Opportunity Map
生活服務業
AI 機會地圖
健身、美業、寵物、旅遊這四個產業，現在都在用 AI 做什麼？三小時看完一輪，找出你最想切入的那一個。
今天陪你走這張地圖的人
鄭緯筌
作家／顧問／AI 應用教育者
長期研究內容行銷與 AI 應用，走訪過上百家健身、美業、寵物、旅遊的第一線店家，協助中小型品牌把 AI 放進日常工作流程。今天不談技術原理，只談一件事：你手上那套傳播、行銷、設計的訓練，在這波浪潮裡可以換到什麼位置。
www.vista.twwww.solo.tw
今天三小時，我們要走這六站
- AI 發展趨勢地圖全球到臺灣，生活服務業現在走到哪裡
- 生活服務業機會地圖客服、行銷、營運、數據分析四個節點
- 個人演練：盤點你的產業八分鐘，圈出你最想深入的那個節點
- 三個示範案例健身房、美容院、寵物店，三種起手式
- 個人演練：AI 成熟度自評表今天最重要的個人化產出
- 分組工作坊與成果發表二十分鐘討論，兩分鐘上臺
🎯
這堂課不是要你變成工程師
你不需要會寫程式，也不需要懂演算法。今天只有一個目標：讓你看懂生活服務業的 AI 機會地圖，然後知道自己下一步要往哪裡走。
看懂地圖，比會操作工具更重要。
開場
而且你不是空手來的
在座多數人念的是傳播、行銷或設計。你會抓重點、會寫句子、會排版面、會判斷一張圖好不好看，這些正好是 AI 目前最做不好、也最需要有人把關的部分。
你缺的不是能力，是一張知道能力往哪裡放的地圖。
三小時結束後，你會帶走什麼
| 一張機會地圖 | 知道客服、行銷、營運、數據分析分別能用 AI 做什麼 |
| 一份自評表 | 寫清楚你想投入的產業在哪個階段、你該先做什麼 |
| 三個示範案例 | 看過同業怎麼導入、在哪裡跌倒 |
| 一段能講出口的經驗 | 面試被問到 AI 的時候，你有具體的東西可以說 |
01
AI 發展趨勢地圖
從全球數字到臺灣現場，看懂這波浪潮跟你的求職有什麼關係。
- 生成式 AI 跟過去的自動化差在哪
- 全球企業採用的真實數字
- 臺灣中小企業的位置
- 生活服務業的轉型現況
為什麼先談趨勢，不直接教工具
- 01看懂脈絡才知道怎麼選工具三個月換一批，但方向感可以用很久
- 02雇主在意你懂不懂狀況面試被問「你怎麼看 AI」，答得出脈絡比背工具名稱有用
- 03避免追錯浪頭知道大方向，才不會把力氣花在快被淘汰的做法上
🧭
先破解一個常見誤解
很多人以為 AI 就是更聰明的自動化，把重複的工作交給機器做。但這波生成式 AI 的核心能力，是理解語言、生成內容、跟人對話：這跟過去的自動化，本質上是兩件事。
傳統自動化與生成式 AI，差在哪裡
傳統自動化
- 照固定規則跑：如果 A 發生就做 B
- 只能處理事先寫好的情境
- 輸出格式固定，不會理解內容的意思
- 要改規則得找工程師
生成式 AI
- 理解語意，應付得了沒被寫進規則的問法
- 能生成全新的文字、圖片、語音
- 用白話就能教它做事，不用寫程式
- 同一個模型能處理客服、文案、資料整理
生成式 AI 能做的四件事
💬
理解語言
看得懂顧客打字或講話裡真正的意思，不只是關鍵字比對
✍️
生成內容
幾秒鐘寫出貼文、回覆、簡介草稿，你負責調整與把關
🖼️
處理多種媒材
文字、圖片、語音都能生成或轉換，不再限定單一格式
🗣️
像人一樣對話
能來回追問、記得上下文，不是死板的問答機器人
生成式 AI 大事記：2022 到 2023
2022 年 11 月
ChatGPT 上線
三個月內用戶破億，第一次讓一般人有感 AI 能聊天
2023 年上半
多模態模型登場
AI 開始能同時看圖、讀文字、寫程式
2023 年下半
圖像與語音生成成熟
生成一張商用等級的圖或一段自然語音，不再需要專業技能
2023 年底
應用程式全面爆發
行銷、客服、設計工具開始內建 AI 助理，不用另外學新軟體
生成式 AI 大事記：2024 到 2026
2024 年
AI 代理人興起
AI 不只回答問題，開始能連續執行多步驟任務
2024 年底
中文與在地化能力提升
繁體中文的語感明顯進步，不再像翻譯腔
2025 年
推理能力大幅提升
AI 能處理更複雜的分析與規劃，不只是生成文字
2026 年
走進日常商業工具
記帳、預約、行銷排程軟體開始內建 AI，而不是另外安裝
📉
重點不是技術多厲害，是門檻變低了
三年前要用 AI，得先懂程式。現在打開手機、打字說出你要什麼，AI 就聽得懂。這代表：你跟工程師的起跑點，已經差不多了。
全球企業採用 AI 的真實數字
企業 AI 採用率成長趨勢（%）
資料來源：McKinsey《The State of AI: Global Survey》（2025）。數字為受訪企業自報比例，不是全體企業普查。
這些數字，對正在找工作的你意味著什麼
- 多數企業已經在用面試遇到「你會用 AI 嗎」不是加分題，快變成基本題
- 但做出成效的仍是少數會用工具的人多，會用工具解決真問題的人少，這是你的機會
- 生活服務業還在早期你現在學，還來得及當同業裡先卡位的那一個
臺灣中小企業站在哪裡
臺灣與全球中小企業 AI 導入率對比（%）
資料來源：經濟部中小及新創企業署委託工研院《2025 中小企業白皮書》（聚焦員工數 10 到 199 人的企業）；全球數據為國際同類調查對照，統計口徑略有差異，僅供趨勢參考。
01 趨勢地圖
這個差距不是壞消息
臺灣中小企業導入率遠低於全球平均，聽起來像警訊。但反過來想：這代表生活服務業裡還沒有太多同業卡位。現在願意花時間搞懂機會地圖的人，就是先卡位的人。
落後的產業，才有先學先贏的空間。
為什麼生活服務業特別容易受惠
| 高度依賴重複性溝通 | 約時間、答常見問題、催回訪，這些工作生成式 AI 特別擅長 |
| 內容需求大但人力小 | 小店沒有專職行銷，卻天天要發文、拍照、寫文案 |
| 現場數據被浪費 | 會員紀錄、預約資料躺在系統裡，很少被拿來做決策 |
四種生活服務業，數位化程度各不同
💪
健身產業
多數已有會員系統，但客服與續約溝通仍靠人工
💇
美業
高度依賴社群曝光，內容產出是最大瓶頸
🐾
寵物產業
服務個人化程度高，數據記錄最零散
✈️
旅遊產業
資訊量大、時效性高，最需要即時客服與行程規劃輔助
各產業建議的第一個切入節點
💪
健身產業
先做客服：教練的時間最容易被重複訊息綁架
💇
美業
先做行銷：內容產出是最看得見的痛點
🐾
寵物產業
先做數據：服務高度個人化，資料是一切的基礎
✈️
旅遊產業
先做客服：時效性高的問題最需要即時回應
生活服務業共同的三個痛點
- 01人力吃緊前線人員要顧現場又要回訊息，兩頭燒
- 02行銷內容跟不上沒有專職行銷，貼文常常是有空再說
- 03缺乏數據工具知道生意好壞，但說不出為什麼與下一步
一個典型服務業現場的轉變
導入 AI 之前
- 店長每天花兩小時回覆重複性訊息
- 社群貼文常常拖到週末才補發
- 會員流失了才後知後覺
反應慢、決策靠直覺
導入 AI 之後
- 基本問答自動回覆，店長只處理複雜個案
- 貼文草稿 AI 先生成，人工修改後發布
- 系統提前標出快要流失的會員名單
反應快、決策有依據
🧩
但 AI 不是萬靈丹
AI 能幫你把重複的工作做完，卻無法幫你決定要不要調降價格、要不要換供應商。這些判斷還是得靠你對產業的理解。今天要學的，就是怎麼分辨哪些事該交給 AI、哪些事你必須自己做。
“
AI 不會取代你，但會用 AI 的人，會取代不會用的人。
產業界普遍觀察
這句話不是嚇唬人，是提醒你：現在動手學，門檻真的比想像中低。
趨勢段落回顧
- 生成式 AI 跟傳統自動化本質不同它理解語言、能生成內容、能對話
- 全球企業採用率已逾七成但真正做出規模化成效的仍是少數
- 臺灣生活服務業還在早期這是落後，也是機會
雇主現在看重的，不是你懂不懂 AI
- 而是你敢不敢先試很多店家老闆自己也還在摸索，願意動手的員工特別稀缺
- 能不能看出哪裡用得上比起工具操作，更缺的是看出機會的人
- 會不會把 AI 產出把關好AI 寫得快，但錯字、語氣不對、資訊過時都要有人抓
AI 正在改變的六種工作內容
📞
前臺接待
從純電話轉為多管道自動應答加人工轉接
📝
內容行銷
從純手寫轉為 AI 草稿加人工把關
📇
會員經營
從憑印象轉為系統標記高風險流失名單
🗓️
預約排程
從人工對表轉為 AI 協助調度衝突
🏷️
服務介紹
從固定文案轉為依客群動態生成
📊
數據回顧
從月底人工對帳轉為即時儀表板
🔍
留意：哪些能力不會被取代
現場的臨場反應、跟顧客建立信任、處理客訴的同理心，AI 做不到。你的價值會從重複性的工作，轉移到 AI 做不到的那一塊。
各環節的 AI 導入難易度（示意排序）
長條愈長代表愈容易入手。這是依導入門檻與現場觀察做的相對排序，用意是幫你抓優先順序，不是精確統計。
生成式 AI 的三種主要形式
| 文字型 | 聊天機器人、文案生成、資料整理與摘要 |
| 圖像與影音型 | 海報、短影音腳本、產品照片美化 |
| 語音型 | 電話客服語音辨識、多語言口譯輔助 |
01 趨勢地圖
語音與圖像型，特別適合服務現場
旅遊業常遇到外語客人，語音型工具能即時口譯；美業每天都要拍照，圖像型工具能把一張顧客照片變成三種風格的貼文素材。這兩種形式，往往比純文字工具更貼近生活服務業的日常。
免費工具與付費工具，怎麼選
免費或低成本
- 適合先試水溫，了解 AI 能不能幫上忙
- 功能受限，量大時容易卡關
- 資料隱私條款要自己讀清楚
付費或整合型
- 功能完整，能串接既有的會員與預約系統
- 通常有專人客服支援
- 導入前先確認實際需求，別為了跟風買
選工具前先問自己三個問題
多數店家看到明顯成效的時間
依業界輔導經驗，從開始嘗試到員工習慣用 AI 輔助日常工作，平均需要一季的磨合期。這個數字是經驗觀察，不是正式統計。
⏳
不用急著一次到位
今天學到的機會地圖，目的是幫你想清楚先做哪一個，不是要你今天回去就把四個節點全部導入。小步快跑，成功機率高很多。
臺灣生活服務業數位轉型的三個階段
第一階段
建置基礎系統
導入 POS、會員系統、線上預約，多數店家已完成
第二階段（現在）
導入 AI 輔助
客服、行銷、排程開始加入 AI 協助，僅少數店家跨過
第三階段（未來）
數據驅動決策
用 AI 分析累積的顧客資料，主動預測、主動出擊
🚀
多數店家卡在第一到第二階段之間
這代表：只要你學會怎麼把 AI 放進客服、行銷、排程，就已經超過大部分同業。你不需要跳到第三階段，先跨過這一步就很有價值。
你們這個世代的三個天生優勢
📱
數位工具上手快
滑手機長大的世代，學新介面的速度通常比資深員工快
🔄
轉職彈性大
還沒被單一產業綁死，更容易把 AI 技能帶進新領域
🌱
學習成本低
沒有舊習慣要打破，可以直接用 AI 輔助的方式建立工作流程
傳播、行銷、設計背景的三個專屬優勢
🎯
你判斷得出好壞
AI 一次給你三個標題，能分辨哪個比較好的人才是稀缺的
👁️
你有視覺的底子
AI 生成的圖能不能用、要怎麼改，你看得出來，多數店家看不出來
🗣️
你懂得對誰說話
受眾、語氣、通路的差別，是你科系裡練過的，也是 AI 最常出錯的地方
01 趨勢地圖
所以你的位置很清楚
AI 負責把速度拉滿，你負責把品質守住。在生活服務業裡，最缺的不是會下指令的人，是能對成品說「這個不行、再來一版」的人。
你是把關的人，不是產出的人。
找工作時，能證明「我用 AI 解決過一個真實問題」，比一張證書更有說服力。
職涯輔導現場觀察
今天演練會用到的三個名詞
- 01機會地圖客服、行銷、營運、數據分析四個 AI 能切入的節點
- 02成熟度階段從未知到內化的五個階段，幫你判斷自己在哪裡
- 03切入優先序在有限的時間精力下，先做哪一件事最划算
小型店家導入 AI 的常見起步成本（示意）
以上是常見範圍，不是保證。實際成本會因產業、店家規模與選用工具而不同，重點是給你一個不用花大錢也能開始的感覺。
進入機會地圖前，先確認你懂了
- 我知道生成式 AI 跟過去自動化的差別
- 我知道臺灣生活服務業的 AI 導入現況
- 我準備好用機會地圖的框架看自己的產業
02
生活服務業 AI 機會地圖
每個節點都會回答四個問題：是什麼、能做什麼、生活服務業怎麼用、投入門檻多高。
- 客服節點
- 行銷節點
- 營運節點
- 數據分析節點
🗺️
什麼是機會地圖
機會地圖不是要你把 AI 塞進每個角落，而是幫你看清楚：哪些工作環節，AI 已經成熟到可以放心交出去。四個節點，就是四個切入點。
機會地圖總覽
💬
客服節點
處理顧客提問、預約、售後，把重複溝通自動化
📣
行銷節點
生成貼文、文案、短影音腳本，加速內容產出
⚙️
營運節點
排班、庫存、流程提醒，減少行政負擔
📊
數據分析節點
把累積的顧客與交易資料變成看得懂的洞察
四個節點，哪個門檻最低
門檻較低，建議先試
- 客服節點：多數工具開箱即用
- 行銷節點：文案生成上手快
門檻較高，建議後做
- 營運節點：常需要串接既有系統
- 數據分析節點：需要先有乾淨的資料
客服節點是什麼
- 定義用 AI 處理顧客的提問、預約與常見問題，取代部分人工應答
- 核心能力二十四小時待命、同時處理多個對話、記得對話的上下文
- 不是要取代人而是把重複問題篩掉，把人力留給需要溫度的個案
客服節點能做什麼
| 常見問題自動回覆 | 營業時間、價格、地址這類問題不用真人一一回 |
| 預約與提醒 | 自動確認預約、發送前一天提醒，降低放鴿子的比率 |
| 多語言應對 | 觀光客用英文問也能即時回覆，不用臨時找翻譯 |
| 初步問題分流 | 複雜或情緒化的個案自動轉真人，不會卡在機器人手上 |
四個產業的具體應用
💪
健身房
會員問「今天有什麼課」，AI 立刻查課表回覆
💇
美容院
線上預約助理處理改期與取消，不用店員接電話
🐾
寵物店
常見問題機器人回答「洗澡要預約嗎」這類提問
✈️
旅遊業
行前提醒自動化，天氣、集合時間、注意事項一次到位
客服節點導入前後
導入前
- 店員邊顧現場邊回訊息
- 晚上和假日的訊息沒人看
- 同樣的問題一天回答十幾次
回覆慢、容易漏訊息
導入後
- 基本問題 AI 秒回，二十四小時不打烊
- 複雜問題自動標記並轉真人
- 店員專心處理需要溫度的對話
回覆快、人力用在刀口上
客服節點的投入門檻
長條愈短代表門檻愈低。客服是四個節點裡最容易起步的一個，這也是多數店家的第一站。
⚠️
提醒：機器人不能取代有溫度的關懷
客訴、退費、特殊需求這類情緒敏感的對話，一定要能快速轉真人。把 AI 當成第一線篩選，不是最終防線。
客服節點的第一步清單
“
顧客不是討厭機器人，是討厭機器人聽不懂他在說什麼。
服務業第一線觀察
02 機會地圖
做完客服，下一步通常是行銷
客服對話裡藏著顧客真正在意的東西。那些反覆被問的問題、被嫌棄的環節，正是行銷節點最好的素材來源。
行銷節點是什麼
- 01定義用 AI 輔助產出社群貼文、文案、短影音腳本這類行銷內容
- 02核心能力幾分鐘產出初稿，大幅縮短從想法到發布的時間
- 03你的角色負責下對的指令、把關語氣與正確性，AI 只是草稿機
🏠
行銷節點，是你的主場
前面三張講的是通則。但如果你念的是傳播、行銷或設計，這個節點不一樣：店家最缺的不是會按生成鍵的人，是看得出哪一版能用、還說得出為什麼的人。
別人在學怎麼用，你可以直接學怎麼管。
行銷節點能做什麼
- 社群貼文生成依主題、節慶、活動快速產出多個版本的文案
- 短影音腳本把服務流程寫成十五到三十秒的腳本大綱
- 圖像輔助生成或修飾服務情境圖，不用每次都排設計排程
- 受眾洞察分析過去貼文成效，抓出哪類主題比較受歡迎
四個產業的具體應用
💪
健身房
把每週課表自動轉成吸睛的限時動態文案
💇
美容院
顧客改造前後照片配文，AI 生成多個標題版本供選
🐾
寵物店
新品上架文案，依幼犬、成犬、貓自動客製語氣
✈️
旅遊業
行程亮點自動生成社群貼文與推播訊息
行銷節點導入前後
導入前
- 貼文常常拖到週末才補發
- 每篇文案都要從零開始想
- 忙起來直接跳過不發
產出慢、頻率不穩定
導入後
- AI 先產出草稿，店家修改後十分鐘發布
- 素材庫累積起來，重複主題不用重想
- 固定頻率發文，不再開天窗
產出快、頻率穩定
行銷節點的投入門檻
長條愈短代表門檻愈低。行銷節點的門檻跟客服差不多，但對外可見度更高，成果比較容易被看見。
✍️
提醒：AI 寫得快，語氣要你負責
AI 生成的文案語氣有時候太制式或太浮誇，發布前一定要用品牌自己的聲音修過一輪。複製貼上就發，顧客第一個感覺得出來。
行銷節點的第一步清單
- 挑一個 AI 寫作工具，連續兩週用它產出貼文草稿
- 建立一份品牌語氣提示詞，固定套用
- 每篇草稿發布前，至少花兩分鐘人工修改
AI 幫你解決不知道怎麼開頭的問題，但這篇文案適不適合我的顧客，還是要靠你判斷。
行銷實務觀察
02 機會地圖
做完行銷，下一步通常是營運
貼文發出去之後，誰按讚、誰預約、誰沒回頭，這些痕跡就是營運與數據節點最有價值的原始資料。
營運節點是什麼
| 定義 | 用 AI 輔助排班、庫存、預約管理與流程提醒 |
| 核心能力 | 處理多變數的排程衝突，比人工對表快，也比較不容易出錯 |
| 你的角色 | 設定規則與例外情況，AI 負責把日常瑣事跑完 |
營運節點能做什麼
- 01排班輔助根據可用時段與技能，自動排出初版班表
- 02預約衝突偵測同時段重複預約自動示警，減少當日手忙腳亂
- 03庫存提醒用量趨勢預測，快缺貨前自動提醒補貨
- 04流程提醒新人交接、清潔排程這類重複事項自動推播
四個產業的具體應用
💪
健身房
教練課表自動避開請假與場地衝突
💇
美容院
設計師預約自動抓出同一時段重複約的錯誤
🐾
寵物店
飼料與用品的庫存量預測，提前下單不斷貨
✈️
旅遊業
團體行程的交通與訂位自動核對時間衝突
營運節點導入前後
導入前
- 排班全靠店長腦中的記憶
- 庫存缺貨了才發現
- 預約撞期靠人工檢查
常出錯、靠經驗
導入後
- 系統先跑初版班表，店長微調即可
- 低於安全庫存自動提醒
- 預約系統自動擋掉衝突時段
出錯少、有系統可依循
營運節點的投入門檻
長條愈長代表門檻愈高。營運節點常需要跟既有系統串接，建議前兩個節點先上手再挑戰這裡。
🔧
提醒：營運節點通常要串接既有系統
跟客服、行銷比起來，營運類工具常常需要跟原本的 POS 或會員系統串接，設定門檻比較高。建議前面兩個節點先上手，再挑戰營運。
營運節點的第一步清單
“
系統排的班表只是初版，最後懂人情世故的，還是店長。
現場管理觀察
🔗
做完營運，下一步通常是數據
排班、庫存、預約累積下來的紀錄，正是數據分析節點最原始也最珍貴的素材。
數據分析節點是什麼
- 定義用 AI 把顧客與交易紀錄轉換成看得懂、能行動的洞察
- 核心能力抓出人工很難發現的模式，例如快要流失的會員長什麼樣
- 你的角色決定要問 AI 什麼問題，以及看到洞察之後怎麼行動
數據分析節點能做什麼
| 顧客洞察 | 找出高消費、常回訪顧客的共同特徵 |
| 流失預測 | 標記出消費頻率下降的高風險會員名單 |
| 方案建議 | 分析哪個時段、哪個方案的轉換率最高 |
| 成效回顧 | 取代人工月底對帳，自動產出簡單的趨勢報表 |
四個產業的具體應用
💪
健身房
系統標出三個月沒來上課的會員名單，主動關心
💇
美容院
分析哪個服務項目複購率最高，調整主打方案
🐾
寵物店
找出換季前用品需求上升的規律，提前備貨與行銷
✈️
旅遊業
分析歷史報名資料，預測哪類行程接下來會熱門
數據分析節點導入前後
導入前
- 月底才發現某個會員好久沒來
- 靠店長印象判斷哪個方案賣得好
- 決策靠直覺，說不出根據
後知後覺、憑感覺
導入後
- 系統即時標出流失風險名單
- 數據清楚顯示哪個方案轉換率高
- 決策有依據，能對老闆或夥伴說明原因
即時掌握、有依據
數據分析節點的投入門檻
長條愈長代表門檻愈高。數據節點最吃資料品質，通常建議放在最後，先把前三個節點的資料習慣養好。
02 機會地圖
提醒：數據節點最吃資料品質
如果平常的會員與交易資料記得亂七八糟，AI 也分析不出好結果。這個節點通常建議放最後，先把前三格的資料習慣養好。
數據分析節點的第一步清單
- 先檢查現有系統的資料是否完整、乾淨
- 從一個具體問題開始問，不要漫無目的
- 把 AI 給的洞察轉成一個具體行動，不要只看報表
數據不會自己說話，是你決定要問它什麼問題。
數據應用實務觀察
🔄
四個節點，其實是一個循環
客服累積對話素材，行銷把素材變成內容，營運把流程跑順，數據分析回頭告訴你哪裡該調整。四個節點會互相餵養，不是各自獨立。
四節點快速對照
💬
客服
把重複溝通自動化，二十四小時待命
📣
行銷
把內容產出時間從小時縮短到分鐘
⚙️
營運
把排程雜事交給系統，減少出錯
📊
數據分析
把累積的資料變成看得懂的行動建議
先做哪一個？一般建議的順序
建議優先
- 客服：門檻低、見效快
- 行銷：門檻低、對外可見度高
建議後做
- 營運：常需串接系統，門檻較高
- 數據分析：需要先有乾淨的資料
🎯
但一般建議不是你的答案
每個產業、每家店的狀況都不一樣。等一下的個人演練，就是要幫你根據自己的情況找出屬於你的優先順序，而不是照抄別人的答案。
機會地圖段落回顧
Practice 01
個人演練 #1：盤點你的產業
八分鐘，從四個產業裡挑一個，圈出你最想深入的那個節點。
八分鐘
“
先想清楚要解決誰的問題，AI 才有意義。
今天課程的核心提醒
為什麼要先做這個練習
- 01避免什麼都想學四個節點一次學完容易分散，先聚焦一個
- 02讓後面的案例更有感等一下看案例時，你會更容易對照到自己的狀況
- 03幫你準備分組演練的素材等一下分組要用到你現在想清楚的東西
動手做：盤點你的產業
圈出你最想深入的節點
- 想一個你最熟悉、或最有興趣投入的生活服務業（健身、美業、寵物、旅遊或其他）
- 寫下你觀察到的兩到三個現場痛點（打工經驗、家人的店、或你想開的店都算）
- 對照剛剛的機會地圖四節點：客服、行銷、營運、數據分析
- 圈出一個你最想先深入了解的節點
- 用一句話寫下為什麼選這個
時間：八分鐘用具：紙筆或手機備忘錄
一份寫得夠具體的範例
範例參考
我最熟悉：連鎖髮廊工讀經驗 最想深入：行銷節點 因為：設計師每天忙到沒時間拍照寫文案，社群更新完全停滯，這是最看得見的痛點。
示範情境，非真實個案
個人演練 #1
邀請分享
有沒有人願意分享：你選的產業、看到的痛點，還有為什麼選這個節點？我們花兩分鐘聽兩三位的想法。
個人演練 #1 檢核
- 我寫下了一個具體的產業與痛點
- 我圈出了一個機會地圖節點
- 我能用一句話說明為什麼
03
三個示範案例
同樣四個節點，三家店走出三條完全不同的路線。看他們怎麼起步，也看他們在哪裡跌倒。
- 健身工作室
- 美髮沙龍
- 寵物美容店
📋
在開始之前，先說明一件事
接下來三個案例，是根據業界輔導經驗綜合出的示範情境，不是指名道姓的真實品牌。目的是讓你看到導入 AI 大概會經歷什麼，數字是示範用途，幫你抓感覺，不是精確統計。
怎麼從案例裡學東西
- 看流程，不要只看結果他們怎麼一步步導入，比最後的數字更值得學
- 看踩過的坑別人的錯誤，可以讓你少走一段路
- 對照自己的產業邊聽邊想：這個做法，我圈的那個節點用得上嗎
案例一：社區型健身工作室
| 背景 | 三位教練經營的小型健身工作室，主力是一對一與小班課 |
| 店家規模 | 會員約 150 人，沒有專職行銷或客服人員 |
| 轉捩點 | 續約率連續兩季下滑，教練發現自己沒時間做客戶關係 |
他們的三個具體痛點
- 01教練時間被訊息綁架每天下班後還要花一到兩小時回覆課表詢問
- 02社群曝光下滑忙起來貼文一週發不到一次，新客詢問度變低
- 03續約沒人主動追會員到期日全靠教練自己記，常常忘記提醒
我們開店是想教人運動，結果每天有一半時間在回訊息。
示範情境
健身工作室共同創辦人（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做客服設定常見問題自動回覆：課表、價格、請假規則
- 再做行銷用 AI 生成每週課表貼文草稿，教練修改後發布
- 最後做會員追蹤系統標記快到期的會員，自動提醒教練主動聯繫
他們選用的工具類型
- 對話機器人平臺串接原有的社群帳號，設定常見問答
- 行銷文案生成工具依課表資料自動產出貼文草稿
- 會員系統的 AI 外掛分析到期日與出席頻率，標記提醒名單
案例一：導入前後對比
導入前
- 教練每天花一到兩小時回訊息
- 貼文頻率不到每週一次
- 續約提醒常常忘記發
反應慢、曝光低、續約靠運氣
導入後
- 基本問答自動回覆，教練只處理特殊個案
- 貼文固定每週三則，教練只修改不用重寫
- 系統自動標記提醒名單，續約率回穩
反應快、曝光穩定、續約有系統
案例一：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
教練的心得
一開始最擔心會員覺得回覆很機器人，後來發現只要把轉真人的時機設定好，他們反而覺得更方便，因為半夜問也有人回。
示範教練 A健身工作室共同創辦人（示範情境）
他們踩過的坑
把自動回覆設得太萬能
一開始什麼都讓機器人回。結果會員問到特殊需求（例如舊傷該不該練），機器人給了不專業的建議，差點造成誤會。 後來緊急加上一條規則：只要涉及身體狀況，一律轉真人。
示範情境
案例一給你的三個可帶走做法
🔗
呼應機會地圖
這個案例的路徑是：先客服（門檻最低），再行銷（見效快），最後才碰數據（會員追蹤）。跟我們前面說的建議順序一致。
03 示範案例
接下來，換一個內容壓力更大的產業
美業高度依賴視覺與社群曝光，是行銷節點壓力最大的產業之一。如果你念的是傳播或設計，下一個案例會跟你最有關係。
案例二：連鎖美容美髮沙龍
| 背景 | 兩家分店、六位設計師的美髮沙龍 |
| 店家規模 | 會員約 400 人，靠社群曝光帶新客為主 |
| 轉捩點 | 設計師手排的貼文愈來愈少，新客詢問度明顯下滑 |
他們的三個具體痛點
- 01內容產出瓶頸設計師沒有拍照寫文案的時間，也沒有這個技能
- 02預約管理混亂兩家店各自排約，常常撞期或重複預約
- 03改造照片沒被善用拍了照片卻沒有系統化整理成行銷素材
“
每天忙到收店，誰還有力氣想標題寫文案。
示範情境
美髮沙龍店長（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做行銷用 AI 把顧客改造前後照片自動生成多個標題版本
- 再做營運兩家店的預約系統串接，AI 偵測跨店重複預約
- 最後延伸客服線上詢問自動回覆常見問題：價位、停車、營業時間
他們選用的工具類型
- 圖文生成工具依照片自動產出社群貼文標題與描述
- 預約管理系統的排程模組跨分店偵測預約衝突
- 對話機器人處理跨店共通的常見問題
案例二：導入前後對比
導入前
- 貼文靠設計師有空才發
- 兩家店常出現撞期
- 詢問訊息晚上才有空回
曝光不穩、常撞期
導入後
- 每次改造照片直接生成三個標題版本
- 系統自動擋掉跨店衝突時段
- 常見詢問白天就自動先回覆
曝光穩定、排程順暢
案例二：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
店長的心得
以前覺得寫文案是我最不擅長的事，現在 AI 先給我三個版本，我只要挑一個順手改就好，心理負擔小很多。
示範店長 B美髮沙龍店長（示範情境）
他們踩過的坑
AI 的標題原封不動就發出去
一開始把生成的標題直接貼上發布，結果語氣跟品牌一貫的活潑風格不搭，顧客留言說「怎麼變得很生硬」。 後來固定安排每篇發布前的人工修改步驟，才把語氣調回來。
示範情境
🎓
這個坑，正好是你的位置
那家店缺的不是會生成標題的人，是看得出「這句話不像我們」的人。你在系上被磨過的品牌語氣、受眾意識、文案手感，補的就是這個洞。
會生成的人很多，會退稿的人很少。
案例二給你的三個可帶走做法
- AI 草稿一定要留一道人工修改的關卡
- 多店營運優先解決排程衝突，再談其他
- 把每次顧客改造照片都存進素材庫，別浪費
🔗
呼應機會地圖
這個案例先做行銷（最痛的點），再做營運（排程衝突），最後才延伸到客服。順序因產業而異，這正是待會你要自己判斷的地方。
03 示範案例
接下來，換一個資料最零散的產業
寵物產業的服務個人化程度很高，每隻毛孩的紀錄卻常常只存在店員的腦子裡。
案例三：社區型寵物美容店
| 背景 | 一間結合寵物美容與用品零售的社區店 |
| 店家規模 | 服務約 300 隻毛孩的固定客群 |
| 轉捩點 | 換季用品常常缺貨，美容師也記不清楚每隻毛孩的特殊需求 |
他們的三個具體痛點
- 01個別化紀錄零散毛孩的過敏史、脾氣、偏好用品全靠美容師腦中記憶
- 02庫存預測靠感覺換季用品常常缺貨，或是囤積過多
- 03常見問題重複問洗澡要不要預約、多久剪一次指甲，天天被問
換了一個新美容師，毛孩的過敏史又要重新問一遍主人，很不專業。
示範情境
寵物店店主（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做數據把毛孩的過敏史與偏好整理進系統，建立個別化檔案
- 再延伸客服常見問題自動回覆，釋放美容師接電話的時間
- 最後優化庫存根據歷史用量趨勢，AI 提前提醒補貨時機
他們選用的工具類型
- 會員檔案系統記錄每隻毛孩的特殊需求，美容師到店前先查閱
- 對話機器人處理預約與常見問題
- 庫存管理的 AI 外掛依季節與歷史用量預測補貨時機
案例三：導入前後對比
導入前
- 毛孩資訊靠美容師記憶
- 換季用品常常缺貨
- 常見問題電話一直響
不專業、常缺貨、人力累
導入後
- 系統一秒調出毛孩的過敏史與偏好
- 換季前自動提醒補貨
- 常見問題自動回覆，電話量下降
更專業、庫存穩、人力省
案例三：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
店主的心得
客人最感動的其實不是科技感，是美容師一進門就叫得出毛孩的名字，還記得牠怕吹風機。這件事現在系統幫我們記住了。
示範店主 C寵物美容店店主（示範情境）
他們踩過的坑
急著上系統，資料卻沒整理
一開始把所有毛孩資料一次匯入，結果舊資料格式不一致，AI 分析出來的補貨建議完全不準。 後來才知道：先花時間把資料整理乾淨，比急著上系統更重要。
示範情境
案例三給你的三個可帶走做法
🔗
呼應機會地圖
這個案例反而先做數據（建立檔案），再做客服與營運。因為服務高度個人化的產業，乾淨的資料才是一切的基礎。
三個案例，三種不同的起手式
健身房與美容院
- 先做客服或行銷：門檻低、見效快
- 共同點是先解決最被看見的那個問題
寵物店
- 先做數據：服務高度個人化，資料是基礎
- 順序反過來，是因為痛點的位置不一樣
三個案例快速對照
💪
健身房
先客服，把教練的時間解放出來
💇
美容院
先行銷，內容產出壓力最大
🐾
寵物店
先數據，個人化服務靠乾淨資料
✅
共同點
三家都留了一道人工把關的關卡
🧭
三個案例說的其實是同一件事
沒有標準答案。健身房先做客服、美容院先做行銷、寵物店先做數據。決定順序的是哪個痛點最痛、哪裡最容易失敗，而不是別人的順序。
三個案例共同的成功關鍵
- 都從一個最痛的具體問題切入不是全面 AI 化
- 都保留人工把關或轉真人的機制
- 都是小步驟推進，不是一次到位
“
他們最大的共同點，不是用了多先進的工具，而是先想清楚要解決誰的問題。
三個案例的整理心得
03 示範案例
回想你的個人演練
你在個人演練 #1 圈出的那個節點，通常就是最痛的問題所在。這三個案例，有沒有哪一個特別能對照到你的狀況？
04
AI 成熟度與切入優先序
先看清楚自己站在哪一階，再決定下一步要往哪裡跨。
- 五階段成熟度模型
- 每個階段的特徵
- 怎麼決定切入優先序
🧗
為什麼要先評估成熟度
貿然從最難的節點下手，很容易受挫放棄。先誠實評估自己或你想投入的產業在哪個階段，才能挑一個難度剛好的下一步。
AI 成熟度五階段模型
未知
沒想過 AI 跟自己的產業有關係
觀望
好奇，但還沒動手
試辦
挑一個小範圍先試用工具
擴散
見效之後再推廣到其他環節
內化
AI 輔助變成日常工作流程的一部分
階段一：未知
| 特徵 | 沒聽過生成式 AI 能用在自己的產業，或聽過但覺得跟我無關 |
| 常見反應 | 覺得 AI 是科技業的事，跟服務業沒關係 |
| 下一步 | 先花時間了解基本概念，就像今天這三小時 |
階段二：觀望
- 01特徵知道 AI 很紅，但不知道從哪裡開始，也怕用錯
- 02常見反應看別人分享很心動，但一直沒有實際動手
- 03下一步挑一個門檻最低的節點，通常是客服，小規模試用
階段三：試辦
- 特徵已經在一個小範圍試用 AI 工具，例如客服自動回覆
- 常見反應覺得有幫助，但還沒推廣到其他環節
- 下一步記錄試辦的成效與問題，準備擴散到下一個節點
階段四：擴散
| 特徵 | 試辦見效後，把 AI 輔助推廣到兩個以上的節點 |
| 常見反應 | 開始思考怎麼讓不同工具串接起來 |
| 下一步 | 建立團隊共同的使用習慣，不只是老闆或某個人在用 |
階段五：內化
- 01特徵AI 輔助已經是日常工作流程的一部分，不再是特別的事
- 02常見反應新人入職時，AI 工具是標準培訓內容之一
- 03下一步持續優化，並開始思考數據分析節點的深度應用
📊
多數店家目前在哪個階段
依前面提到的臺灣中小企業調查，多數中小企業還停留在未知到觀望之間。這代表：只要你走到試辦階段，就已經超過大部分同業。
常見的兩種切入迷思
迷思：想一次到位
- 同時導入四個節點，結果每個都做不好
- 員工要適應的改變太大，推動困難
建議：小步快跑
- 先做一個節點，見效後再擴散
- 每次改變幅度小，團隊比較容易接受
決定切入優先序的四個判斷點
🔥
哪裡最痛
選一個現在讓你最困擾的具體問題
💰
投入門檻
優先選時間與金錢投入較低的節點
👀
見效速度
優先選容易看到成果、能建立信心的節點
🧩
系統相容性
確認能不能跟現有的系統搭配
決定切入優先序的三個提問
問題不是 AI 能不能幫上忙，而是我準備先解決哪一個問題。
課程核心提醒
把三個案例對照回成熟度階段
長條愈長代表成熟度愈高。三家店一開始都在前兩階，差別只在於誰先跨出試辦那一步。
04 成熟度
成熟度不是天生的，是走出來的
三家示範店家一開始都在未知或觀望階段。他們不是天生懂 AI，只是願意先跨出試辦這一步。
把成熟度模型套在你自己身上
- 你也可以打分數不只是店家，你個人在用 AI 輔助工作這件事上，也有一個階段
- 多數人現在在觀望看到這裡還沒動手試過任何工具，是很正常的起點
- 今天結束就能往前一步光是完成接下來的自評表，就等於正式跨進試辦階段
成熟度段落回顧
- 五階段：未知、觀望、試辦、擴散、內化
- 多數生活服務業還在前兩階，先動先贏
- 決定優先序看四件事：痛點、門檻、見效速度、系統相容性
Practice 02
個人演練 #2：我的 AI 成熟度自評表
十二分鐘，把今天所有的框架套進你自己的狀況，寫成一份帶得走的表。
十二分鐘
⭐
為什麼這是今天最重要的產出
前面學的機會地圖、成熟度模型，都只是框架。這張自評表，是你把框架套進自己真實狀況之後，寫下來的具體行動方向。
填表前，先複習兩個工具
- 機會地圖客服、行銷、營運、數據分析四個節點
- 成熟度五階段未知、觀望、試辦、擴散、內化
動手做：我的產業 AI 成熟度自評表
六個問題，寫成一份自評表
- 接下來會看到六個引導問題
- 針對你在個人演練 #1 選定的產業與節點回答
- 盡量寫具體，不要只寫「還不錯」「要加油」這種空泛答案
- 寫完後，你會有一句可以直接說給雇主或自己聽的行動方向
時間：十二分鐘用具：紙筆或手機備忘錄
引導問題一到三
- 我的產業目前最像哪個成熟度階段未知、觀望、試辦、擴散、內化，誠實選一個
- 我最需要機會地圖的哪個節點回顧你在個人演練 #1 圈的那一個
- 我能投入的時間與預算大概多少每週能擠出幾小時？願意花多少錢試用工具
引導問題四到六
- 這個技能跟我想找的工作有什麼關聯轉職、找工作、或自己開店，寫下具體連結
- 如果只能選一件事先做，是什麼用一句話寫下你的第一步行動
- 我需要誰的幫忙、什麼資源同事、家人、線上課程，還是今天認識的同學
填表最常見的三個誤區
- 01寫得太籠統「我要更懂 AI」不算答案，要寫出具體的節點與行動
- 02選了最難的先做記得成熟度模型的建議：先從門檻低、見效快的開始
- 03忘記寫為什麼沒有理由支撐的選擇，回去很容易就忘記當初為什麼要做
範例（示範情境）：問題一到三
- Q1 觀望階段誠實面對自己還沒實際動手嘗試過
- Q2 客服節點因為打工的飲料店常常被同樣的問題洗版
- Q3 每週兩到三小時願意先試免費工具，不用一次投入大錢
範例（示範情境）：問題四到六
| Q4 未來想做社群小編 | 懂 AI 客服等於多一項可以說出口的技能 |
| Q5 先設定常見問題自動回覆 | 試用兩週，看效果再決定要不要繼續 |
| Q6 需要店長同意接上機器人 | 也想找今天認識的同學互相督促進度 |
🔍
對照一下你自己的答案
你的六個答案裡，有沒有像範例一樣具體？如果哪一題還很籠統，現在花三十秒把它寫得更具體一點。
個人演練 #2 檢核
個人演練 #2
收好這張表，分組演練會用到
接下來的分組演練，你會需要用今天想清楚的東西，幫助小組一起完成一張產業機會地圖。
“
寫下來的目標，比放在腦子裡的想法，更容易實現。
行動科學的普遍觀察
如果你還沒想清楚，沒關係
- 先寫「還不確定」也可以誠實面對比硬掰一個答案更有價值
- 帶著問題聽完分組演練互相討論常常能幫你看清楚原本卡住的地方
➡️
準備進入分組演練
個人演練幫你想清楚自己的方向；分組演練要練的是另一件事：在有時間壓力、而且要跟不熟的人協作的情況下，怎麼快速做出判斷。
Workshop
分組演練：機會地圖工作坊
二十分鐘小組討論，兩分鐘上臺分享。這是今天唯一一次模擬真實工作現場的練習。
二十五分鐘
🤝
為什麼要分組
職場上很少有事情是一個人做完的。這個練習模擬真實工作情境：時間有限、要跟不熟的人快速達成共識、還要能上臺講清楚結論。
分組規則
- 分組方式四到五人一組，盡量依熟悉或有興趣的產業配對
- 產業認領每組認領一個產業：健身、美業、寵物、旅遊或其他生活服務業
- 推選組長推選一位組長帶討論，完成後全組一起上臺
任務說明
- 用今天學的機會地圖框架客服、行銷、營運、數據分析四個節點
- 找出兩到三個最值得優先導入的 AI 應用針對你們認領的產業，具體寫出來
- 二十分鐘內完成時間到請立刻停筆，準備分享
討論架構：照這個順序走
- 第一步：背景這個產業常見的店家規模是什麼樣子
- 第二步：痛點列出兩到三個現場最常見的困擾
- 第三步：對照機會地圖這些痛點分別落在哪個節點
- 第四步：選出應用排出優先順序，並說明為什麼
Showcase
成果發表：問題、發現、建議
每組兩分鐘，用三段式把討論結果講清楚。
每組兩分鐘
發表的三段式架構
- 問題你們認領的產業，最大的 AI 應用痛點是什麼
- 發現用機會地圖框架，你們找到的最佳切入節點是什麼
- 建議如果這個產業只能做一件事，你們的建議是什麼
上臺分享的三個小提醒
分組工作坊
臺下的任務
聽別組分享時，記下一個你覺得可以借鏡到自己產業的點子。等一下我們會請幾位分享聽到的收穫。
範例：寵物產業組的發表
| 問題 | 小型寵物店的換季用品常常缺貨，或是囤積過多 |
| 發現 | 數據分析節點裡的庫存預測最適合我們 |
| 建議 | 先把過去半年的進貨紀錄整理進系統，讓 AI 抓出用量規律 |
範例：美業組的發表
- 01問題設計師沒有時間拍照寫文案，社群曝光愈來愈差
- 02發現行銷節點是最痛也最容易看到成果的切入點
- 03建議先用 AI 幫每張改造照片生成三個標題，設計師挑一個微調
各組常見的兩種思路
從痛點出發
- 先問什麼事最讓人頭痛，再對照機會地圖
- 比較容易獲得團隊認同，因為大家都感受得到
從機會出發
- 先問哪個節點最容易做，再看它能解決什麼痛點
- 比較容易快速看到成果，建立信心
🔄
兩種思路都對
從痛點出發比較容易說服人，從機會出發比較容易快速見效。實務上通常是兩種思路來回確認，不是二選一。
如果你的組別意見不合
- 先各自說出理由不要急著否定，爭議背後通常是不同的痛點感受
- 用先試小範圍化解分歧選一個成本最低的先試，用結果說話
分組演練檢核
- 我們完整走過討論架構的四個步驟
- 我們選出了兩到三個具體的 AI 應用，不是空泛的方向
- 我們的發表清楚說明了問題、發現、建議
一個人想得快，一群人想得深。分組討論的價值，常常是在別人提問的那一刻才浮現。
課程協作觀察
今天分組演練練到的協作技巧
📝
把小組的結論帶回去
今天小組討論出的兩到三個 AI 應用，加上你個人演練 #2 的自評表，就是你離開教室時最重要的兩份筆記。
Wrap Up
收尾：帶得走的行動清單
重點回顧、後續資源、Q&A。
十分鐘
今天學到的四件事
| AI 發展趨勢 | 全球企業已普遍採用，臺灣生活服務業還在早期 |
| 機會地圖 | 四個節點，各有不同的門檻與見效速度 |
| 三個案例 | 沒有標準答案，先解決最痛的那個問題 |
| 成熟度框架 | 五階段模型幫你判斷現在在哪裡、該先做什麼 |
離開教室前，可以做的三件事
- 把今天的自評表拍照存起來，一週內回頭看一次
- 挑一個免費或低成本的工具，這週內實際打開來試用
- 把今天分組討論的應用，講給一個朋友或家人聽
你的作品集，可以怎麼改
- 01加一頁「我怎麼用 AI 工作」不用很長，一頁說清楚你用什麼工具解決什麼問題
- 02把過程放進去，不要只放成品雇主想看的是你怎麼判斷、怎麼改稿，不是 AI 生成得多漂亮
- 03誠實標註哪裡用了 AI刻意隱瞞很容易被問倒，大方講反而顯得專業
面試被問到 AI，怎麼回答
- 先講產業，再講工具「我看過美業最痛的是內容產出」比「我會用某某工具」有說服力
- 舉一個你真的做過的例子哪怕只是幫社團寫貼文，具體的小事勝過空泛的大話
- 講出你把關的部分說明你怎麼判斷哪一版能用，這是雇主最想聽的
求職與創業，AI 技能怎麼用
求職
- 面試時具體舉出你今天想清楚的機會地圖與案例
- 履歷寫「熟悉生成式 AI 在服務業的應用」更有說服力
創業或接手家業
- 先在自己或家人的店試辦，累積一手經驗
- 用今天的自評表規劃未來半年的導入時間表
把今天的收穫變成兩個說得出口的句型
- 描述你懂的事我知道生活服務業能用 AI 做客服、行銷、營運、數據分析四件事
- 描述你做過的事我盤點過自己想投入的產業，並針對某一個節點寫出了具體的第一步
常見疑慮先回答三個
- 01會不會很貴多數入門工具有免費方案，先試用再考慮升級
- 02會不會被說不專業關鍵在轉真人的時機設好，顧客在意的是問題有沒有被解決
- 03資料安全怎麼辦選有清楚隱私條款的工具，敏感資料先問清楚儲存方式
後續可以延伸的資源
- 免費入門工具從對話型 AI 助理開始練習下指令，不用先學程式
- 社群與交流找同樣在學 AI 應用的朋友，互相分享試用心得
- 持續關注趨勢趨勢變動快，建議每季花點時間更新一次認知
想繼續學，這兩個資源可以帶走
收尾
如果你只記得一句話
AI 不會取代你，但看得懂機會地圖、願意先動手試的人，會走在大多數同業前面。
先看懂地圖，再決定往哪裡走。
“
找到一個小小的切入點，認真做完一次，你就比昨天的自己多了一段能講給雇主聽的具體經驗。
今天課程的祝福
❓
Q&A 時間
接下來留一些時間給大家提問。不管是今天內容的疑問，或是你自己產業的具體狀況，都歡迎提出來一起討論。