跳到主要內容

發表文章

學習樹園地

學習,就像種一棵屬於自己的樹! 你是否想過,學習就像在種樹? 一開始,我們都是一顆小小的種子,對世界充滿好奇,渴望成長。而學習,就是我們汲取養分、茁壯成長的過程。 我是蔡興正,我特別喜歡「學習樹」這個概念。這不是什麼園藝技巧,而是透過系統化學習,讓我們的職涯像一棵大樹,枝繁葉茂,屹立不搖! 可能有人會好奇,為什麼要把學習比喻成樹?學習樹的概念很簡單:學習是一個持續成長的過程。 我們不斷吸收新知識,就像樹木不斷長出新枝葉,讓自己更加茁壯、更具價值。學習並不是孤立的,而是「成群」的,每一項知識就像一片葉子,彼此相連、互相支持,才能形成完整的知識體系。 各位職場夥伴們,讓我們一起種下屬於自己的學習樹,讓它在我們的職涯中開花結果,成就更美好的自己! 》部落文章三大主題 主題一:心智圖法—發揮大腦的潛能! 心智圖是一種「圖像思考」工具,能幫助你整理思緒,提升創意與記憶力。它的運作方式像「神經網絡圖」,從主題出發,延伸出不同分支,把所有相關資訊視覺化。相較於傳統筆記,心智圖更能刺激大腦,使學習與理解變得輕鬆有趣。 其最大優勢在於「跨界連結」,能將不同領域的知識串在一起,發掘新的關聯,對職場人士而言,是提升問題解決能力與創新的好方法。此外,心智圖還能強化學習效率,幫助你快速掌握新知識,讓你思考更有條理,在職場更具競爭力! 主題二:數位工作—告別忙碌,擁抱優雅人生! 透過AI與Google APP,如Gmail、Calendar、Drive、Meet等數位工具,你能輕鬆管理行程、協同作業,大幅提升工作效率。這些工具猶如你的「數位小幫手」,讓你減少瑣碎事務,把時間留給真正重要的任務。 結合AI技術,你能更有效率地處理郵件、安排會議、搜尋檔案,讓工作流程順暢無阻。最終目標不只是提高產能,更是讓你有餘裕享受生活與美食,同時也能陪伴家人朋友,真正達到「高效工作、快樂生活」! 主題三:職涯發展—別讓你的職涯迷路了! 職涯就像一場冒險,關鍵在於「能力盤點」與「時間管理」。能力盤點能幫助你了解自己的優勢與不足,時間管理則確保你朝著理想方向前進。此外,運用工具來輔助職涯發展,例如紫微斗數,可以幫助你探索天賦、發掘潛力,找到最適合自己的道路。 職涯發展是持續的學習與探索,不斷提升自我,找到與他人相異點,發揮自己的強項,於競爭激烈的職場中持續貢獻,擁抱成就感,創造共好職場,一起成長與共享! 》課程主題...
最近的文章

與其淺挖九口井,不如深掘一口井

我在就業服務站講職涯能力探索的課程,台下坐的是正在找工作的民眾。 時間有限、學習成本有限,求職的壓力卻很真實。很多人投了一堆履歷,卻沒有下文。 每次上課,我都會問同樣的問題:現在這個階段,你覺得自己應該學更多東西,還是把現有的能力磨得更深?是強化優勢,還是補強弱點? 台下通常安靜幾秒。 這個問題沒有標準答案,但值得每個人在自己的情況下認真想一想。 我會接著問另一道問題來幫大家思考:一家蛋糕店生意岌岌可危,如果你是老闆,你會怎麼做? 選項一:擴大產品種類,提供更多元化的選擇。  選項二:專注提升蛋糕的品質和口味的深度。 這不是一道有標準答案的題目。但透過這個問題,我想讓大家思考一件事:在提升自己的工作能力時,你選擇的是「廣」還是「深」? 我在一部談富者思維的影片裡,看到一句話,當時停了下來:「 在一個一米寬的路上,做出100米深的存在。 」 這句話,值得想很久。 廣撒的代價,你看到了嗎? 我在課堂上見過一種常見的狀況:學員經常會分享,我啊!這個也學,那個也碰,每樣都懂一點,每樣都不精。 更精確來說… Excel 學一點、AI 學一點、簡報學一點、行銷學一點; 書買了一疊、講座報了幾場、YouTube 滑了不少,但真正拿得出來的核心能力,卻說不上來。 表面上看起來很充實,實際上是在100米的範圍內,只挖了1米深。 影片裡提到三個關鍵,我覺得很值得放在職涯的脈絡裡來看。 第一是專注與深入 。選定一個領域,集中資源深入研究,才能形成其他人難以超越的優勢。 第二是避免分散。 一個定位不清的人,旁人看了會覺得「什麼都想做,但什麼都不精」。這種印象一旦形成,很難扭轉。 第三是資源效益。 開發新技能需要時間和精力,這些都是有限的。與其把資源分散在不熟悉的領域,不如把現有的優勢繼續往深處走。 江振誠怎麼選人、怎麼用人 說到「深耕」,我想到江振誠在《工作美學》裡分享的一個故事。 RAW 的總監,面試時只有20歲,毫無工作經驗。但她有一項讓江振誠印象深刻的能力:組織規劃。 她能 清晰列出整個團隊當天的工作與班表 ,規劃每個人的運作流程,幾點幾分誰該做什麼,全部有條有序。就是這項突出的技能,讓她錄取,也讓她在六年後成為公司職階第二高的人。 江振誠的廚房裡,有人專精切配,有人專精火候。真正高效的團隊,不是每個人都會做全部事情,而是每個人把自己的專業做到極致,再組合在一起。 這讓我想到...

學過心智圖卻一直用不順?可能是這幾個地方卡住了

課程中,一位學員興奮地拿著手機給我看:「老師,你看,我把這篇文章丟進 AI,它直接幫我整理成心智圖了!」 接著他笑著問我:「那我們還需要學心智圖嗎?AI 不就幫我們做好了?」 我看了一下那張圖。 放射狀的線條,每條線上掛著一句話,結構整齊,看起來很有條理。 但那不是心智圖。 那是條列式筆記換了一個外形。 AI 做的事情,是把段落拆成句子。它沒有經過你的消化、提煉與判斷,沒有思考「這個概念屬於哪一層」,也沒有決定哪些內容重要、哪些內容可以捨棄。 整張圖看起來很完整,但如果我把圖收起來,再問一句: 「你能用自己的話說出這篇文章在講什麼嗎?」 多數人會停頓幾秒,然後默默把圖重新打開。 這個場景,其實說明了很多人學完心智圖之後真正卡住的地方。 不是不會畫。 而是不知道心智圖真正的價值,從來不在那張圖,而在畫圖時發生的思考過程。 為什麼畫了還是記不住? 很多人學心智圖之後,還是習慣把句子整段抄進去,只是換成放射狀排列。畫出來的東西,本質上還是條列式筆記,只是形狀不同而已。 問題出在一個觀念的差距。我們從小學到的筆記方式,幾乎都是 Note Taking,重點是把外界的資訊原封不動保存下來。一點、二點、三點,資訊抄完就覺得學完了。大腦做的不是消化,是搬運,把自己的頭腦當成影印機在用。 心智圖做的是另一件事:Note Making。把資訊透過自己的大腦重新消化、分類之後再寫下來。它強迫你在記錄之前,先想清楚:這個概念屬於哪一層?跟哪個主題有關?用什麼關鍵詞才能代表它的意思? 這個「 先消化再下筆 」的動作,才是學習在發生的時候。 我在課堂上常看到一個現象:學員在畫心智圖的過程中,常常會突然說「欸,原來這兩件事是有關係的」。這個領悟,是單純抄筆記給不了的。 四個核心元素,以及你最可能有誤解的地方 心智圖法有四個核心原則,缺一個效果就會打折。每一個元素背後都有一個常見錯誤,對照看看自己中了哪一條。 ❶關鍵詞 :每條線上只寫一個詞,不寫句子。詞性以名詞為主,次要是動詞,必要才是形容詞與副詞。 惠普(HP)企業事業處總經理曾說過一句話:「把形容詞都拿掉,只要告訴我主詞、動詞和受詞就好!」心智圖的關鍵詞邏輯跟這句話一模一樣。最常見的錯誤是把整句話寫上去,例如「要注意時間管理的重要性」。 這樣寫,大腦根本不需要思考,只是在抄。正確做法是逼自己提煉:這句話的核心是什麼?「時間管理」四個字就夠了...

問 AI 要摘要,你永遠只得到摘要

前陣子準備課程時,我把三份關於 AI 與職場轉型的研究報告丟進 NotebookLM。新增來源、按下「簡介文件」,不到幾秒鐘,一份整理好的摘要就完成囉! 實話,第一眼看到時還有點驚艷。以前可能要花一兩個小時閱讀的內容,現在幾分鐘就能看到重點摘要,不可思議。 但看完之後,我卻停了下來。 因為我發現一件有趣的事。 那一刻我開始思考, 如果 AI 只是幫我把三十頁濃縮成三頁,它真的有幫助我思考 嗎? 我重新看了一次摘要。沒有錯,它整理得很好。但問題是,我真正想知道的事情,卻只能一知半解,AI 整理速度驚人,但人腦,卻慢的可以,還來不及跟上這樣進化的速度。 後來我才發現,問題從來不在 NotebookLM,而是我只是隨意點選了「重點摘要」,沒有主動詢問,只有被動等待答案的餵養。 當你只問 AI:「重點是什麼?」它回答你的,也只會是重點。但 真正有價值的,往往是那些沒有直接寫在資料裡的問題 。 NotebookLM 的底層邏輯 在說提問之前,先把 NotebookLM 的運作方式理解清楚。它跟一般生成式 AI 有一個很關鍵的差異:它不是憑空生成答案,而是先在你上傳的材料裡找到相關段落,再根據那些段落來回答你。每句回應都附有引用出處,答案有所本,不會憑空捏造。 我在課程裡常說這句話:ChatGPT 不用給資料,就給答案。NotebookLM 則是, 不給資料,不給答案。 正因為如此,它能給你什麼,完全取決於你怎麼問它。你給的方向越清楚,它的回應就越有價值。 一句模糊的「幫我摘要」,對它來說等同於「你覺得什麼重要就說什麼」。 三種提問方向,從不同角度切入 於是我不再請它幫我摘要,除非是學習新知,反而是慢下來,開始問自己:關於這份資料,我真正想知道的是什麼?同一份資料,換個問題,答案完全不同。 找共識 :「這三份報告針對中階主管在 AI 時代的角色轉型,有沒有共同強調的方向?」這個問法讓 AI 做跨文件的比對工作,不只是摘要單篇,而是幫你找三份資料的交集。交集出現的地方,通常就是最值得關注的趨勢。 找分歧 :「關於 AI 是否會取代中階管理職,三份報告的立場有什麼不同?」這是很多人不會問的角度,但我覺得它最有價值。分歧的地方才有思考的空間。不同報告對同一問題給出不同答案,背後可能是立場不同、研究方法不同,或產業背景不同。讓 AI 把各方立場整理出來,閱讀就從「接受資訊」升級為「評估...

職場那些讓你懷疑人生的工作,AI直接幫你帶走

系列文章|AI 不是來取代你的第 1 篇,共 6 篇 你一週裡,有多少時間是在「真正工作」?根據相關研究,白領工作者每週有三到四成的時間,花在整理報表、回覆重複詢問、轉發郵件這些幾乎不創造價值的事情上。微軟的調查更直接:64% 的工作者感到時間和精力嚴重匱乏。 AI 能做的,就是把這些時間還給你。 ❙ 動手,不是學技巧 很多人一聽到「學 AI」,第一個想到的就是提示詞(Prompt)。但這其實是個誤區。卡在「我還沒學好技巧」這個坎的人,往往一直沒有真正開始。第一步不是學技巧,而是先動手試試。只要敢跟 AI 互動一次,你會發現它比想像中好懂,時間也真的會被還回來。 把 AI 當作「水電」來用:許多人以為用 AI 需要成為專家,必須了解它背後怎麼運作。AI 專家程世嘉指出,生成式 AI 的基礎設施已經完備,它的存在就像「水與電」一樣。你不會因為想喝牛奶而去養一頭牛,也不會為了用電而去重新發明電網。不需要去上艱澀的程式課程,只要把它當作打開水龍頭一樣,大膽地把日常遇到的問題丟進去,你就會發現時間立刻被省下來。 把試算表丟給 AI 做分析、讓 AI 寫第一版會議紀錄、把你要查的問題直接問 AI,這些都是今天就能做到的事,不需要任何訓練,不需要開什麼課程。你只需要打開工具,試一次。 ❙ 讓 AI 聽懂你在說什麼:提示詞的四要素 很多人試了 AI 之後,得到的第一個印象是:「它講的東西不對」、「答非所問」、「一本正經的胡說八道」。這個感受很真實,但問題不在 AI,而在指令。AI 本質上是個超強的語言模型,你說模糊,它就猜;你說精準,它就準。 為了避免 AI 答非所問,有個簡單的四要素框架可以直接套用: 分派角色:告訴 AI 它今天要扮演誰。同樣是「幫我看這份合約」,請一個「有 20 年經驗的法務顧問」看,和請一個「助理」看,產出的深度完全不同。角色設定得越具體,AI 的視角就越專注。 指定輸出格式:告訴 AI 你要的是什麼形式。「幫我整理重點」和「用三欄表格整理,欄位是:條款名稱、風險等級、建議行動」,後者讓 AI 不會漫無邊際地講,你拿到的東西也能直接用。 舉例說明(Few-shots):如果你有理想中的範本,直接貼給 AI 看。給 2 到 5 個例子,往往比解釋半天更有效。你說「我希望語氣像這樣」然後貼一段,AI 立刻懂,不需要再來回修改三次。 說清楚你要它做什麼:把任務本...

AI 不是來取代你的,而是讓你有時間做真正該做的事

一個讓人說不清楚的感覺 林副理是一間中型貿易公司的採購主管,負責管理全台超過三百間供應商的詢報價流程。 每週,郵件信箱湧入上百封「款項何時入帳」的重複詢問。每一封,同事都得逐一查帳、逐一回覆。每一份供應商報表,整理完畢需要整整一個工作天。 然後,公司導入了 AI 系統。 重複的詢問,AI 三秒內回覆完畢。那份報表,AI 五分鐘整理完成。 林副理坐在位置上,望著空空如也的待辦信箱,心裡升起一種難以名狀的感覺。 是解脫?還是恐懼? ❙ 問題的核心:努力的方向,決定努力的價值 我想先問你一個問題:你一週裡面,真正在「解決問題」的時間,佔幾成? 根據相關研究,白領工作者每週有三到四成的時間,花在找資料、整理報表、回覆重複詢問、轉發郵件、更新進度表等事務上。這些工作耗費時間,卻幾乎不創造增量價值。做完了,問題依然在原地等你。 問題不在於你不夠勤奮。很多人早到晚退,月報季報一份不缺,但職涯就是停在原地。原因不在努力的程度,而在努力的方向從一開始就瞄準了錯誤的目標。 這件事現在有了一個對照組。 你的競爭對手,有些已經用 AI 處理掉那三四成的重複工作,轉而投入你還沒時間做的事。差距不是一夕形成的,但它正在隨時間悄悄展開。 我自己就是從這裡開始意識到問題的。 身為職業講師,最消耗我的不是備課,而是備課之後:簡報做完了,還要重新整理成學員講義。內容相同,格式、邏輯、篇幅卻要全部重來,每次都是例行消耗。 後來我做了一個「簡報講義生成器」,把簡報結構丟進去,AI 自動轉換成可印出的講義格式。第一次跑完的那個下午,我坐在螢幕前愣了幾秒。 就這樣?就這樣。 那個錯愕不是驚喜,而是一種意識:原來我長年接受的那個消耗,根本不應該存在。 》六個步驟:從消滅瑣事,到成為監工 在說怎麼用之前,先確認一件事:AI 不是來取代你的。 更精確地說,它是來接走那些「消耗時間卻換不到什麼」的工作,把你空出來的心力,留給「只有你的判斷與經驗才能做好」的事。 但有個前提:你得先清楚自己在做什麼,才能辨認出哪些部分適合讓 AI 接手。員工和主管對 AI 的需求,是完全不同的兩件事,搞混了兩邊都做不好。以下先從員工的六步路徑說起,主管篇另有一套邏輯。 員工篇:從消滅瑣事開始,讓 AI 幫你升等 第一步:立刻動手,感受時間被「還回來」 第一步不是學技巧,而是先動手,只要真的操作過一次,你會發現它比想像中好上手 讓 AI ...

職涯紫微:人生下半場,還有 30 年可以活

你有做過人格特質測驗嗎? DISC、MBTI,職場上大家多少都測過一次。我測出來是「貓頭鷹」,你呢? 說真的,每次測完,我都有同樣的感覺:看著那份報告,覺得「對啊,說得蠻準的」,然後就放在桌上,第二天繼續照舊過日子。 這幾年,我多學了一樣技能,就是東方的智慧,紫微斗數。 學了之後,我開始幫一些朋友解盤。他們的回饋讓我印象很深,很多人說:「你講的,比我自己還更了解我。」 這句話讓我思考了很久。西方工具是測出來的,東方命盤是生出來的。兩個角度不一樣,但指向同一件事,你是誰,你適合去哪裡。 那個抱著大包的女士 2024 年 10 月,我在北部的諮詢室接待了一位女性個案。 她進來的時候,手上抱著一個大包,裡面塞滿了文件和一台電腦。問了才知道,她是保險業務員,做了很多年。 我問她來這裡想解決什麼問題。 她想了一下,說:「其實我沒有什麼特別的問題,只是覺得很有趣,想了解一下職涯諮詢是什麼。」 這個開場讓我笑了。 我們聊了幾句,她說:「我已經五十幾歲了,這些問題應該不會有太大改變了。」 我說:「您的資訊可能需要更新一下,就像手機一樣。現在的人可以活到 85 歲,您還有 30 年可以活,這段時間值得重新想一想。」 她停頓了一下。 然後對話就開始了。 命宮七殺,官祿宮破軍,會是什麼的人生? 聊到一半,我問她有沒有聽過紫微斗數。 她說:「有聽過,以前還去社區大學學過,後來都忘了。」 我把她的命盤拉出來看,命宮是七殺,官祿宮是破軍。 先說明一下背景。 紫微斗數有十四顆主星 ,每顆星曜坐落在不同的宮位,代表你在那個生命面向的特質與能量。 命宮 ,是整張命盤的核心,代表一個人的性格與人生基調; 官祿宮 ,則代表事業與工作的走向。 七殺 ,是紫微星系裡的將星。 用台灣人的話來說,就是「做事很有殺氣」。個性剛毅、果斷、不拖泥帶水,一旦認定了目標就不轉彎。表面看起來衝動,但其實下決定前會做縝密的思考。七殺有個特別的稱號「成敗主」,人生容易大起大落,不是大成功就是大失敗,走的是高風險高報酬的路。 我說到這裡,她突然大笑:「真的!我連老闆都敢頂撞!」 破軍 ,是紫微主星裡的最後一顆,古時候大將軍的角色。 化氣為「耗」,核心在於「大破大立」。敢打破舊有的規範,才能創造新局。思維跳躍、異想天開,無中生有是他的強項。破軍的人生格局,往往是「先破後成」,年輕時動盪辛苦,闖蕩一番之後才能大成。 聽到這裡,她沉默...

AI 課學完,回到辦公室卻不知從何下手?

我最近在跟一些企業和學員交流時,常聽到類似的困惑:上課聽講師介紹各種好用的 Prompt 時,總覺得這些方法能立刻解決手邊的難題。但隔天回到辦公室,面對雜亂的客戶資料和 Excel,卻不知道該從哪裡下手。 最後,大部分人還是默默按下了 Ctrl + C 和 Ctrl + V,回到原來的作業方式。 其實我自己當員工時也有過這種經驗。課程上的案例永遠乾淨漂亮,但真實工作卻充滿了各種手動的雜訊。我私下戲稱,此為「放煙火」﹙沒對講師不敬的意思,自己也是講師啊!﹚,當下覺得很震撼、很有希望,但散場之後只留下一地灰燼。 知道怎麼做,和真正做到,是兩回事 我自己也有在公司內推動專案的經驗。那時候才發現,光是自己學會還不夠,更難的是讓它真正融入日常工作流程。課堂上的案例條件設定清楚,出錯機率低;但職場的情境複雜得多,變數也多。 一旦 AI 在 實際作業中給出錯誤結果,學員往往不知道如何判斷、如何修正 ,整個應用就此中斷。這不是學員的問題,而是課程與工作流之間,本來就存在一道沒人幫你接起來的斷層。 這也是「諮詢」與「進入工作流」最本質的差別:AI 只是告訴你流程該怎麼走,這叫諮詢,但距離真正動起來,還差最後一哩路;只有當 AI 直接進入系統、幫你把事情做完,才叫真正的落地。 我在實際授課後發現,學員在課堂上能操作單一工具,但回到職場後,卻很難自行把工具串連成完整的工作流。舉個例子:用 NotebookLM 把三萬則 Line 群組訊息摘要成三百則重點,這個動作學員在課堂上做得到;但摘要好之後,這份內容要怎麼進到下一個環節、怎麼變成一封報告信或一份會議紀錄?這個「接續」的動作,沒有人示範過,學員就卡在那裡了。 比起「教 AI」,不如直接在第一線「共作」 為了解決這個斷點,我最近開始嘗試一種新的合作模式,我稱之為「共作(Co-working)」。 我選擇回到自己最熟悉的角色,直接成為那間公司的專案成員之一,進到客戶的辦公室,跟著同仁在日常的業務流程裡一起摸索、一起解決問題。講師的身份,反而是我最後才會拿出來的角色。 這個模式,其實和我過去的工作脈絡一脈相承。我曾負責過一個跨廠區的 KAM 專案,任務是整合兩岸三地的文件電子化流程。那個經歷讓我深刻體會到:要讓一套新的作業方式真正落地,你不能只是遠端發號施令,必須親身進駐現場,把每一個環節摸清楚。如今換成 AI 導入,拿回那頂「專案工程師」...