本章涵蓋三項 Co-Thinker 任務：問題框架（problem framing）、根因分析（root cause analysis）、問題敘事（problem storytelling）。
每天你和團隊都要解決問題。常見陷阱是「沒搞清楚問題就跳到結論」，這會傷害決策品質與創新。經理人的工作是讓團隊在試圖解決前花上恰當的時間與心力徹底調查問題。Gen AI 在決策流程中常被忽略的初期階段，特別有幫助。
問題框架（Problem Framing）#
「要找最好的解，必先問最好的問題。」框定問題就是釐清範圍、脈絡、視角——具挑戰性、需要心力與適當引導。Gen AI 作為 Co-Thinker 可在多個面向提供協助：
- 支援問題分析與詮釋：人們慣於依經驗與直覺討論問題與解方——這對重複、低風險的問題或許奏效，但對高風險、複雜、新穎的問題往往不行。請 gen AI 用結構化方式思考——搜尋相關來源、找出過去類似問題的卡關、相關性、模式，把理解錨定在可觀察的事實與資料上。
- 克服自信與確認偏誤（confirmation bias）：請 gen AI 「挑戰我們的假設，協助我們思考潛在盲點。」
- 考量更多觀點：請 gen AI 模擬不同利害關係人的視角——他們的利益、顧慮、影響。「協助我們反思可能被忽略的關鍵利害關係人，並解釋為何要納入。」
- 多元化問題框架：請 gen AI 提供多種問題框架，每種代表不同的切入角度，激發討論與替代方案。
與 gen AI 對話框定問題 先描述：背景與範圍、預期結果、關鍵角色、阻礙解方的主要障礙與限制。然後問：
挑戰你和團隊
- 「我們在這裡看不見什麼？」
- 「還有什麼可能是真的？」
- 「什麼證據支持我們的假設？我們還忽略了什麼？」
- 「若我們的核心假設錯了，視角會如何改變？」
建議不同觀點
- 「戴上其他利害關係人的帽子：他們怎麼看這個問題？」
- 「若我們是競爭對手，會怎麼看這個問題？」
- 「持與我們相反信念的人會怎麼說這個問題？」
重新框定問題
- 「請創造性地思考問題與相關障礙，給三個替代問題框架。」
- 「若是另一個產業或部門的公司，會怎麼框定這個議題？」
根因分析（Root Cause Analysis）#
問題框定後，要診斷成因。請 gen AI 作為方法論專家，引導你、團隊、AI 三方共同剝開層層表象、找出底層因素，收斂到潛在解方。
兩個切入點#
- 理解方法與技巧：請 gen AI 解釋常見方法——五個為什麼（five whys）、魚骨圖（fishbone diagram，又稱石川圖 Ishikawa diagram）、故障樹分析（fault tree analysis）等——說明流程、優點、應用，並透過提問與真實例子幫你自我檢測。
- 套用所選方法：請 gen AI 帶你逐步走過某方法。記得最終的問題解決者仍是你和團隊。
Co-Thinking 對話腳本：根因分析
- AI 角色：問題分析專家，套用魚骨／Ishikawa 方法。
- 場景：一對多，gen AI 作為專家在團隊會議或工作坊中積極貢獻。如有語音對語音功能，可創造更沉浸的對話。
對話流程
- AI 請經理人描述問題、團隊與公司背景，並追問細節。
- AI 詢問經理人是否熟悉魚骨方法，若否就解釋並舉例。
- AI 請經理人列出與問題相關的類別（如流程、技能、技術），再補上三個被忽略的類別，由經理人決定最終納入哪些。
- 對每個類別，AI 請經理人列出可能的根因，再加入被忽略的可能根因。
- AI 為每個根因建議調查活動，經理人回饋與整合。
- AI 用五欄表格總結：根因、行動類別、活動描述、要參與的利害關係人、預期產出。
視覺化#
請 gen AI 利用多模態能力，產生魚骨圖、故障樹、或其他協助理解的圖示。
近未來：多 Agent 問題解決（Multi-Agent Problem-Solving） 研究顯示增加 AI agent 數量能強化問題解決能力。如 Microsoft 的 AutoGen 等框架可讓多個 agent 拆解複雜任務、各司其職、自主合作。截至本書撰寫時這仍需要程式技能；但隨著工具進展，很快會普及到所有經理人。
問題敘事（Problem Storytelling）#
故事比起技術框架更能與人的經驗與情緒共鳴。把問題放進故事結構，更容易識別關鍵元素、挑戰、潛在解方，也讓不同聽眾被感動而行動。Gen AI 讓敘事建構能力人人可得。
三個切入點#
- 把故事框成「探索任務（quest）」：依 Arnaud Chevallier 等學者，成功的 quest 包含三要素——主角（protagonist）、抱負（aspiration）、障礙（obstacle）。請 gen AI 協助你以這三要素思考問題，並指出可能被忽略的關鍵障礙。
- 為不同聽眾客製故事：不同職能可能用不同行話、脈絡來理解同一問題；請 gen AI 協助你針對[聽眾]客製故事敘事。
- 視覺化故事：用多模態能力結合文字、照片、插畫、資訊圖（infographic）。「協助我思考如何加入卡通到[故事]裡，讓[聽眾]被[問題]吸引。」
與 gen AI 框定一個好的「問題探索任務」
- 以 quest 形式思考問題：用「How may [人／團隊／單位] 在[限制與障礙]下達成[目標]？」
- 不要在第一次嘗試就放棄：以迭代方式進行，追問、回饋、要求簡單可懂的用語。
- 挑戰並重新框定：「為什麼這不是最好的探索任務？」「這個 quest 是打開了討論還是關上了替代方案？」
- 壓力測試：把問題拋給其他利害關係人收集新證據、檢驗因果假設、揭露盲點、找出新限制；也為後續取得他們對解方的支持鋪路。
重點整理#
對複雜問題解決，gen AI Co-Thinker 可協助你和團隊：
- 反思待解問題的範圍、脈絡、關鍵視角。
- 結構化評估根因與底層因素。
- 把問題以引人入勝的故事呈現，讓溝通與利害關係人投入更有效。