報告裡的每一個比例，分母是誰？如果答不出來，那就是今天要補的地方。

28
00:07:06.164 --> 00:07:13.842
這就是今天的課後行動。做完之後，歡迎寫信到 ai@autolab.cloud，

29
00:07:13.842 --> 00:07:17.577
跟我分享你的結果。我真的很期待，跟你交流。

30
00:07:18.577 --> 00:07:27.971
這集的完整內容，包括兩段可以直接複製的 AI 指令，還有一頁式報告的範本，都在我的部落格，連結放在節目資訊裡。

31
00:07:28.771 --> 00:07:47.075
如果你喜歡今天的內容，歡迎訂閱阿峰老師的電子報，網址是 startupforyou，點 substack，點 com。如果你的公司想讓團隊把 AI 用得好、又用得安心，阿峰老師有提供企業內訓，歡迎到 autolab 點 cloud 了解。

32
00:07:47.875 --> 00:07:55.127
這集由阿峰老師授權的 AI 語音朗讀。下班學 AI，AI 夜夜 talk，我們下次見。