《今朝AI每日一课》第020期

如何让GPT帮助解决问题

不要先让AI给答案，先让它帮你把问题、原因假设和下一步验证理清楚

---

一、今日学习目标

通过本期学习，员工能够：

1. 理解GPT可以帮助我们：

• 梳理问题；
• 整理事实；
• 提出可能原因；
• 找出信息缺口；
• 比较解决方向；
• 设计下一步验证动作。

但不能替员工认定真实原因，也不能替员工或负责人决定最终解决方案。

2. 理解解决问题的第一步不是问：

这个问题怎么解决？

而是先把问题说清楚：

• 发生了什么；
• 哪些是已经确认的事实；
• 造成了什么影响；
• 希望达到什么结果；
• 已经尝试过什么；
• 有哪些限制；
• 哪些信息还不知道。

3. 学会让GPT区分：

• 已确认事实；
• 可能原因；
• 判断依据；
• 待确认信息；
• 可选解决方向；
• 下一步验证动作。

4. 理解GPT提出的“原因”首先只是：

原因假设。

必须经过资料、现场情况或业务人员进一步确认。

5. 学会从多个解决方向中，优先寻找一个：

• 风险较低；
• 成本较小；
• 容易验证；
• 能增加新信息；

的下一步动作。

6. 形成一个基本习惯：

AI帮助我们把问题想得更清楚，人负责核实原因、作出判断并推动解决。

本期核心能力：

把真实工作问题、已知事实和限制条件交给GPT，让AI帮助梳理原因假设和解决选项，再由员工核实信息、作出判断并推动下一步行动。

---

二、一个AI知识点

1. 为什么“帮我解决这个问题”经常得不到真正有用的答案？

工作中遇到问题时，我们很容易直接问GPT：

这件事总是做不好，帮我分析一下怎么解决。

GPT很快可能回答：

• 加强沟通；
• 明确责任；
• 优化流程；
• 提高执行力；
• 加强监督。

这些话听起来都合理。

但问题是：

它可能根本不知道真正发生了什么。

于是AI只能根据常见情况猜。

这时候看起来是在“解决问题”，实际上可能只是：

用一个听起来合理的解释，替代了真正的调查。

所以解决问题之前，第一步不是找答案。

而是：

把问题本身弄清楚。

---

2. 现象、问题、原因和解决方法不是一回事

这是本期最重要的一点。

假设一项内部协作任务延期了。

任务没有按照原计划完成。

这是我们看到的情况。

可能是：

实际完成时间与原计划要求存在差距，已经影响后续协作。

这是需要解决的工作差距。

可能包括：

• 信息没有及时传递；
• 前置资料没有准备完成；
• 协作事项没有明确；
• 时间安排不合理；
• 中间出现了其他变化。

但注意：

这些都只是：

可能原因。

在没有证据之前，不能直接认定其中任何一个是真的。

只有原因进一步得到确认以后，才能判断：

应该调整流程、补资料、重新明确接口，还是采取其他动作。

所以：

看到现象，不等于已经知道原因；想到原因，也不等于已经找到解决方案。

---

3. GPT最有价值的，不一定是“告诉你原因”

当事实不足时，可以让GPT帮助我们做另一件更有价值的事情：

提出几个原因假设，并告诉我们每个假设需要什么证据才能验证。

例如：

假设一项工作延期。

GPT可以整理成：

需要验证：

• 开始任务时所需资料是否齐全；
• 是否存在等待补充资料的记录。

需要验证：

• 每一步由谁负责是否明确；
• 是否出现过互相等待的情况。

需要验证：

• 每个环节实际需要多长时间；
• 原计划是否考虑了必要等待时间。

这时候GPT没有替你“认定原因”。

但是它帮助你把：

接下来应该查什么

想清楚了。

这就是AI解决问题时非常有价值的作用。

---

4. 解决问题，可以先找一个“小验证”

有时候我们一看到问题，就想马上：

• 改流程；
• 调人员；
• 增加管理要求；
• 重新安排资源。

但如果真正原因还没有确认，这些动作可能：

• 没解决问题；
• 增加新的成本；
• 甚至带来新的问题。

更好的方式是先问：

有没有一个风险较小的动作，可以先验证我的判断？

例如：

如果怀疑任务延期是因为信息传递不完整，

可以先检查最近几次任务中：

• 是否缺少关键输入；
• 缺少的信息出现在什么环节；
• 是否真的因此产生等待。

先获得新的事实，再决定是否需要更大的调整。

所以可以让GPT帮助：

比较几个解决方向，并优先提出一个可以低风险验证的下一步。

---

5. “目前还不能判断”也是一个好答案

如果GPT分析以后告诉你：

目前资料不足，无法判断真正原因。

这不是失败。

有时候这恰恰是更负责任的回答。

它应该继续告诉你：

• 还缺哪些信息；
• 哪些假设需要验证；
• 下一步应该先确认什么。

真正危险的是：

资料不够，但AI仍然给出一个非常确定的原因。

因此使用GPT解决问题时，要允许它说：

目前不能判断。

---

三、一个今朝工作案例

假设教学场景：一项内部协作任务连续出现延期

以下为假设教学场景，不对应今朝任何真实员工、部门、客户、项目或数据。

假设一项需要多人协作完成的内部工作，最近几次都没有按照原计划完成。

目前能够确认的信息只有：

• 任务确实出现延期；
• 中间涉及多个协作环节；
• 部分信息在传递过程中不完整；
• 目前还不能确认真正原因；
• 负责人希望先判断下一步应该查什么。

---

第一种方式：直接问GPT“为什么”

员工输入：

这项工作为什么总是延期？请告诉我怎么解决。

GPT可能回答：

主要原因可能是责任不清、沟通不到位、员工执行力不足和流程设计不合理。建议明确责任、加强沟通、优化流程并加强监督。

听起来很完整。

但仔细看：

这些原因有证据吗？

目前没有。

尤其是：

“员工执行力不足”

如果没有事实支持，就不能被当成真实原因。

---

第二种方式：让GPT先帮助梳理问题

可以这样输入：

我正在处理一项内部协作任务延期的问题。

已经确认的事实：

• 任务没有按原计划完成；
• 中间涉及多个协作环节；
• 部分信息传递不完整。

当前影响：

• 后续相关工作受到影响。

目前还不能确认：

• 延期真正发生在哪个环节；
• 信息不完整是否就是主要原因；
• 是否还有其他影响因素。

我的目标是先找到最值得核实的问题，而不是直接认定责任。

请：

1. 重新整理目前的问题；
2. 列出几个可能原因，但只能作为假设；
3. 说明每个假设需要什么事实才能验证；
4. 列出当前还缺少的信息；
5. 提出几个可能的解决方向；
6. 说明各方向需要满足的条件和主要风险；
7. 建议一个风险较低、适合先验证的下一步。

不要认定人员责任，不要补充没有依据的事实。

这样GPT可能首先告诉员工：

已确认事实

• 任务延期；
• 涉及多个协作环节；
• 已知存在部分信息传递不完整。

可能原因假设

假设1：前置信息不完整影响后续工作。

需要验证：

• 缺少了哪些信息；
• 信息缺失发生在哪一步；
• 后续人员是否因此等待。

假设2：环节之间的责任或接口不够清楚。

需要验证：

• 各环节责任是否明确；
• 是否存在重复确认或互相等待。

假设3：原有时间安排与实际工作量不匹配。

需要验证：

• 各环节实际耗时；
• 原计划是否预留必要等待时间。

待确认事项

• 延期具体发生在哪些环节；
• 哪些信息缺失；
• 缺失信息是否真正造成延期。

建议先验证

先选最近一次延期任务，按工作环节复盘时间和信息流转情况，找出第一次出现等待或中断的位置。

这里GPT并没有直接告诉我们：

“原因就是沟通不好。”

而是帮助我们：

从猜原因，转向查证据。

这才更接近真正的问题解决。

---

四、今日实践任务

5—10分钟练习

选择一个本人正在处理、本人有权讨论且不涉及敏感信息的小问题。

例如：

• 一项工作一直没有进展；
• 一份资料反复修改；
• 一个协作事项经常延误；
• 某个简单流程经常需要返工。

第一步：先写出原来的问题

例如：

这项工作一直没有进展，帮我想办法。

第二步：补充真实信息

可以直接复制并填写：

我现在遇到的问题是：【填写】

已确认发生的事实：【填写】

当前造成的影响：【填写】

我希望达到的结果：【填写】

已经尝试过的办法：【填写】

当前限制条件：【填写】

目前还不知道或没有确认的信息：【填写】

请不要直接认定原因。

请帮我整理：

1. 问题描述；
2. 已确认事实；
3. 可能原因假设；
4. 每个假设需要什么信息验证；
5. 当前信息缺口；
6. 可选解决方向；
7. 各方向需要的条件和主要风险；
8. 最适合先验证的一个小步骤。

没有依据的内容不要写成事实，也不要替我认定人员责任或作最终决定。

第三步：重点检查“原因”

看看GPT提出的每个原因：

问自己：

有证据吗？

如果没有：

就只能保留为：

可能原因。

第四步：选择一个小验证

不要马上执行最大的解决方案。

先找一个：

• 容易做；
• 风险较低；
• 能增加新信息；

的下一步。

今天练习真正要形成的习惯是：

遇到问题时，不急着问AI要答案，先让它帮我们把假设和需要验证的信息整理清楚。

---

五、今朝智能体连接

现在员工使用普通GPT帮助解决问题时，需要主动提供：

• 问题背景；
• 已确认事实；
• 当前影响；
• 期望目标；
• 已尝试动作；
• 限制条件；
• 未知信息。

未来今朝岗位智能体在授权范围内，可能进一步连接：

• 企业知识；
• 岗位职责；
• 工作标准；
• 业务流程；
• 合规授权的历史资料；
• 项目和任务状态；
• 经营数据。

这样智能体可以进一步帮助员工：

发现异常或问题信号

↓

整理已有事实

↓

提出原因假设

↓

检查证据缺口

↓

比较解决方向

↓

提出下一步验证动作

↓

由员工或负责人判断

例如：

未来某个业务智能体发现一项任务长期没有推进时，可以帮助提醒：

• 哪些事实已经明确；
• 哪些地方缺少信息；
• 可能需要核实哪些原因；
• 下一步应该先问什么问题。

但智能体仍然不能自行：

• 认定真实原因；
• 判断人员责任；
• 决定业务优先级；
• 批准资源投入；
• 作出客户承诺；
• 形成重大经营决策；
• 自动执行未经确认的解决方案。

核心原则：

AI帮助发现问题、整理证据和提出选项，人负责核实原因、作出判断并承担决策责任。

---

六、今日思考

我们在工作中遇到问题时，经常会问：

“到底是谁的问题？”
“到底是什么原因？”
“应该马上怎么解决？”

但很多时候，我们手里的事实其实还不够。

这个时候AI最好的作用，不一定是马上给你一个答案。

而是帮助你问清：

我现在到底知道什么？我只是怀疑什么？还缺什么证据？下一步先验证什么？

请想一想：

你目前有没有一个工作问题，真正缺的可能不是“解决办法”，而是：

对问题和原因更清楚的认识？

---