【提問力才是你的 AI 超能力！從小白到高手這樣練】3 個壞提問案例，讓 AI 無法幫上忙

還記得你第一次用 ChatGPT 或其他 AI 工具的時候嗎？
可能是抱著滿心期待，打下一句：「幫我寫點東西。」結果 AI 回了一堆空泛的段落，看完只覺得「嗯…這誰看得下去？」

關鍵問題不是 AI 不夠聰明，而是「提問」出了問題。
AI 就像一面鏡子，它能放大並延伸你的想法，但如果你給的訊息模糊，它只能照出一團霧。

想像一下，你走進一間圖書館，對館員說：「給我點東西看。」館員只好隨便遞給你一本雜誌；但如果你改說：「我想找 20 世紀心理學的經典著作，想了解榮格的集體潛意識理論。」這時館員馬上能帶你走到正確書架。
AI 的原理跟這一樣：你問得清楚，它才能給你真正有用的答案。

這就是為什麼我們說：
AI 的超能力，其實來自你的「提問力」。

案例一｜模糊不清，讓 AI 抓不到重點

很多人第一次打開 ChatGPT，輸入的第一句話大概會是：「幫我寫點關於 AI 的東西。」結果呢？AI 真的很認真地給你一篇長文，從 1950 年代的圖靈測試講到深度學習，最後再加一句「AI 將持續改變人類生活」。看似完整，其實什麼都沒說到重點，根本幫不上你的忙。

為什麼會這樣？因為你的問題太模糊，就像你走進圖書館，跟館員說：「給我點東西看。」館員只好隨便遞給你一本雜誌。這不是 AI 不聰明，而是它根本不知道你真正需要什麼。

如果你把問題換個方式，就會完全不一樣。比如你說：「我是一名行銷人，要寫 LinkedIn 貼文，主題是 AI 對品牌行銷的影響，請給我三個具體案例，每個 100 字。」這時候 AI 的回應就會聚焦許多：可口可樂用 AI 做廣告生成、Sephora 用聊天機器人提升互動、Netflix 用演算法推薦增強黏性。這些內容不僅有畫面感，還能直接拿來用。

要讓 AI 給你有用的答案，可以記住一個簡單公式：角色＋目的＋範圍＋限制條件。

• 角色：告訴 AI 你是誰（行銷人、學生、工程師）。
• 目的：說明你想達成什麼（寫 LinkedIn 貼文、準備簡報）。
• 範圍：限定主題要聚焦在哪裡（品牌行銷，而不是 AI 歷史）。
• 限制條件：設定輸出的形式（100 字、三個案例、要口語化）。

這就像輸入導航地址。如果你只說「我要去餐廳」，導航可能帶你去最近的一間速食店；但如果你輸入「台北市大安區某某路 100 號的日式拉麵店」，導航立刻就能提供最短路線。AI 也是一樣——輸入越清楚，輸出就越精準。

案例二｜一次塞太多，AI 失焦

另一種常見的新手錯誤，就是一口氣把所有需求都塞進去，期待 AI 幫你一鍵完成。比方說，有人會這樣問：「幫我寫一份提案，內容要有市場分析、產品規劃、設計、行銷策略、數據分析，越詳細越好。」

結果會發生什麼事？AI 真的會努力給你一份「看似很完整」的長篇文件，裡面從市場規模到用戶研究、從 UI 設計到投放策略全部都有。但問題是——每個部分都只有一點點，像是抄筆記般地拼湊在一起，重點模糊不清。當你真的要用的時候，發現沒有一個章節能直接拿來實戰。這就是典型的「什麼都有，卻什麼都不夠」的輸出。

要改善這個問題，最好的方式就是把大問題拆成小問題，分步驟請 AI 幫忙。比如：

• 第一步問：「幫我整理台灣電商 2025 的市場趨勢。」
• 拿到結果後，再問：「根據這些趨勢，幫我想三個電商產品的功能規劃。」
• 接著才進一步問：「針對這些產品，給我三個可能的行銷策略。」

這樣一層一層追問，AI 會像對話中的隊友，逐步幫你把提案拼湊完成，品質自然比一次塞爆要好得多。

知識點要記住：AI 更適合「逐步拆解」而不是「一次爆量」。
就像你去餐廳點菜，如果一次喊出「我要十道菜，趕快全都上」，廚房端上來的可能是一桌還沒煮熟的半成品；但如果你一開始先點一道前菜，接著再來主菜和甜點，整體體驗會舒服許多。AI 的思考模式，也是一樣的。

換句話說，想要 AI 幫你做好事，不是把它當「萬能工廠」，而是把它當「耐心的專屬助理」。你給它清楚的任務，它才能逐步幫你完成。

案例三｜假設錯誤，AI 被帶偏

最後一種常見陷阱，是「問題的前提本身就錯了」，結果 AI 只能被迫順著你的假設，產出一個聽起來正確卻毫無價值的答案。

舉個例子，有人會這樣問：「假設蘋果是一家做車子的公司，它的 iPhone 銷量是多少？」這個問題裡面有兩個矛盾：第一，蘋果（Apple）目前不是做車的公司；第二，既然它是假設成「車廠」，那又怎麼可能還有 iPhone 的銷量數據？結果 AI 只好硬著頭皮回答，要嘛給你一段「假想中的蘋果汽車公司」，要嘛亂編一個不存在的數字。你看了會覺得很荒謬，但錯的不是 AI，而是提問本身。

要解決這種情況，其實只需要先把問題拆開，把假設抽離。你可以先問：「蘋果公司目前有沒有推出汽車相關的產品或計畫？」接著再問：「請整理蘋果在手機領域的銷量數據。」這樣一來，AI 就能依照事實給你正確的資訊，而不會被誤導。

知識點在於：AI 不是糾錯機，它是依賴輸入的生成器。 你的提問如果邏輯不通，它也不會主動幫你澄清，反而會很「認真」地順著錯誤前提回答，讓結果看起來更假。

這種狀況可以用搭計程車來比喻。如果你上車就說：「司機，從台北開到巴黎要多久？」司機總不能當場教育你「這條路開不到」，他多半會半開玩笑地回答「大概需要好幾天吧」，但這個答案對你沒有任何幫助。AI 也是一樣——它不是現實檢查器，而是盡量滿足你輸入需求的生成器。

所以在提問之前，先花幾秒鐘檢查問題的邏輯，確定前提是正確的，再丟給 AI。這一步雖然簡單，卻能避免掉很多「被帶偏」的情況。

如何練習提問力？從小白到高手的四步驟

光知道壞案例還不夠，真正的重點是——那要怎麼練？其實提問力不是天生的，而是可以透過幾個簡單步驟，從零開始慢慢養成。

第一步：先想清楚「我要解決什麼問題」
很多人一開始提問的錯誤，就出在沒有先釐清自己想要什麼。問 AI 之前，先對自己說：「這一題，我到底希望得到什麼？」就像去醫院掛號，你必須先知道是肚子痛還是喉嚨痛，醫生才有辦法對症下藥。

第二步：加上使用情境（身份、場合、目的）
AI 不會讀心，它不知道你是誰。如果你補上身份與情境，它會馬上進入狀況。像是「我是一名大學生，要準備 5 分鐘的口頭報告」和「我是行銷企劃，要寫一篇 LinkedIn 貼文」得到的輸出完全不同。這就像你去餐廳點餐，如果說「我要吃素」跟「我要吃低卡路里」，廚師會幫你設計出完全不同的菜單。

第三步：限定輸出形式（字數、格式、語氣）
別怕麻煩，給 AI 一些框架，它才能幫你整理得更清楚。比方說：「請用三點條列，每點 50 字，語氣要輕鬆一點。」這種限制條件，就像幫攝影師設定好「我要橫幅構圖、要有自然光」，拍出來的照片品質自然會更符合期待。

第四步：逐步追問，像對話一樣迭代
不要期待一次就得到完美答案。好的提問通常是「對話的過程」，先問一個方向，再根據回答追加問題。這就像你在問路，路人指了一個大方向後，你再繼續追問「那我左轉後要走多久？」最後才能拼湊出完整的路線。

行動！開始打造你的 AI 提問力

看完這三個壞提問案例，你應該已經發現，AI 能不能幫上忙，關鍵根本不在它，而在於你怎麼問。模糊的問題只會換來空泛的回答；塞太多需求只會得到四不像的內容；錯誤的假設則會讓結果完全失焦。

真正的 AI 超能力，就是「提問力」。當你能夠清楚描述角色、目的、範圍和限制條件，並且懂得把問題拆解、逐步對話，你就能把 AI 變成最可靠的數位助手。

現在就開始行動吧。
下一次打開 ChatGPT 或其他 AI 工具時，不要急著輸入第一句話，先花三十秒想清楚「我到底想得到什麼？」然後用今天學到的公式去試試看。你會驚訝，AI 的回應品質會有天壤之別。