製造廠品質會議前，用 AI 把一週客訴收斂成三個根因假設

週一早上九點的品質會議，你桌上攤著上週二十幾筆客訴：有 LINE 群組轉來的、有業務口頭轉述的、有品保表單填的。你花了半小時把它們唸完一遍，會議就過了大半；等到真正要討論對策，大家已經精神渙散，最後草草決議「再觀察一週」。這是很多製造廠品質主管的日常——校長兼撞鐘，開會前光整理資料就耗盡力氣，會議只剩唸稿。

問題不是客訴太多，是沒被分群

二十筆客訴看起來雜亂，但真正的根因往往只有兩三個。同一個尺寸偏差，可能以「裝不進去」「有縫隙」「客戶退貨」三種說法出現在不同來源。人腦逐筆讀很難把散落的說法歸位，於是會議上大家各講各的案子，找不到共同的脈絡。分群，是讓會議聚焦的第一步。

把「整理」這件雜事交給 AI

2023 年 7 月的 ChatGPT（GPT-3.5 免費版就能做）擅長的正是這件事：把一堆非結構化的文字，依語意歸類、抓出共同模式。你不需要它下最終判斷，只需要它先幫你把二十筆客訴收斂成三到四群，並針對每一群提一個「根因假設」。假設不是結論——它是給會議討論的靶子，讓工程與品保有明確的東西可以反駁或驗證。

會議從「唸客訴」變成「打靶」

當 AI 已經把客訴分成「表面處理不良」「尺寸公差」「包裝運送碰撞」三群，並各附一句根因假設，你的會議開場就從三十分鐘的唸稿，變成三分鐘的「大家看這三個假設，哪個先查？」。品保負責人可以直接調對應批號的檢驗紀錄，產線主管針對某一群回應「那條線上週換過模具」。討論有了共同座標，決議也才具體。

泰國廠的現場眉角

泰國廠客訴常混著泰文、中文、甚至英文縮寫，且來源分散在 LINE、電話轉述、紙本。開會前先請泰籍品保助理把當週客訴整理成一份純文字清單（一筆一行、標上日期與來源），再貼給 AI，效果最好。注意：這時候的 ChatGPT 還不能上傳檔案（Code Interpreter 剛在 7/6 開放，且僅限付費 Plus 用戶），所以免費版就用複製貼上文字的方式做——反而更簡單，不必等權限。分群結果請當草稿，最終根因仍要靠現場檢驗紀錄驗證，AI 給的是假設不是判決。

🔧 AI 動手做：把一週客訴收斂成三個根因假設

把上週客訴整理成純文字（一筆一行），連同下面這段提示詞一起貼進 ChatGPT。它會幫你分群並各提一個可驗證的根因假設，讓你在會議前十分鐘就備妥討論靶子。

你是製造廠品質分析助理。以下是我們上週收到的客訴，每一行一筆，格式為「日期｜來源｜內容」。
請幫我做三件事：
1. 依「可能的共同根因」把這些客訴分成 3 至 4 群，每群給一個簡短群名。
2. 每一群列出屬於它的客訴編號，並用一句話說明為什麼歸在一起。
3. 每一群提出「一個」最可能的根因假設，並附上會議上「該查哪份紀錄或哪條產線」來驗證這個假設。
請強調這是假設、供會議討論，不是結論。若資訊不足以歸類，另列一群「待釐清」。

客訴清單：
（把你的客訴貼在這裡，一行一筆）

本週就能做的一步

下次品質會議前一小時，把上週客訴複製成純文字清單，用上面的提示詞跑一次 ChatGPT，把它給的三個根因假設印出來當會議第一張投影片。你會發現會議不再從唸稿開始，而是直接進入「先查哪一個」。