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:

  1. 區分 No code 與 Low code,並說出兩者的優勢與限制。
  2. 用一張檢核表評估一個 No code / Low code 平台是否適合公司。
  3. 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:

  1. 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。
  2. 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。
  3. 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

  1. 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。
  2. 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。
  3. 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。
  4. 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

  1. 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。
  2. 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。
  3. 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?

國立臺中科技大學 國際貿易系 / 企業管理系 專用教材

《現代軟體工程:商學院的 AI 系統思維與 Agent 實踐》

作者:陳俊智 博士 Dr. Chun-Chih Chen

本書章節架構改編自陳鍾誠教授(金門大學)開源課程《現代軟體工程》(github.com/ccc115a/se,MIT 授權),內容針對商學院全面改寫與擴充。