本章涵蓋兩項 Co-Pilot 任務：資訊搜尋與資料分析與視覺化。
把 gen AI 想像成一位懂資料科學的協作者——從分析到產出洞察，全程支援你。原本耗時的網頁瀏覽與試算表公式運算，可以變成簡單的人機對話：「告訴我這份資料想說什麼。」
資訊搜尋#
從圖書館翻書、到搜尋引擎輸入關鍵字、到現在用自然語言問 gen AI——資訊取得的典範再次轉變。Gen AI Co-Pilot 能轉化三種資訊來源的擷取：
三種知識來源#
- 網路知識（Web knowledge）：讓 gen AI 掃描網路、抓重點、附上引用來源。可下複雜問題、限定來源（新聞文章、產業報告、YouTube 影片）。例：「摘要[供應鏈管理]主題下，過去 12 個月內某技術的最新發展，聚焦效益、挑戰、實際應用，引用[來源]中的關鍵研究與文章。」
- 公司知識（Company knowledge）：當 gen AI 連到公司內部知識庫，它能在資料庫、文件、報告中搜尋並摘要、發現跨來源的關聯。例：「列出過去三年中關於採用[技術]於[應用]的專案，摘要實作方法的共通與差異。」「找出過去一個月與[同事]共享、主題為[X]的所有檔案。」
- 專家知識（Expert knowledge）：把聊天室與虛擬團隊討論中分享的大量資訊，整理成可用資源。請 gen AI 依子主題分群與摘要、標出熱門問題、列出可追蹤的活躍貢獻者。
務必檢查引用來源的可靠性 Gen AI 早期常見的陷阱是「捏造引用、來源、甚至整篇研究」。
- 部分系統內建「謙遜護欄」，會明確聲明自己不知道或無法給確定答案。
- 在 prompt 中加上「請不要捏造來源」雖無法完全消除風險，仍是有效手段。
- 最終的查核責任仍在人類。
gen AI 如何協助社群管理者 公司常有專家社群——對特定主題充滿熱情的人聚在一起。整合進你日常 app 的 gen AI（如 Microsoft 365 Copilot、Google Workspace Gemini）可：
- 抽取對話：監看社群聊天室，抽取頂層洞察作為週報內容。
- 偵測主題：辨識重複出現的主題、趨勢、問題。
- 組織知識：把主題彙整為知識庫文章、摘要報告、或可查閱的存檔項目。
- 提升可及性：把摘要過的知識嵌入公司內部知識庫，可用關鍵字或主題查詢。
- 專家對映：辨識並標記在特定主題上貢獻有價值洞察的成員，建立內部專長地圖。
資料分析與視覺化#
像用 gen AI 編輯文字一樣，你也可以用它做資料分析——「跟你的試算表對話」。
案例：簡化資料分析 消費品公司行銷經理琳娜（Lina）在準備季度業務檢視簡報，要從多個試算表清整與分析資料。過去她與團隊得花上好幾小時。整合 gen AI 後：
- Gen AI 合併資料集、檢查遺漏值或不一致、產出乾淨的整合版本。
- 琳娜與團隊與整合後的資料對話，請 gen AI 找出關鍵趨勢、形成簡報的主訊息。
- 視覺化階段，gen AI 推薦兩種圖表，琳娜選一個、由 gen AI 製作。
四個切入點#
讀取與清整資料
- 「描述這份資料集的內容；之後請移除重複、跨量測單位正規化、修正分類不一致。」
與資料對話、抽取洞察
- 計算[產品]的總銷售。
- 計算[國家／地區]上一季的總廣告支出。
- 把客戶資料切成三個人口區隔[X]。
轉成視覺
- 為三種能傳達[訊息]的視覺呈現方式各給一種，並推薦最合適的並說明理由。
- 「這張圖中應該突出哪些資料點以引導注意力？」
- 「請為[聽眾]客製此視覺呈現。」
溝通你的資料
- 「這張圖能說的關鍵訊息是什麼？兩句話。」
- 「我可以拋給聽眾哪些問題，鼓勵他們探究這些資料的意涵？」
- 「請以連結[聽眾]的方式重塑這張圖的洞察。」
跟試算表對話的指令類型#
上傳資料集後，gen AI 能處理多種要求：
- 排名：「在營收欄找出前五大、在售出量欄找出最高值，識別最佳表現者。」
- 排序：「依大到小聚類項目以找出聚焦領域。」
- 過濾：「只顯示發生在[區域]的銷售交易。」
- 計算：「為每個行銷活動加上總獲利欄位以評估投資回報。」
- 趨勢辨識：「分析資料集找出關鍵趨勢——關鍵趨勢的定義是[時間模式或變數相關性]。」
- 樞紐：「建立樞紐表（pivot table），按類別繪製銷售隨時間變化的圖。」
- 模式辨識：「找出過去兩季購買行為中的模式以指引行銷策略。」
- 敏感度分析：「對價格變動做敏感度分析，了解對銷量與利潤率的影響。」
務必雙重檢查 gen AI 的輸出 即使 gen AI 在資料分析上日益精細，仍會出錯。依分析的複雜度與風險，建立四層查核：
- 機器查核：請 AI 重新評估輸出並標出可能的異常。
- 個人查核：自問結果是否邏輯一致、有沒有意外離群值。
- 團隊查核：安排團隊一起檢視，整合多元專業與觀點。
- 回顧分析（Retrospective）：任務或專案結束後，反思錯誤模式與下次如何更快發現，並紀錄能持續產生好品質的有效提示。
Gen AI 不是萬靈丹。它可能用「不符合你產業標準量度」的方式計算客戶滿意度。有意義的結果仍需要你的批判思考、領域專業與脈絡化。
重點整理#
對資料分析，gen AI Co-Pilot 可協助你：
- 用簡單自然語言對話，從網路或內部知識庫擷取資訊。
- 分析試算表、抽取趨勢與模式，並以合適、有效的視覺呈現。