Day3-專案啟動 – 當AI遇見真實業務需求（中）
昨天我們看到了Claude如何協助我快速產出需求分析和prototype，那種「哇，原來可以這樣」的驚喜感還歷歷在目。但身為一個理性的工程師，我心中冒出了一個念頭：「如果換成ChatGPT，會產出什麼樣的結果呢？」
於是，我決定做一個簡單的實驗。
AI工具的實戰比較：Claude vs ChatGPT
我用完全相同的prompt，分別餵給Claude和ChatGPT，想看看會得到什麼不同的結果。
ChatGPT的產出特色
ChatGPT產出的內容確實很詳細，但明顯偏向工程化的思維：
- 技術架構描述得很清楚
- 資料庫結構規劃很完整
- API設計邏輯性強
但缺少了一些重要元素：
- UI/UX的設計思維較弱
- 使用者體驗的考量不夠深入
- 畫面呈現的想像力有限
Claude的優勢
相較之下，昨天Claude的產出：
- 更注重使用者體驗
- UI設計概念更完整
- 對業務流程的理解更貼近實際需求
當然，這也可能是因為我的prompt設計還不夠精準。要讓ChatGPT產出更好的結果，可能需要更詳細的指引和更多輪的調教。
團隊的驚喜反應
將兩個版本的分析結果分享給團隊後，大家的反應出乎我的意料。
「原來AI可以做到這麼完整？」
這是最常聽到的驚嘆聲。團隊成員們從最初的半信半疑，逐漸轉向認真考慮的態度。原本對AI只是觀望的態度以及覺得他的妄想過多的狀態，逐漸變成「AI的時代來臨了」。
現實check：AI不是萬能鑰匙
但是，興奮歸興奮，我們並沒有一股腦地就請Claude幫我們生出完整的prototype。
為什麼？
因為我們清楚知道，AI可以做這件事，但整個專案啟動程序中最重要的規劃步驟，不會因為有了AI就不需要做了。
Claude給了我們一個很棒的起點，但真正的挑戰才剛開始。
專案啟動的混合策略
經過討論，我們開始規劃一個結合AI輔助與人工執行的混合策略：
需求收集階段
AI可以協助的部分：
- 快速brainstorming可能的需求點
- 將散亂的需求進行結構化整理
- 檢查是否遺漏重要功能
人工必須執行的部分：
- 與業務夥伴進行訪談
- 了解真實的業務痛點
- 判斷需求的優先級和急迫性
規劃設計階段
AI可以協助的部分：
- 任務分解和工作項目列舉
- 提供時程估算的參考依據
- 列出潛在風險和注意事項
人工必須執行的部分：
- 評估團隊資源和能力
- 進行跨部門協調溝通
- 做出實際可行性的最終判斷
落地訪談階段
AI可以協助的部分：
- 設計訪談大綱和問題清單
- 提供訪談技巧建議
- 協助整理訪談記錄
人工必須執行的部分：
- 實際進行使用者訪談
- 挖掘隱藏的需求細節
- 理解特殊情境和例外狀況
執行開發階段
AI可以協助的部分：
- 生成基礎程式碼架構
- 撰寫技術文件
- 設計測試案例
人工必須執行的部分：
- 關鍵決策的判斷
- 品質把關和code review
- 使用者體驗的細節優化
那些「討論沒有少」的細節
整個規劃過程中，團隊內部有了些實驗與調整，主要集中在幾個議題：
1. AI工具的可信度問題
- 「AI產出的內容真的可靠嗎？」
- 「我們要如何驗證AI的建議是否合理？」
- 「萬一AI給了錯誤的方向怎麼辦？」
2. 工作流程的調整
- 「導入AI後，我們原有的工作方式要怎麼調整？」
- 「誰來負責與AI協作？」
- 「如何確保AI輔助不會降低品質？」
3. 學習成本的考量
- 「團隊成員都需要學會使用AI工具嗎？」
- 「不同的AI工具需要不同的prompt技巧，這會增加學習負擔嗎？」
Prompt工程的重要性
這次的比較實驗讓我深刻體會到，同樣的需求，不同的AI工具需要不同的溝通方式。
Claude似乎更善於理解使用者體驗和介面設計，而ChatGPT在技術架構方面表現更強。但這也可能是因為我的prompt還不夠精準。
小結：AI時代的專案管理新思維
通過這次的經驗，得到了幾個重要的觀念：
- AI是強大的助手，但不是萬能的替代品
- 不同AI工具有不同的專長，要善用各自的優勢
- 人機協作需要新的工作流程和管理方式
- 團隊對AI的接受度會影響專案的成功