為什麼90%的AI簡報工具都失敗?前Google銷售揭露致命盲點

在AI工具盛行的時代,一位前Google銷售專家揭露了AI簡報工具的致命缺陷。儘管這些工具在製作精美投影片方面表現出色,但在商業簡報最關鍵的環節——發掘真正重要的洞察——卻徹底失敗。這個發現不僅顛覆了我們對AI工具的認知,更揭示了人機協作的正確方式。

- #AI簡報工具的根本問題

這位專家指出,目前市場上的AI簡報工具存在一個根本性缺陷:「它們很擅長為我所謂的低風險簡報製作投影片,但在任何商業簡報最關鍵的部分——發掘真正重要的洞察——卻徹底失敗。」

問題的核心在於洞察生成與洞察呈現之間存在巨大鴻溝。這些工具無法告訴你為什麼客戶應該進入美國市場,但一旦你有了這個洞察,它們就能以令人信服的方式呈現出來。

- #三步驟革命性解決方案

針對這個問題,專家提出了一套三步驟流程,完美結合了AI的效率與人類的判斷力:

第一步:使用Google Gemini或ChatGPT的深度研究功能識別機會和風險。這個階段需要極其具體和全面的提示,專家分享了一個市場進入報告的模板,針對預算護膚品牌進入日本、印尼和英國市場進行分析。

第二步:讓AI將研究發現轉化為結構化大綱,使用諮詢框架講述清晰的故事。這個步驟將密集的研究報告轉換成八張投影片的清晰敘事。

第三步:將大綱導入Gamma等工具製作精美投影片,然後運用人類專業知識進行細化。

- #實戰案例分析驚人成果

在實際測試中,這套方法產生了驚人的效果。ChatGPT的深度研究功能運行了約7分鐘,生成了包含具體數字的市場比較表格和深度分析。

最關鍵的是排名市場計分卡,印尼以第一名勝出,並提供了簡潔的解釋。報告指出印尼市場的具體優勢:與當地需求的兼容性、為熱帶氣候和油性皮膚配製的產品、獲得清真認證以增加信任度。

在數位渠道方面,報告建議優先考慮Shopee和Lazada等主要市場平台。專家感嘆:「當我還是銷售人員時,這些資訊在哪裡?」

- #人機協作的核心原則

最令人印象深刻的是,整個過程展現了人機協作的完美平衡。第一步提供了事實,第二步將這些事實包裝成令人信服的故事。每個階段都有明確的分工:深度研究用於洞察、文本模型用於結構化故事、Gamma用於專業呈現。

專家特別強調:「關鍵是要知道在什麼時候使用什麼工具。」這種工具與使用場景的精確匹配,正是AI時代成功的關鍵。

- #AI時代的最大啟示

華頓商學院教授Ethan Mollick的洞察完美總結了這個案例的核心價值:「最大的價值不是完全將控制權交給AI,也不是堅持完全人工的工作流程,而是為每個特定任務找到正確的協作點。」

這個案例告訴我們,AI工具不是要取代人類的判斷力,而是要放大人類的能力。在AI時代,成功不是來自於選擇AI或人類,而是來自於知道如何以及何時讓兩者協作。

未來的商業競爭優勢將屬於那些能夠熟練掌握人機協作藝術的人。他們不會被AI取代,反而會利用AI成為更強大的決策者和創新者。

參考資料來源:https://www.youtube.com/watch?v=mi2vCsP1oKY

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin