需要密碼

這份簡報受密碼保護

↩

先學會問，再學會贏

AI 時代的運動產業工作者，要練的不是肌肉，是判斷 ——給國家運動產業發展中心同仁的 AI 倫理與工作術

Vista Cheng｜2026.05｜https://www.vista.tw

Vista 鄭緯筌

Vista 鄭緯筌

內容策略顧問｜AI 應用講師｜《經濟日報》專欄作家

世新大學兼任講師、前風傳媒產品總監、《經濟日報》《科技島》專欄作家。著有近 20 本書，涵蓋 AI 應用、內容行銷、文案寫作與個人品牌。長期協助公部門、法人與企業導入 AI 工作流，相信AI 不是用來省力，是用來騰出力氣去想更重要的事。

vista.twlinkedin.com/in/vistacheng

90

分鐘

今天我們要練的，不是怎麼讓 AI 寫得更快，而是怎麼讓自己問得更準、看得更清、守得更穩。

今日航線：四幕、90 分鐘

  1. 01

    第一幕｜場景進入

    三則可能你最近才看過的新聞，與一個你不能不問的問題

  2. 02

    第二幕｜AI 倫理

    七條紅線：公部門最容易踩錯的事

  3. 03

    第三幕｜AI 工作術

    問、用、整合三層：從 Prompt 到 NotebookLM

  4. 04

    第四幕｜給中心的建議

    個人 30/60/90 天行動表＋中心可以怎麼開始

01

三則你最近才看過的新聞

AI 不是還沒到，它已經坐在你旁邊的辦公桌

案例一：那支運動員代言的影片，是假的

近兩年，全球已多次發生運動明星被代言的 Deepfake 詐騙：影片裡的運動員推銷他從未代言過的保健品、博弈平臺、加密貨幣。聲音、表情、動作幾乎看不出破綻。

案件發生後，當事人通常都得花上數週、聘律師、發聲明，才能把名聲拉回來。但傷害已經造成。觀眾只記得他「好像有講過那句話」。

今天的問題不是「AI 能不能造假」，而是「當運動員、賽事、選手肖像都進了 AI 訓練資料，運動產業的把關責任變成什麼樣子」。

案例二：那份外洩的公文，是同仁丟給 ChatGPT 的

2023 年，三星半導體工程師把內部會議紀錄與良率數據貼進 ChatGPT 請它整理；事件後，三星全集團一度禁用外部生成式 AI。臺灣這兩年也陸續傳出公務人員把機敏資料、人事評鑑、內部簽呈直接交給 AI 處理的案例。

問題不在於這位同仁壞，而在於他不知道：這些資料一旦送出去，就可能被拿去訓練、被快取、被外部稽核到。

公部門的資料一旦離開內網，要拉回來幾乎是不可能的事。最該被教的，是「什麼資料不該送出去」這條線。

案例三：那則賽事新聞，是 AI 編出來的

2023 年起，多家媒體被抓到用 AI 大量生成新聞稿——包含運動賽事、財報、訃聞——其中不乏錯誤的比分、虛構的引述、不存在的選手。CNET、Sports Illustrated 都因此被讀者抓包，公開道歉、下架文章。

2023 年紐約還有一位律師，把 ChatGPT 寫的法律意見書直接交給法官，裡面引用了六個完全不存在的判例。AI 的自信騙過了一位執業多年的律師。

我們以為自己在省時間，其實是在外包判斷。當 AI 開始替我們寫公文、寫補助案、寫對外發言稿，誰來查證？

影片：當新聞變成 AI 寫的，事實還剩多少？

影片來源：YouTube。

三個案例，三個共通教訓

  • AI 會像人，但不會像專業的人

    它的語氣很穩，邏輯很順，內容卻可能是錯的

  • AI 沒有保密義務

    丟給它的資料，等於丟到一條你看不到的管線裡

  • AI 不負責任

    出事的時候，是你的名字在公文上，不是它的

💡

今天的內訓，要回答你三個問題

1. 哪些事，AI 絕對不能碰？　2. 哪些事，AI 可以做，但你必須查證？　3. 哪些事，AI 比你更會做，你應該大方交給它？

答對前兩題，是不出包；答對第三題，是會升級。

“
AI 不會搶你的位置，是來檢查你的判斷。

— Vista Cheng

本次課程的開場錨點。

今天上完，你會帶走的東西

  1. 01

    一張紅線清單

    公部門同仁的七條 AI 倫理紅線 + 自查表

  2. 02

    五個基本句型

    把模糊指令變成可用 Prompt

  3. 03

    四大工作場景

    文書、研究、創作、翻譯各一套 SOP

  4. 04

    一條整合工作流

    ChatGPT + Claude + NotebookLM 怎麼搭

  5. 05

    一張 30/60/90 行動表

    下週、下月、下季你可以做什麼

02

七條紅線

AI 倫理的工作守則：先學會什麼不能做，再學會什麼可以做

“
我們不是被科技決定的人，我們是被自己選擇的工具塑造的人。

— 改寫自 Marshall McLuhan

媒介即訊息。當 AI 變成你最常用的工具，它也在悄悄改寫你的判斷力。

💡

為什麼是現在要談倫理？

AI 用起來太順、太便宜、太快——順到你不會停下來想：「這個我可以丟出去嗎？」

倫理不是踩煞車，是先看後照鏡。

AI 已經滲進工作的事實

92%

受訪知識工作者已用過 AI

Microsoft Work Trend Index 2024

75%

在工作中自帶 AI 工具

BYOAI 現象，未經組織核准

68%

未告知主管

Microsoft / LinkedIn 2024 調查

46%

曾在工作中遇到 AI 出錯

KPMG 2025 全球 AI 信任調查

AI 是平權工具，也是放大器

三十年前，會用 Excel 是辦公室的一條分水嶺。十五年前，是會做簡報、會建網站。今天，是會問 AI。

AI 把專業的下限拉高了——不會寫公文的人，可以寫出像樣的公文；不會做圖的人，可以做出像樣的圖。但它也把上限打開了——會問的人，能在一個下午做完別人三天的工。

倫理在這場變化裡，不是束縛，是讓你能持續用下去的條件。一個常常出包的人，最後是不能用 AI 的人。

紅線 1

不該丟的東西，永遠不要丟出去

個資、機敏資料、未公開政策，是公部門 AI 的第一條線

三星案的教訓

2023 年，三星半導體部門接連發生三起員工把機密貼進 ChatGPT 的事件：有人把錯誤的原始碼丟進去請 AI 除錯，有人貼會議紀錄請 AI 整理摘要，還有人上傳半導體良率資料。

三星追查後發現：這些資料已經進到 OpenAI 的伺服器，無法回收。集團當下宣布禁用外部生成式 AI，並啟動內部專屬模型開發案。

這個案例對公部門的警示是：你的同仁不是壞人，他只是想趕快交差。教育與工具設計，比事後懲處更關鍵。

公部門資料：可以丟 vs. 絕對不能丟

Pros

  • ✓ 已公開的新聞稿、發布資料
  • ✓ 已上網的法規、公告、新聞
  • ✓ 公開的產業統計、年報
  • ✓ 你自己寫的草稿（非機敏內容）
  • ✓ 可公開的議程、活動文宣

Cons

  • ✗ 個資（姓名、身分證、聯絡方式、生日）
  • ✗ 未公開政策、預算、簽呈、人事案
  • ✗ 補助申請者的營業祕密、財報
  • ✗ 賽事選手的健康、紀律、人事資料
  • ✗ 內部會議紀錄、評鑑分數、考核

資料外送前的三秒自問

✅
這份資料如果上了報，我會不會被約談？
✅
裡面有沒有別人的個資、未公開資訊？
✅
我用的是公務電腦，還是私人帳號？
✅
我用的是公開版 ChatGPT，還是中心採購的企業版？
✅
出事的時候，我能不能向長官交代清楚過程？

紅線 2

AI 寫的東西，不是沒有作者

著作權、引用責任、合理使用——你以為的省時間，可能是侵權

紐約時報告 OpenAI 的啟示

2023 年底，紐約時報對 OpenAI 與微軟提起訴訟，主張 GPT 模型在訓練過程未經授權使用大量紐時報導，且能在使用者要求下逐字吐回紐時的內容。這場官司至今仍在進行。

這個案件的意義不是判決本身，而是揭露了一個事實：你叫 AI「幫我整理一篇關於 XX 的報導」，它生成的內容，可能整段是別人的著作。

你按下複製貼上，責任就到了你身上——不是 AI 的、不是 OpenAI 的，是你的。

什麼算合理、什麼算侵權

🟢 通常沒問題

  • 用 AI 改寫自己已寫好的草稿
  • 請 AI 解釋公開法規、新聞重點
  • AI 產出的內容你已重寫、加入觀點
  • 圖像生成自己描述的場景（無特定 IP）
  • 翻譯、潤飾、摘要自己的文件

🔴 風險高

  • 請 AI「模仿某作家／媒體口吻」整段生成
  • 把 AI 產出整段當原創投稿、投書
  • 用 AI 圖生成名人、選手、IP 角色
  • AI 寫的內容引用了你沒查證的來源
  • 未標示 AI 協作，假裝是個人原創

著作權自我把關清單

✅
對外發表的稿件，AI 產出的部分我都重寫過
✅
圖像不會涉及特定運動員、IP、選手肖像
✅
AI 給的引用、出處我都點開查證過
✅
需要時會加上「AI 協作說明」一欄
✅
中心對外稿件比照採購文書，留下版本紀錄

紅線 3

AI 會「自信地胡說」

幻覺（Hallucination）——當模型編造不存在的資料、判例、引用

紐約律師案：六個不存在的判例

2023 年 6 月，紐約律師 Steven Schwartz 在一件航空訴訟案中，把 ChatGPT 生成的法律意見書交給法官——意見書中引用了六個判例，全部都是 AI 編出來的，案號、法院、判決理由都假得像真的。

Schwartz 是執業 30 年的資深律師。他不是不會查證，是他相信AI 的語氣穩、引用詳細，就一定是真的。

AI 的幻覺不是 bug，是模型本質——它是在「猜下一個最可能的字」，不是「查證後告訴你真相」。這是公部門最常踩的坑：AI 給的法規條號、行政院函釋、判例，可能根本不存在。

影片：AI 是怎麼一本正經地胡說八道的

影片來源：YouTube。

查證流程：把 AI 產出當半成品

BEFORE

❌ 直接複製貼上

  • AI 列出 5 條法規、判例就直接抄
  • AI 引用「行政院 2023 年函釋」直接寫進公文
  • AI 給的數據直接放進報告
  • 錯了再說：「這是 AI 寫的」
VS
AFTER

✅ 把 AI 當研究助理

  • 請 AI 列出可能方向，自己再查官方來源
  • 法規上「全國法規資料庫」逐條核對
  • 數據對到原始機構、原始報告
  • AI 產出留底，作為「我為什麼這樣寫」的軌跡

幻覺防呆 SOP

✅
凡是人名、條號、數字、引用一律查原始來源
✅
AI 給的網址點過、能進得去才用
✅
對外公文出去前，至少有一位同事 review
✅
用 AI 整理的內容，標註原始 prompt 與時間
✅
重要文件不靠單一 AI，交叉問 ChatGPT、Claude、Gemini

紅線 4

AI 帶著訓練資料的偏見來上工

性別、族群、年齡、運動項目——它不是中立的

Amazon 履歷 AI 案：它學會了歧視

Amazon 在 2014 年起內部開發 AI 履歷篩選系統，後來發現：模型對女性履歷給出系統性的低分。原因不是工程師寫了歧視女性這條規則，而是訓練資料來自過去十年的錄取紀錄——而過去十年，技術職位本來就以男性為多。

2018 年 Amazon 放棄了這套系統。但案件已經提醒所有組織：AI 會把過去的偏見自動化。

對運動產業的同仁來說，這個風險特別具體：選手評鑑、補助評審、教練徵選，如果讓 AI 跑歷史資料做推薦，它會偏向過去常被選上的那群人。

公部門最常見的三類 AI 偏見

  • 歷史偏見

    訓練資料反映過去的不平等：男性較多、特定運動較多、特定族群較多

  • 語言偏見

    模型對英文、中文、原住民族語、新住民語言的表現差距極大

  • 放大效應

    原本只是輕微偏差，經 AI 大量生成後變成系統性差異

偏見自查清單

✅
用 AI 做篩選、評分時，最終決策由人做
✅
重要決策，把 AI 答案反向問：「另一邊的觀點是？」
✅
涉及性別、族群、地區、運動項目時，特別放慢
✅
公開的推薦、排名、分配，附上方法說明
✅
建立「AI 出錯時的人為救濟管道」

紅線 5

公文是法律文件，不是聊天對話

AI 寫公文有四件事必須由人把關

公部門 AI 公文的四種翻車

近兩年國內外公部門已陸續傳出 AI 公文翻車案例：有的是法規條號錯誤、有的是引用了已廢止的辦法、有的是承辦單位名稱張冠李戴、最嚴重的是直接把民眾陳情案的個資寫進對外回函。

這些案例的共通點是：承辦人相信AI 的格式工整、語氣得體，就等於正確。但公文的核心不是格式，是事實＋責任。格式很容易學，事實必須查。

用 AI 寫公文不是禁區，重點是哪些步驟必須由人接手。

AI 寫公文：能 vs 不能

BEFORE

❌ 直接交差

  • 請 AI 寫一篇對外回函，貼上民眾陳情書
  • AI 列出法規依據直接放進公文
  • AI 給的承辦單位、長官署名直接用
  • 公文流程跳過會辦、直接發
VS
AFTER

✅ AI 是初稿生成器

  • 去識別化後請 AI 列大綱、可能爭點
  • 法規條號自己上「全國法規資料庫」查
  • 承辦單位、長官、發文字號比照公文系統
  • 原本的會辦、覆核流程一個都不跳

公文 AI 使用 SOP

✅
對外公文：去識別化、查證、會辦、覆核四步全做
✅
對內簽呈：標註 AI 協作版本，附上原始 prompt
✅
新聞稿、聲明：兩位以上同仁交叉檢查
✅
選手、教練相關訊息：當事人或單位先確認
✅
出事的應變窗口、更正稿模板先準備好

紅線 6

決定一個人的事，必須由人來決定

補助、評鑑、人事、紀律——AI 可以建議，不能拍板

AI 替你做判斷的代價

歐盟 AI 法案（AI Act）2024 年通過，把「對人有重大影響的決策」列為高風險：教育、就業、社會福利、執法。這類決策若使用 AI，必須有人為審核、可解釋性、可申訴管道。

對運動產業中心來說，補助案評選、選手徵選、紀律處分、教練聘任，都屬於這類「對人有重大影響的決策」。AI 可以協助歸納資料、整理優劣勢，但不能替你按下核准或不核准。

這條線的意義不是不能用 AI，而是「出事的時候，你能不能說清楚：這個決定為什麼這樣做？」如果你的答案是「AI 推薦的」，那這個決定不及格。

“
AI 可以告訴你 99 條建議，但簽名的那條線，必須是人。

— 改寫自歐盟 AI Act 高風險條款精神

公部門使用 AI 的核心原則之一。

決定人的事自查

✅
補助案最終排序由評審委員會決定，AI 只整理資料
✅
選手、教練徵選的最終名單，人簽字才算數
✅
紀律處分、申訴回覆絕不單靠 AI
✅
AI 協助整理時，附上給人看的判斷依據
✅
對當事人有救濟管道：申訴、複查、再審

紅線 7

什麼時候該說「這是 AI 寫的」

揭露不是認罪，是專業——讓讀者知道資訊怎麼來

全球揭露規範的趨勢

Nature、Science、JAMA 等頂級期刊已明訂：AI 不能列為作者；使用 AI 必須在方法或致謝中揭露。歐盟 AI 法案要求：與人互動的 AI 系統必須揭露，深偽內容必須標示。

美聯社、路透社、紐約時報的內部準則都類似：AI 可以協助查資料、整理逐字稿、生成標題候選，但對外發出的稿件必須有人簽名負責，且必要時揭露。

對公部門同仁的具體意義是：你不必每一份內部簽呈都標註ChatGPT 協作，但對外的新聞稿、政策說明、研究報告、社群貼文，揭露已經是新標準。

揭露 vs. 不需揭露

🟢 通常需要揭露

  • 對外新聞稿、政策說明
  • 研究報告、補助案撰寫支援
  • 深偽圖片、AI 生成的人像
  • 對外培訓教材、簡報引用 AI 圖文
  • 可能影響當事人權益的文件

⚪️ 通常不需揭露

  • 內部會議紀錄整理、行政草稿
  • 翻譯、潤飾自己原本就會寫的東西
  • 資料整理、表格化、摘要
  • 個人筆記、日程整理
  • 問 AI 學一個你不熟的觀念

揭露時機與寫法

✅
對外稿件：「本文初稿由 AI 協助整理，由 ___ 負責覆核」
✅
AI 生成圖：在圖說標註「AI 生成」
✅
研究報告：方法或致謝段落寫明使用工具
✅
Deepfake、合成影音：依法、依規明顯標示
✅
內部協作：建立揭露範本，省掉同仁猜疑時間

中心同仁紅線總清單（一頁帶走）

✅
個資、機敏、未公開資料：永遠不送到外部 AI
✅
AI 產出引用：條號、人名、數字必查官方來源
✅
對人有重大影響的決定：人最後拍板，附判斷依據
✅
對外稿件：揭露 AI 協作、人簽名負責
✅
出事的應變流程、更正稿模板、申訴窗口先備好
“
倫理不是要你不用 AI，是要你能持續用下去。

— Vista Cheng

第二幕收尾。

03

AI 工作術：問、用、整合三層

從一個 Prompt 開始，走到一條可以重複的工作流

三層工作術

  1. 01

    第一層 問得好

    Prompt 心法、五個基本句型、三個不要做

  2. 02

    第二層 用得對

    文書、研究、創作、翻譯——四大場景 SOP

  3. 03

    第三層 整合工作流

    工具組合、自製 GPT、NotebookLM、Vista 的一天

3-1

第一層：問得好

Prompt 不是咒語，是把事情講清楚這件事的最小可行版本

💡

Prompt 心法

AI 的回答品質，等於你提問品質的鏡像。

你問得有多模糊，它就答得有多平庸。

“
在你想要好的答案以前，先想要好的問題。

— 改寫自 Claude Shannon

資訊論之父。提問品質決定了答案的訊息量。

五個基本句型（一張卡帶走）

  • 1. 角色 Role

    請扮演一位 ___（具體職稱、產業、資歷）

  • 2. 任務 Task

    你的任務是 ___（一句話講清楚要產出什麼）

  • 3. 上下文 Context

    背景是 ___（讀者是誰、目的、限制、你已經有的資料）

  • 4. 格式 Format

    請以 ___ 格式輸出（表格、條列、800 字、五段論）

  • 5. 限制 Constraint

    請避免 ___（不要套話、不要列舉超過 5 點、不要編引用）

句型範例：角色＋任務＋輸出

PROMPT 
請扮演一位協助公部門的政策分析顧問。
你的任務是：把以下 3 篇關於「臺灣運動產業 2030 趨勢」的新聞稿，整理成 800 字的情勢摘要，給長官閱讀。
讀者：國家運動產業發展中心主管，沒時間讀全文。
格式：三段論——現況、轉折、建議。每段標題加粗，正文 200-300 字。
限制：不要使用「綜上所述」「展望未來」等套話；引用數字必須附原始來源。
OUTPUT
AI 將生成結構穩定、可直接呈核的初稿，後續你只需要查證引用、加上中心觀點。

句型範例：上下文＋限制

PROMPT 
我正在準備一份運動產業補助案的「執行成效評估」章節，限 1500 字。
計畫名稱：地方運動賽事文創整合計畫
計畫期程：2025/1-2026/12
預算：1,800 萬
指標：參與人次、媒體曝光、合作廠商數、後續延伸 IP

請幫我列出：
(1) 適合呈現此計畫成效的 5 個量化＋3 個質化指標
(2) 每個指標的測量方式、資料來源、可能限制
(3) 一段對照組／反事實的論證寫法

限制：不要引用我沒提供的具體數字。
OUTPUT
AI 會給你一份結構化的指標表，方便你接下來找實際資料填入。

句型範例：步驟拆解

PROMPT 
我要寫一篇對外的記者會新聞稿（主題：中心 2026 運動科技產業創新研發補助計畫得獎名單揭曉）。
請依下列步驟協助我：

步驟 1：先列出 3 種可能的標題方向（時事鉤、人物故事、政策數字）
步驟 2：在我選定方向後，再展開 3 段式新聞稿（導言、得獎亮點、後續行動）
步驟 3：最後幫我列 5 個記者最可能追問的問題與建議回應方向

請先停在步驟 1，等我選擇後再進行下一步。
OUTPUT
AI 會分階段協作，避免一次塞給你你不會用的長文。

案例對照：寫公文

BEFORE

❌ 模糊指令

  • 「幫我寫一份公文」
  • 「主題是體育賽事補助」
  • 「寫得正式一點」
  • （AI 給你套話與不存在的條號）
VS
AFTER

✅ 五句型指令

  • 角色：地方政府教育局承辦人
  • 任務：覆函 A 協會關於 2026 賽事補助諮詢
  • 上下文：A 協會已於 1/15 來函詢問 X 點，依 ___ 辦法，可申請 Y、不適用 Z
  • 格式：標準公文格式，主旨＋說明三點
  • 限制：法規條號待我查證，先用「○○」標示

案例對照：寫補助案研究背景

BEFORE

❌ 模糊指令

  • 「幫我寫補助案的研究背景」
  • 「題目是運動產業趨勢」
  • 「寫長一點」
VS
AFTER

✅ 五句型指令

  • 角色：臺灣運動產業政策研究員
  • 任務：撰寫補助案研究背景與重要性一節
  • 上下文：3 個我已找到的趨勢與來源
  • 格式：500 字、三段論
  • 限制：不要編引用，留下我可以填入的空白引用位

案例對照：寫活動企劃

BEFORE

❌ 模糊指令

  • 「幫我企劃一場活動」
  • 「主題是運動產業」
  • 「要創新一點」
VS
AFTER

✅ 五句型指令

  • 角色：擅長 B2B 產業活動的策展人
  • 任務：規劃一場 200 人、半天的論壇
  • 上下文：對象是廠商、政策單位、學界，目的是促成跨界合作
  • 格式：時程表＋三組對話主題＋兩個記憶點
  • 限制：預算 50 萬內、避免典型開幕式長官致詞流

Prompt 三不

✅
不要一次給 AI 三個任務（拆開問）
✅
不要相信第一個版本（要求 3 種版本擇優）
✅
不要在 prompt 裡放機敏資料（去識別化再丟）
✅
不要忘了告訴 AI「不要編造」（明確指令防幻覺）
✅
不要關掉聊天視窗就走（留下 prompt 紀錄當資產）
✍️ Practice

現場停一下：把眼前一件事寫成一個 prompt

  1. 1 回想你「下週要交、現在還沒動手」的那件事——可能是一份簽呈、一篇新聞稿、一個補助案。用今天學的五句型，在心裡或紙上寫一個 prompt。
  2. 2 角色：我希望 AI 扮演什麼樣的人？
  3. 3 任務：我希望它幫我做出什麼樣的成品？
  4. 4 上下文：它需要知道哪些背景才寫得對？
  5. 5 格式：我要表格、長文，還是條列？
  6. 6 限制：哪些事我絕不希望它做？
⏱ 3 分鐘 📎 紙筆即可，回辦公室再丟給 AI 比對

3-2

第二層：用得對 · 四大工作場景

文書、研究、創作、翻譯——每個場景一套 SOP

場景 A

文書場景

公文、會議紀錄、報告、簽呈——AI 把你從格式裡解放

文書場景三大痛點，AI 幫你解決

  • 格式套用

    AI 把對的內容套進對的格式，是它最擅長的事

  • 逐字稿轉摘要

    Otter / 雅婷逐字稿 / Whisper 轉文字，AI 整理重點

  • 重複性簽呈

    建立模板後，每次只要更新關鍵欄位

  • 排版美化

    報告 outline 先丟 AI 生成，再進簡報軟體微調

公文模板：覆函類

PROMPT 
請依以下資訊產生覆函公文初稿：

受文者：[單位名稱]
發文事由：[來函主旨]
本文重點：
(1) 確認來函事項
(2) 依據 ___ 辦法第 ___ 條（暫以「○○」標示，待查證）
(3) 本中心立場與後續行動

格式要求：
- 主旨：一句話、不超過 60 字
- 說明：分點，最多 4 點
- 語氣：得體、保留討論空間
- 不要加套話、結語

如有需要，請列出可能需要會辦的單位。
OUTPUT
AI 給你一份結構穩、語氣對的初稿，你只需要核對法規與會辦單位。

會議紀錄：從逐字稿到摘要

PROMPT 
我把今天會議的逐字稿貼在下方。請幫我整理：

(1) 三句話摘要（給沒參加的人）
(2) 結論清單（依議題分類）
(3) 待辦事項（負責人、期限、產出物三欄）
(4) 未解決議題（誰、為什麼、下次討論時間）
(5) 引述重點發言（標註發言人，去除口頭禪）

格式：表格為主，最後加上 100 字「會後給長官的脈絡說明」。
限制：不要美化、不要捏造未發生的決議。
OUTPUT
AI 將把零散的逐字稿轉為可用的會議紀錄，你只要修飾敏感發言並核對人名。

報告大綱：從一句話到 outline

PROMPT 
請幫我產出一份報告大綱。

題目：[一句話的題目]
讀者：[長官／產業／公眾]
字數：[3000 字／15 頁簡報]
目的：[說服／告知／回顧／提案]

請列：
(1) 三種不同切入角度的標題（具反差感）
(2) 我選定後，提供章節大綱（每章 1 句子說明）
(3) 每章建議放入的圖表類型
(4) 可能的反對意見與回應

停在步驟 1，等我選定再繼續。
OUTPUT
分階段產出，避免你拿到一份你不會用的長報告骨架。

簽呈寫法：交差稿 vs 想清楚的稿

BEFORE

❌ AI 直出版本

  • 綜上所述，本案有其必要性
  • 為配合上級指示，謹簽請鑒核
  • 套話多、重點不明
  • 看完不知道你想要什麼決定
VS
AFTER

✅ 你補上判斷的版本

  • 本案三個方案的優劣比較表
  • 建議方案：A，理由三點
  • 風險：B 風險、C 風險、應變方式
  • 需要長官決定：是否同意預算追加

文書場景 SOP（一張卡）

✅
敏感資料先去識別化，再丟給 AI
✅
AI 出初稿後，自己加上「判斷與行動建議」
✅
法規條號、人名、單位名一律自查
✅
建立部門共用 prompt 模板庫
✅
對外公文走原本流程，不因 AI 跳過

場景 B

研究場景

產業調研、補助案、政策研擬——AI 是你的研究助理

研究場景四大用法

  • 範圍探索

    把「我不熟這個產業」變成「30 分鐘抓到地圖」

  • 文獻整理

    NotebookLM 上傳 10-30 篇文獻，自動跑比較表

  • 指標設計

    請 AI 列可能指標、測量方式、資料來源

  • 論點對抗

    請 AI 扮演反方，攻擊你的提案找漏洞

產業調研：30 分鐘建立地圖

PROMPT 
我要在 30 分鐘內建立「臺灣運動產業 2026 趨勢」的初步地圖。

請幫我：
(1) 列出 5 個關鍵子題（B2B 賽事、運動科技、人才、IP、地方）
(2) 每個子題的 3 個關鍵詞（中英文，便於我去查資料庫）
(3) 每個子題建議查的 3 種來源（政府、產業、學術、媒體）
(4) 每個子題的 1 個「可能反直覺」的觀察

限制：不要編引用、不要編數字。允許你說「需要查證」。
OUTPUT
你會拿到一張子題地圖，後續用 NotebookLM 或實際搜尋去填內容。

補助案：研究背景一段式生成

PROMPT 
請幫我撰寫補助案的研究背景與重要性一節。

計畫名稱：[名稱]
問題意識：我發現 ___（一句話）
已有資料：(1) ___ (2) ___ (3) ___
字數：500-800 字

結構：
(1) 從 1 個生活觀察或時事切入（80 字）
(2) 拉到產業／政策的中觀層次（200 字）
(3) 為什麼這個計畫現在做、由我做最合適（200 字）
(4) 預期帶來什麼可衡量的改變（80 字）

限制：不要 hallucinate 引用、不要套話。
OUTPUT
AI 給你一段有起承轉合、有判斷、可呈報的初稿。

政策研擬：請 AI 當反方

PROMPT 
我正在草擬一個政策建議：[一句話描述]

請扮演三個反方角色，各從不同立場找這個政策的漏洞：

(1) 預算單位：成本效益質疑
(2) 民眾立場：公平性、實際感受
(3) 業界立場：執行可行性、競爭影響

格式：每個角色 3 個尖銳問題＋他們可能怎麼說。
限制：不要委婉、要尖銳；不要假裝中立，每個角色都要鮮明。
OUTPUT
AI 變成你的壓力測試——上呈前先被 K 一輪，內容會更穩。

Vista 自己怎麼用：一份產業趨勢報告的工作流

我每個月都要為媒體寫兩篇產業觀察的專欄文章。我的工作流大致是這樣：先用 ChatGPT 列出本月關鍵詞與子題；用 Perplexity 抓近一週新聞與來源；把 10-15 個重要連結丟進 NotebookLM 做交叉分析；再用 Claude 寫初稿。

整個流程把我從找資料拉到想觀點——前段壓縮到 90 分鐘，剩下時間都拿去思考、訪談、修稿。

重點不是工具有多酷，是分工這件事：哪個工具最會搜、哪個最會分析、哪個最會寫——你最後負責的，是判斷與簽名。

研究場景 SOP

✅
先用 AI 把範圍打開（地圖、子題、關鍵詞）
✅
再用 NotebookLM 把資料收斂（上傳、追問、交叉）
✅
草稿先寫骨架，再請 AI 補血肉
✅
重要論點：請 AI 扮演反方攻擊一輪
✅
引用、數字、案例：永遠回到原始來源

場景 C

創作場景

活動企劃、行銷文案、社群貼文——AI 是你的腦力夥伴

創作場景三層次

  • 1. 點子發想

    不要叫 AI 寫，叫它「列 20 個我可以選的方向」

  • 2. 結構草稿

    給你的觀點、你的素材，請 AI 包裝成草稿

  • 3. 風格微調

    用「請以 ___ 的口吻重寫」做風格實驗

活動企劃：3 種不同光譜的提案

PROMPT 
我要規劃一場「運動產業 × 文創」跨界論壇，半天、200 人、北部。

請給我 3 種光譜不同的企劃方向：

(1) 產業實戰派：B2B 配對、實際案例、可成交
(2) 思想啟發派：哲學、跨域對話、人文視角
(3) 體驗沉浸派：場景式設計、互動裝置、媒體可拍

每個方向請列：
- 一句話定位、3 段流程、5 位可能講者類型、1 個記憶點
限制：不要套會議的標準流，不要長官致詞 30 分鐘。
OUTPUT
你會拿到 3 套差異明顯的方案，挑一條繼續展開，避免四不像企劃。

行銷文案：先列鉤子，再寫長文

PROMPT 
我要為「2026 運動科技產業創新研發補助計畫」寫一篇對外宣傳文案，目標是讓中小型運動科技廠商願意報名。

步驟 1：請列 10 個不同切角的標題（時事、痛點、好奇、反差、權威、人物、數字、場景、矛盾、未來）
步驟 2：我選定後，請寫 600 字長文（三段論：問題→解法→行動）
步驟 3：再幫我提取 3 段「可發 LinkedIn / Facebook / 電子報」的短摘要

限制：不要叫人家「立即行動」「不要錯過」這類爛俗結語。
OUTPUT
AI 把寫文案的不知從何開始變成先選題再寫，命中率高很多。

社群貼文：把長文壓成一則

PROMPT 
請把以下 800 字的政策說明，改寫成 3 個版本的 Facebook 粉絲專頁貼文：

(1) 嚴肅版：給對政策本身有興趣的讀者，180 字內
(2) 故事版：從一個運動員、選手、廠商的視角切入，250 字
(3) 反差版：用一個「等等，怎麼會是這樣？」的鉤子開場，200 字

限制：
- 開頭第一句必須能獨立站住
- 不要 emoji 結尾
- 不要直接抄政策原文
- 結尾留一個「你怎麼看？」的留白
OUTPUT
三種版本給你 A/B 測試，比一個版本反覆推敲還省時間。

創作場景 SOP

✅
先要求「列出 N 個方向」，不要直接寫
✅
選定方向後，給 AI 你的 3 個關鍵素材
✅
草稿先存檔，再用「請以 ___ 風格重寫」做變化
✅
最後一輪一定是自己改：把 AI 的尾巴剪掉
✅
對外稿件揭露 AI 協作

場景 D

翻譯與摘要場景

國際運動產業文獻、英文簡報、跨國對談——AI 把語言這道牆變矮

翻譯與摘要四大用法

  • 專業翻譯

    不只字對字，請 AI 加上給臺灣讀者的脈絡

  • 雙語對照

    重要文件並列原文，方便查證、保留語氣

  • 長文摘要

    30 頁報告 → 一頁重點 + 三句話結論

  • 跨文化轉譯

    把英文媒體的玩笑、典故、語氣轉成本地版

學術翻譯：保留專業，加上脈絡

PROMPT 
請翻譯下列段落（運動產業學術論文）：
[原文]

要求：
(1) 譯成繁體中文，採臺灣慣用語（用「臺」不用「台」）
(2) 專業術語第一次出現時保留英文，如「sponsorship activation（贊助活化）」
(3) 句子過長者切短，符合中文閱讀節奏
(4) 段落最後加一句給臺灣讀者的脈絡（30-50 字），說明這個論點為什麼跟臺灣相關

限制：不要美化、不要漏譯、不要加上原文沒有的觀點。
OUTPUT
AI 給你一份可讀且可信的中文版，比 Google Translate 多一層脈絡感。

長文摘要：金字塔式三層

PROMPT 
請將下列 30 頁報告，整理成金字塔式摘要：

第一層：1 句話結論（給長官在電梯裡聽）
第二層：3 個論點＋每點 1 句話（給長官在 5 分鐘內看完）
第三層：每個論點 200 字展開＋關鍵數據（給承辦人寫下一份簽呈用）

附：3 個我若被質疑時可能會被問的問題＋建議回應方向。

限制：所有引用的數據、頁碼、人名必須出現在原始報告內，不要編造。
OUTPUT
你拿到的不是「一份摘要」，是「三種長度的摘要 + 答辯小抄」。

翻譯比較：機翻 vs AI 加脈絡

BEFORE

❌ Google Translate

  • 字面直譯，語感不順
  • 專業詞硬翻，看不出意思
  • 失去原文語氣與重點
  • 讀者讀完不知道為什麼要看
VS
AFTER

✅ AI＋脈絡指令

  • 符合中文閱讀節奏
  • 專業詞第一次中英對照
  • 保留語氣，標示反諷或假設語氣
  • 段尾補上為什麼這跟我有關

NotebookLM：給運動產業同仁的研究神器

NotebookLM 是 Google 出的研究型 AI——你上傳文件、它只用你給的內容回答問題，不會去網路上抓亂七八糟的東西。對公部門、對研究、對處理「我有一堆文件但讀不完」的同仁，它幾乎是必裝。

用法：把中心採購的研究報告、產業年鑑、相關法規、國際案例（每筆 PDF / DOC / 網址）丟進去，最多可放 50 個來源。它會幫你做「這 50 篇講了哪些共同點？」「請比較 A 與 B 對 X 議題的看法」這類交叉分析。

最近 NotebookLM 還加了「Audio Overview」功能——把你的文件變成兩個 AI 主持人對談的 podcast，通勤時聽，邊走邊複習。對運動產業同仁來說，這簡直就是文獻變廣播劇的工具。

NotebookLM 上手範例

PROMPT 
假設你已上傳：
- 5 份國際運動產業年鑑
- 10 篇臺灣運動產業政策研究
- 3 份補助案結案報告

你可以這樣問：

(1) 比較這 5 份年鑑對「運動科技」這個趨勢的定義差異
(2) 列出 10 篇政策研究中「重複出現」的政策建議，並標註出處
(3) 結案報告中，哪些指標的設計值得我們參考？哪些是反例？
(4) 把這些資料整理成一個「我向長官 10 分鐘報告」的腳本

注意：NotebookLM 只用你給的來源回答；它說不知道，就是真的不知道——這是它的優點。
OUTPUT
你會發現：原本你以為要花一個月讀完的資料，一個下午就能拉出論點地圖。

翻譯與摘要 SOP

✅
重要文件採雙語對照，不要直接拿譯文用
✅
專業詞、人名、機構名第一次出現要核對
✅
長文摘要加上答辯小抄（可能被問什麼）
✅
NotebookLM 上傳前確認資料分級（公開可上）
✅
重要報告最後讓人讀一次原文校對語氣

3-3

第三層：整合工作流

從一個 prompt，到一條可以重複的流——讓 AI 變你的同事

💡

整合的核心

工具會換、模型會升級，但分工這件事不會變。

你要設計的是流程，不是 prompt。

整合工作流的三個層次

  • 工具組合

    不同模型擅長的事不同——搜、想、寫、查證各有所長

  • 模板化

    常做的事做成自製 GPT / Gem / Project，不要重複交代

  • 自動化

    Zapier、Make、Apple 捷徑、n8n——把「人 + AI」變「流程 + AI」

四個主流 AI 各擅何事

🔵 ChatGPT / Gemini

  • ✓ ChatGPT：通用最強、生態最大、自製 GPT
  • ✓ Gemini：與 Google Workspace 整合好
  • ✓ 適合：日常文書、發想、簡報草稿
  • ✓ 搜尋功能：能即時上網
  • ✓ 影像、聲音多模態強

🟣 Claude / NotebookLM

  • ✓ Claude：長文、推理、寫作品味最好
  • ✓ NotebookLM：source-grounded，不亂編
  • ✓ 適合：研究、長文書寫、嚴謹摘要
  • ✓ 幻覺較少，引用有機會直接點出處
  • ✓ Project / Notebook 功能利於專案管理

什麼時候用哪個？四個場景

  • 快速問一件事

    ChatGPT / Gemini，有上網、回應快

  • 寫長文、做嚴謹分析

    Claude（推理穩、文字好）

  • 分析一堆我給的資料

    NotebookLM（不會亂跑去網路上）

  • 要做圖、影片、音檔

    Gemini / Sora / ElevenLabs（多模態強）

自製 GPT / Gem / Project：把 prompt 變工具

如果你發現自己每週都要重複交代 AI 一樣的脈絡——「我是運動產業中心承辦人」「請用臺灣用法」「請避免套話」「對外公文要加揭露」——這代表你該把這些指令固化成一個自製工具。

ChatGPT 叫 GPTs、Gemini 叫 Gems、Claude 叫 Projects。三者都允許你建立一個專屬的 AI 助理：固定的角色、固定的脈絡、固定的禁忌、固定的格式。建一次，用一年。

對中心來說，最值得做的三個自製助理：(1) 公文助理（角色＋格式＋紅線）、(2) 補助案助理（指標＋風格＋審查眼光）、(3) 媒體稿助理（語氣＋時事鉤＋揭露範本）。

自製 GPT 系統指令（公文助理範例）

PROMPT 
你是國家運動產業發展中心的公文初稿助理。

角色設定：
- 你協助的是中心承辦同仁
- 你產出的是初稿，必經承辦、會辦、覆核三層流程

你必須遵守：
(1) 一律用「臺」不用「台」
(2) 引用法規條號時，標註「待查證」並建議查證網址
(3) 不主動加上「綜上所述」「展望未來」「敬請鑒核」之外的套話
(4) 涉及個資、未公開資料時，主動提醒承辦人去識別化
(5) 對外公文一律提示「需要揭露 AI 協作」

你產出的格式：
- 主旨（1 行，60 字以內）
- 說明（最多 4 點）
- 辦法／擬辦（如有需要）
- 文末提示：本初稿建議會辦的單位、需要查證的事項
OUTPUT
建立後，每次只要丟「事由 + 三點重點」進去，就能拿到符合中心格式的初稿。

NotebookLM 進階：給中心的機構記憶體

想像中心建立一個 NotebookLM Notebook，裡面收進近五年所有：年度業務報告、結案報告、政策研究、產業年鑑、董事會決議摘要（公開部分）。

你進中心第三天，被指派寫一個你不熟的計畫——你只要打開這個 Notebook，問它「中心過去做過哪些類似計畫？成效如何？踩過什麼坑？」它會在 30 秒內給你一份濃縮的脈絡。

這就是機構記憶體——個別同仁離職、輪調、退休不會帶走中心的累積，知識留在 Notebook 裡，給下一個人接棒。

自動化工作流：人 + AI + 觸發器

  • Apple 捷徑

    iPhone 上一鍵跑「拍會議白板 → AI 摘要 → 自動寄給自己」

  • Zapier / Make

    「Gmail 收到 X 信 → AI 分類 → 寫進 Notion」

  • n8n（自架）

    資料留在自家伺服器，公部門更適合的開源版

  • Slack / Teams Bot

    團隊內部群組丟一句話 → AI 查資料、回摘要

Vista 的一天：AI 怎麼進來的

08:00 通勤——NotebookLM 把昨天標的 5 篇文章生成 podcast，邊走邊聽。09:00 進公司——打開自製 GPT「日報助理」，把行事曆、待辦、信件主旨整理成 5 分鐘晨會稿。

10:00-12:00 寫專欄——Claude 寫初稿（我給觀點與素材），中間用 ChatGPT 查事實、Perplexity 抓近期新聞。13:30-15:00 客戶會議——Otter 自動逐字稿，會後直接丟自製 GPT「會議紀錄助理」生 SOP 表。

16:00-18:00 創作——做圖用 Midjourney / Gemini，做影片旁白用 ElevenLabs，做投影片用 Gamma 起骨架、回到 Vista Slides 精修。整天我大概用了 6 個 AI 工具，但我下決定的時間，比過去更多。

Vista 推薦：給中心同仁的工具組合

📝

日常文書

ChatGPT Plus（含自製 GPT）＋ Otter 逐字稿＋ Vista Slides

🔬

研究調查

Claude＋ NotebookLM＋ Perplexity＋ Google Scholar

🎨

視覺與創作

Midjourney / Gemini Image＋ Canva＋ Gamma＋ ElevenLabs

⚡️

自動化

Apple 捷徑（個人）＋ n8n（單位內）＋ Slack 機器人（團隊）

整合工作流自查

✅
我已經知道四個主流 AI 各擅何事
✅
我有 1-2 個自製 GPT / Gem / Project 在用
✅
中心的機構記憶體NotebookLM 開始建立
✅
我至少有 1 條重複工作的自動化流程
✅
我每週留 30 分鐘檢視「下週可以再自動化什麼」
“
工具會老，分工不老。

— Vista Cheng

第三幕收尾。

04

給中心的建議＋給你個人的 30/60/90

從今天下班開始，你可以做什麼

💡

中心可以怎麼開始？

不是導入 AI 系統，是建立 AI 治理 + 共學文化。

工具會換，文化才留得下來。

中心五個下一步（依優先順序）

  • 1. 寫一份《中心 AI 使用準則》

    兩頁就好，把今天的七條紅線變成中心版

  • 2. 做一份資料分級表

    哪些可上公開 AI、哪些只能上企業版、哪些禁用

  • 3. 建立中心的 NotebookLM 機構記憶體

    把公開報告、結案報告先丟進去

  • 4. 建立部門共用的自製 GPT 模板庫

    公文助理、補助案助理、媒體稿助理

  • 5. 季度共學：每季一場 30 分鐘案例分享

    新踩到的雷、新學到的工具，輪流分享

中心《AI 使用準則》一頁框架

✅
適用對象：全體同仁、約聘、實習生
✅
可使用的 AI 工具清單與帳號管理
✅
資料分級：可上、可上但需簽核、禁用
✅
對外稿件揭露格式範本
✅
出事時的回報、應變、修正窗口與時限
💡

個人怎麼持續學？

AI 學習沒有學完這件事——只有用習慣 + 持續汰換。

不要囤工具，要囤工作流。

個人 30/60/90 天行動表

  • 第 1-30 天｜建立習慣

    每天用一次 AI 處理工作；五句型練熟

  • 第 31-60 天｜建立模板

    做出 1-2 個自製 GPT / Gem，模板用得上

  • 第 61-90 天｜整合工作流

    至少有 1 條自動化流程進入日常

  • 第 91 天起｜定期升級

    每月留 1 小時試新工具、汰換舊習慣

  • 持續｜每週覆盤 15 分鐘

    這週 AI 幫了我什麼？踩了什麼坑？下週要修什麼？

推薦學習資源（給中心同仁）

  • 每週固定看

    Vista 電子報、AI 好好用社團、《經濟日報》專欄

  • 公部門參考

    國發會「公部門 AI 應用指引」、行政院相關函釋

  • 國際視野

    MIT Technology Review、WIRED、Bloomberg AI 專題

  • 實戰社群

    AI 好好用 FB 社團、各工具的官方 Discord

  • 專書三選

    《AI 學會了你的工作》《超級個體》《Prompt Engineering 實戰》

“
AI 沒有把工作變得比較輕鬆，是把工作的重點，重新搬了位置。

— Vista Cheng

把省下的時間，拿去做那些只有你能做的事。

今天的三句話總結

01

倫理是條件，不是束縛

守住紅線，你才能持續用 AI；一次出包，你會被收走整套工具的權限

02

問得好＞用得多

五句型練熟，比裝十個工具有用——工具會換，問問題的能力不會

03

設計分工，不要設計咒語

把流程定下來，工具會老、流程不會老；你最後負責的是判斷與簽名

上完這堂課，你不是 AI 專家

你是中心裡，最會把 AI 用對地方的人。
— Vista Cheng｜2026.05｜給國家運動產業發展中心同仁
✍️ Practice

Q & A：今天的疑問，現場問

  1. 1 從這三類問題中挑一個開始問——沒有蠢問題，只有不問會帶回家踩雷的問題。
  2. 2 倫理：「我之前曾經 ___，這樣算不算踩線？」
  3. 3 工具：「我每週都要做 ___，怎麼用 AI 處理？」
  4. 4 中心：「中心若要推 ___，可能會卡在哪裡？」
  5. 5 個人：「我下班後想自己練，從哪一步開始？」
⏱ 10 分鐘 📎 舉手 / 線上聊天室同步問

課後跟進三條路

📬

Vista 電子報

每週一封 AI 工具與工作流實戰：iamvista.substack.com

🤖

AI 好好用 FB 社團

各領域 AI 使用者的踩雷與心得交流

🎓

中心內部共學

建議每季一場 30 分鐘案例分享，由同仁輪流主講

謝謝

Vista Cheng

vista.tw

iamvista@gmail.com

願你帶走的不只是技巧，是判斷