D.3 科目二核心精要:生成式 AI 應用與規劃
學完本節,你能夠:
- 區分 No code 與 Low code,並說出兩者的優勢與限制。
- 用一張檢核表評估一個 No code / Low code 平台是否適合公司。
- 寫出結構完整的提示詞,並說明生成式 AI 的四類主要風險與對應做法。
本節對應 iPAS 初級科目二的 L121(No code / Low code 概念)與 L122(生成式 AI 應用領域與工具使用)。L123 導入評估規劃見 D.4。內容為作者整理,細節請以官方學習指引為準。
壹、開場情境:行銷部自己做了一套系統
📌 以下為教學情境。
某貿易公司行銷部用一套 No code 工具,兩天就做出「客戶詢價自動回覆」流程:表單收到詢價 → 生成式 AI 起草回信 → 寄出。IT 部門完全不知道。
三個月後出了三件事:
- 平台宣布漲價,每月費用變成原本的三倍,但流程已經綁在這個平台上,搬不走。
- 有業務把客戶的採購底價貼進提示詞,資料傳到了國外的雲端服務。
- AI 在回信裡引用了一條公司根本沒有的退換貨規定。
這三件事分別對應科目二最常考的三組觀念:廠商鎖定、資料外洩、幻覺。
貳、L121 No code / Low code 概念
1. 基本概念
| No code | Low code | |
|---|---|---|
| 開發方式 | 只用視覺化介面拖拉設定 | 視覺化介面為主,必要時可寫少量程式碼擴充 |
| 主要使用者 | 非技術人員(業務、行銷、行政) | 有基本程式能力的人員、IT 團隊 |
| 適合 | 表單、簡單自動化、快速原型 | 需要串接 API、較複雜商業邏輯的流程 |
| 本書例子 | 試算表內建功能、簡單的 Make 流程 | n8n 加上自訂程式節點、Google Apps Script(第 4.2 節) |
2. 優勢與限制
| 優勢 | 限制 |
|---|---|
| 開發速度快,能快速回應需求 | 廠商鎖定(Vendor Lock-in):流程綁在單一平台,漲價或停止服務時搬遷成本高 |
| 降低技術門檻與開發成本 | 客製化上限:遇到特殊或複雜邏輯時,平台可能做不到 |
| 適合先做原型驗證想法 | 資安與資料保護:資料存放位置、權限控管需另外確認 |
| 減輕 IT 部門的需求負擔 | 影子 IT:各部門自行建置、IT 不知情,造成資料分散與維護問題 |
開場情境的第 1 件事是廠商鎖定,整件事的起因則是影子 IT。
3. 生成式 AI 讓 No code / Low code 多了什麼
| 結合方式 | 例子 |
|---|---|
| 用自然語言產生流程或程式碼 | 描述需求,AI 產生 Low code 平台中的自訂程式片段 |
| 在流程中加入 AI 判斷 | 訂單流經流程時,由 AI 摘要或分類 |
| 自動產生內容 | 依產品資料生成多語言商品描述、行銷信 |
| 協助設計介面 | 依文字描述產生表單或儀表板的初稿 |
4. 平台評估檢核表
以下六個面向是常見的評估整理,可以直接拿來當採購檢核表:
| 評估面向 | 要問的問題 | 沒問清楚的後果 |
|---|---|---|
| 目標使用者 | 給誰用?他們的技術能力如何? | 工具太難,員工不用 |
| 整合能力 | 能否串接現有系統(API、Webhook、資料庫、ERP)?資料能否匯出? | 成為資料孤島;日後搬不走 |
| 安全與合規 | 有沒有單一登入、角色權限控管?資料存放在哪裡? | 個資或商業機密外洩 |
| 擴充性與效能 | 交易量放大 10 倍、100 倍時撐得住嗎? | 旺季時系統卡住 |
| 成本模式 | 按帳號數計費,還是按執行次數計費?量變大時費用怎麼成長? | 業務成長後費用失控 |
| 廠商與生態 | 廠商經營狀況、技術支援、文件與社群是否完善? | 廠商停止服務,業務中斷 |
參、L122 生成式 AI 應用領域與工具使用
1. 應用領域與常見工具類型
| 領域 | 常見應用 |
|---|---|
| 零售與電商 | 商品描述、多語言行銷文案、個人化推薦說明 |
| 客戶服務 | 客服問答、通話摘要、客訴分類 |
| 金融 | 報告草擬、法規文件摘要、情境模擬(仍需人工判斷與覆核) |
| 製造 | 技術文件整理、維修知識查詢 |
| 醫療 | 病歷摘要、衛教內容(臨床決策須由醫療人員負責) |
| 教育 | 教材草稿、個人化練習題 |
| 工具類型 | 用途 |
|---|---|
| 文字(大型語言模型對話工具) | 撰寫、摘要、翻譯、問答 |
| 圖像 | 依文字描述產生圖片 |
| 影音 | 產生或剪輯影片、語音 |
| 程式碼 | 產生、解釋、修改程式碼(本書使用的 Google Antigravity、Claude Code 屬於此類) |
2. 如何善用工具:提示詞的五個要素
本書第 1.1 節的 Prompt 結構「欄位 → 規則 → 例外 → 輸出要求」,就是以下要素的實際應用:
| 要素 | 做法 | 例子 |
|---|---|---|
| 角色 | 指定 AI 扮演的身分 | 「你是熟悉國際貿易條件的業務助理」 |
| 情境與限制 | 提供背景、對象、限制 | 「客戶是德國進口商,回信不超過 150 字」 |
| 少樣本範例(Few-shot) | 給幾個「輸入 → 期望輸出」的範例 | 附上兩封過去寫得好的回信 |
| 輸出格式 | 指定格式 | 「用表格列出品名、數量、單價」 |
| 思維鏈(Chain-of-Thought) | 要求逐步推理 | 「請一步一步計算到岸成本,列出每一步」 |
⚠️ 思維鏈能降低多步驟推理與計算的錯誤,但不保證正確。涉及金額的結果,仍要用試算表或程式驗算。
3. 四類主要風險與對應做法
| 風險 | 現象 | 對應做法 |
|---|---|---|
| 幻覺(Hallucination) | 自信地給出錯誤或捏造的內容 | 檢索增強生成(RAG):先從公司核可的文件中查資料,再根據查到的內容回答;重要輸出加上檢查與人工覆核 |
| 偏見(Bias) | 輸出反映訓練資料中的刻板印象 | 用多元的測試案例檢查輸出;高風險決策保留人工判斷 |
| 著作權與智財 | 生成內容可能涉及他人著作;訓練資料來源有爭議 | 確認工具的使用條款與商業授權;對外發布前審查 |
| 資料外洩 | 員工把機密或個資貼進外部服務 | 使用企業版或有資料保護條款的服務(例如不將輸入用於訓練);訂定可輸入資料的規範;敏感資料先遮蔽 |
💡 RAG 是什麼? Retrieval-Augmented Generation,檢索增強生成。像是讓 AI「開書考」:回答前先到指定資料庫找相關段落,再依據找到的內容回答。它能降低幻覺,但如果資料庫本身過時或檢索找錯段落,答案仍可能錯。
肆、回到情境
| 開場事件 | 對應觀念 | 事前應做的事 |
|---|---|---|
| 平台漲價、搬不走 | 廠商鎖定 | 採購前檢查資料匯出能力與成本模式 |
| 底價被貼進提示詞 | 資料外洩 | 使用企業版服務;訂定可輸入資料規範 |
| AI 捏造退換貨規定 | 幻覺 | 用 RAG 限定只依公司規定回答;對外回信先人工覆核 |
| IT 不知情 | 影子 IT | 建立工具申請與登錄流程 |
本節小結
- No code 給非技術人員快速建置;Low code 可加程式碼擴充;兩者都要注意廠商鎖定與影子 IT。
- 評估平台六面向:使用者、整合、安全合規、擴充性、成本模式、廠商生態。
- 好的提示詞包含角色、情境、範例、輸出格式,複雜推理加上思維鏈。
- 四類風險:幻覺(RAG + 覆核)、偏見(多元測試)、著作權(授權審查)、資料外洩(企業版 + 輸入規範)。
伍、練習
- 改提示詞(5 分鐘):把「幫我寫一封回覆客戶詢價的信」改寫成包含角色、情境、輸出格式三個要素的提示詞。
- 平台評估(20 分鐘):選一個你用過的 No code / Low code 工具(例如本書第 4.2 節的 n8n 或 Make),用第貳段的六面向檢核表逐項填寫,指出最大的風險。
- 管理反思(討論):開場情境中,行銷部兩天就做出系統,IT 部門要花兩個月。公司應該禁止各部門自行建置嗎?如果不禁止,要設哪些規則?