從麥肯錫問題陳述到AI協作：把問題定義清楚，才是最高階的提問力
2026-09-16
80
把問題定義清楚才能做好工作、完成目標。對人是如此，與AI互動也是如此。去習慣思考為什麼要怎麼做，以及有什麼系統性的方法去解決一個問題。一開始要完整描述有點困難，那就先列點，然後慢慢去敘述它、補充它。
在各類研習與大學課堂中，我常看到學員打開ChatGPT或Gemini，游標閃爍了老半天，最後敲下一行字：
「請幫我寫一份增加公司營收的企劃。」、「撰寫國小英語教學教案」
幾秒鐘後，螢幕吐出了一長串條列式的標準答案：優化SEO、經營社群、投放廣告、舉辦促銷。文字排版工整，讀起來頭頭是道，但提問者看了一眼，嘆了口氣說：「AI給的建議都很空，根本沒辦法落地。」
提問者把一個連自己都沒想透的模糊願望，直接丟給了機器。
答案氾濫的時代，好問題比好答案更稀缺
管理顧問圈流傳過一個真實案例。在麥肯錫的內部個案研討中，資深顧問剛講完客戶的複雜情境，台下一位反應極快的實習生立刻舉手，連珠炮似地拋出兩三個看似專業的問題。
顧問聽完沒有稱讚，反而皺起眉頭問了一句：「還有沒有其他更有智慧的問題？」
這句話點出了職場與思考的盲點：缺乏架構的提問，往往流於表面。急著舉手找答案的人，通常還沒看清問題的本質；而一個經過結構化推敲的「好問題」，才能讓對方一眼看出你真正進入了狀況。
把這個場景搬回當前的生成式AI應用，道理完全相通。
在網路隨手一搜就能拿到數萬字答案的時代，產出答案已經變得極為廉價。真正決定專案成敗與產出品質的護城河，是你在按下送出鍵之前，有沒有能力為這個問題畫出一張清晰的藍圖。
藍圖先行：麥肯錫的「問題陳述工作表」
在策略諮詢實務中，顧問在動工分析前，必須先填寫一張「問題陳述工作表（Problem Statement Worksheet）」。這張表格不是繁文縟節，而是用來強迫大腦把模糊的直覺，收斂成不可跳步的邏輯框架。
如果要讓AI發揮真正的生產力，這張工作表就是最強大的輸入基礎：
1. 待解決的基本問題與上下文（Basic Question & Context）
老闆口中的一句「我想增加營收」，只是願望，不是問題。
我們需要追問上下文：「過去三年營收都有成長，但今年初開始停滯，而且我們是外送平台。」
把這兩段資訊拼起來，問題立刻聚焦為：「一個過去三年快速成長、現今進入停滯的食物外送平台，如何重啟營收動能？」
只要多了三句話的背景限制，AI給出的方案就會從通用的行銷雞湯，收斂為具備產業針對性的策略框架。
2. 決策者與利害關係人地圖（Stakeholders）
專案不會在真空裡運作。向你提問的人，往往不一定是最終拍板的人。
在系統設計前，必須先釐清：
- 誰一定要點頭支持（專案倡導者）？
- 誰擁有一票否決權（負責踩煞車的法遵部門、注重合規的主管）？
- 誰的意見只是參考？ 如果你的解題方向會觸犯擁有否決權的人，這份企劃再完美也是廢紙。
3. 成功標準（Criteria for Success）
你怎麼定義「成功」？
- 量化指標： 是年營收成長15%，還是獲利率提升5%？必須是可衡量的數字。
- 質化要求： 在達到營收目標的同時，是否需要維持團隊留任率在80%以上？
4. 範疇與限制條件（Scope & Constraints）
清楚定義「什麼可以做」與「什麼絕對不能做」：
- 預算上限是五十萬？
- 必須在六個月內看見成效？
- 還是絕對不能開發全新的APP？ 這些限制不是阻礙，而是替AI裝設導航軌道，防止它在浩瀚的資料庫裡天馬行空地胡說八道。
策略協作迴圈：先列點，再慢慢敘述與補充
搞懂了問題陳述的骨架，實際在對話框裡該如何操作？
很多人習慣把AI當作一次性交卷的考試機器，期待一行指令換來整份期末報告。但真實的高效協作，應該是「先列點，再逐步展開」的非同步推進。
我習慣把這個過程拆成四個步驟：
- 第一步，只對骨架達成共識： 不要一開始就叫AI寫內文。把整理好的問題陳述工作表列點貼給AI，要求它先扮演顧問：「針對上述情境、限制與目標，請先列出三種可能的切入方向與核心假設，先不要寫細節。」
- 第二步，評估與挑選路徑： 看著AI回傳的三個方向，人類運用專業經驗進行篩選：「方向A違反了我們先前的預算限制，方向C的執行週期太長。請針對方向B，展開為具體的五個執行階段。」
- 第三步，單點深入與數據填充： 當方向釘穩了，再請AI針對特定階段補充細節、撰寫函式、設計問卷題目或推導流程。
- 第四步，批判驗證： 最後回頭檢核：方案有沒有滿足一開始設定的成功標準？有沒有漏掉法規禁區？
結語：回歸思考的本位
會用AI，從來不代表要背誦幾百套神秘的咒語模板。
從麥肯錫的問題陳述，到課堂上的運算思維，背後的原理始終如一：
互動精髓在於清楚表達，你對問題的定義有多精確，系統給你的回饋就有多扎實。
下一次打開對話框時，先不要急著打字。花五分鐘在筆記本上列出：背景是什麼、想解決什麼、不能碰什麼、驗收標準是什麼。當你習慣把問題想透、列點排開，再引導AI一步步補足細節時，你就不再是一個被動等待答案的打字員，而是一個能駕馭各方資源的人類建築師。