小敏寫好追加 30% 廣告預算的提案，把全文貼進對話框，末尾順手加了一句：「我覺得滿完整的，幫我看看。」AI 很快回覆：「方向明確，創意具吸引力。」她接著追問：目標客群的人數，撐得起多花三成的預算嗎？AI 列出 3 項理由，條理分明，她看完鬆了一口氣。
但逐條對照提案，小敏才發現，AI 列出的 3 項理由只是把她原本的說法換成更漂亮的文字。多花三成預算，效益怎麼驗證？目標客群到底有多少人？這些關鍵問題，AI 都沒有進一步追問。
為什麼會這樣？當提問先透露「我覺得滿完整的」，AI 可能更容易順著這個期待給出肯定回覆。想讓 AI 指出提案缺口，光問「幫我看看」不夠；可以依序設下 3 道關卡，讓它按資料檢視、評分，再從不同角色提出質疑。
第一關：提問語氣中立，才問得出缺點
小敏一開始就說「我覺得蠻完整的」，AI 容易順著這個方向回答。提案和背景資料還是要提供，只要拿掉這句預設答案，再交代公司目標、預算和時程，讓 AI 有足夠資訊檢視提案，同時在指令裡寫明評估規則：
第二關：先訂好扣分標準，再請 AI 打分
問法中立後，AI 可能指出缺點，但也可能只說「建議加強數據佐證」這類通用意見。要讓評估更具體，可以先訂好評分標準，再請 AI 逐項檢視。標準可以自己訂，也可以請 AI 先擬一版，確認合理後再評分。
以行銷提案為例，可以先決定 5 個評分項目與配分：目標契合 30 分、數據佐證 25 分、財務回報 20 分、執行可行性 15 分、風險備案 10 分，接著訂出每個項目「做到什麼程度給幾分」。
以下以滿分 25 分的數據佐證為例，實際配分可依業務調整：
附有去年的轉換率，並規劃了測試：25 分
只有去年的轉換率：15 分
全憑口頭估計：0 分
小敏的提案只附了去年的轉換率，因此這一項可給 15 分，缺少的是測試規劃。訂好給分規則後，再要求 AI 先引用提案原句，接著說明得分理由與待補資料，最後才加總。例如：
引用：「去年活動轉換率為 2.1%，預期加碼後維持相同水準。」
得分：數據佐證 15 分（滿分 25 分）。
原因：只有去年數字，未說明預算增加三成後是否仍能維持。
待補：小規模測試計畫，或近 3 次活動的轉換率變化。
AI 的評分仍帶有主觀成分，同一份提案重跑，分數可能差幾分；把它當成找缺漏的參考即可，不必視為精確數字。
第三關：角色壓力測試，補上評分標準漏掉的問題
假設小敏的提案在財務評分拿了高分，其他部門仍可能從不同角度提出問題。營運主管可能追問：「預算追加後如果訂單爆量，現有的倉儲物流和客服人力處理得過來嗎？」評分標準未必涵蓋這類跨部門的實務問題，因此可以再請 AI 扮演不同角色，替提案做壓力測試：
換成財務主管，還可以追問：「多花三成預算後，每一塊錢換到的成果還能和去年一樣嗎？」透過不同角色的提問，小敏能先演練跨部門可能提出的問題，分辨哪些已有答案、哪些還缺資料。
不過，AI 不知道公司實際的人力與處理量，提出的問題仍可能很通用。提供客服人數、每日出貨上限或過往大型促銷的處理狀況，質疑才會更貼近實際。
企劃審查完整指令，一鍵複製即用
把 3 道關卡合在一起，就能取代原本那句「我覺得滿完整，幫我看看」。先貼上背景資料與提案，並將提示詞中的方括號替換成自己的資料；AI 會擬出評分規則，確認或修改後，再讓它評分並提出角色質疑。
從問一句話，到建立一套審查流程
拿到 AI 的審查結果後，先補上會影響核准的缺漏，例如小敏提案中缺少的測試規劃。分數只是參考，真正要處理的是清單列出的問題。有些問題在提案送出前還無法確認，例如追加預算後客群是否會買單，就可以註明「追加預算後的客群反應尚待驗證」，並列出測試方式和檢視結果的時間。
這套審查方法也能用在其他工作，但每種任務需要準備的資料和檢查方式都不同，光靠一份提示詞不容易應付。經理人商管 LAB 推出【2026 AI Prompt 全攻略】線上課程，帶你依工作情境設計指令，讓 AI 更準確地理解任務、檢查成果並協助推進專案：
1. 精準交辦、不必碰運氣： 學會撰寫標準化的任務交辦文件，補足業務背景與核心目的，讓 AI 掌握專案重點。
2. 嚴格驗收，擺脫討好模式： 建立評估標準與驗收流程，減少空泛讚美，讓 AI 提出有助決策的建議。
3. 掌控全貌，高效拆解複雜專案： 面對多步驟或跨部門任務，學會將工作拆解為清晰流程，劃分人機權責，順暢推進專案進度。
