先問你一個問題
你上次的異地策略會議，團隊準備了好幾個星期，飛來飛去、訂會議室、請引導人，兩天討論下來，最後拿到幾個策略選項？三個？四個？
再問自己一次：是真的只有三個好選項，還是團隊的腦力只夠評估三個？
對大多數企業來說，誠實的答案是後者。哈佛商業評論九月號有篇文章把這件事講得很清楚：策略決策的瓶頸從來不是缺少可能的方向，而是人類能投入這項工作的心理量能非常有限。學者叫它「有限理性」——注意力、記憶力、處理能力就這麼多，時間壓力一來就得做決定。SWOT 為什麼剛好四象限？BCG 矩陣為什麼是 2×2？波特的五力為什麼是五？不是世界簡單到能用幾個框框裝完，是人類團隊必須在幾小時內把它們畫上白板。
過去這是無解的。現在不是。
過去半年，榕耀把 AI 協作放進我們自己的戰略規劃專案裡，走完一條從事實到治理的完整路徑。這篇文章分享我們的做法——不是理論，是我們在客戶現場實際跑過的流程、踩過的坑，和四個真實案例。
動工之前，先想清楚四件事
在講任何工具之前，我們先挑戰四件「策略規劃行業的常識」。想清楚這四點，才知道 AI 該放在哪裡、不該放在哪裡。
第一，一年已經足夠，三年計畫可能是負擔。 AI 與地緣政治的雙重衝擊下，變化速度不是線性的。現在商業環境大概三倍速，一年等於以前三年。做三年計畫，不是因為三年正確，是大家習慣了這樣做。
第二，這是共識場域，不是策略發表會。 會議成敗很大程度取決於成員投入度，以及高層對話的空間夠不夠開放。與其說是「策略營」，不如說是團隊共識的場域——只是用「策略」當共同語言。要營造的是對話空間和衝突的展現，這才是策略會議真正的設計課題。
第三，策略要留在高層手中，不能全部 KPI 化。 KPI 是管理工具，不是戰略工具。一旦全部 KPI 化，高層就不用對「整體」負責了。策略會議千萬不要淪為 KPI 的 Review 會議——那不叫策略，那叫績效管理。
第四，粉飾太平，是策略最危險的敵人。 風險評估經常在會議中被美化。不是主管不知道風險，是在缺乏心理安全感的組織裡，說壞消息要付代價。好的策略規劃，應該讓高層離開會議室時比進來時更擔心，而不是更放心。
四階段：AI 協作怎麼跑
階段一：研究診斷——產出結構化事實清單
專案的地基。透過訪談、部門報告、財務資料，整理成一份各方都認可的 Fact Sheet，標示「已驗證」與「待確認」的分界。AI 在這裡做兩件事：大量文件交叉比對、標準化 Fact Sheet 生成。
案例：化工材料廠的年度策略會議。 業務部主推 A 產品線，理由是客戶接受度高、成長率好；但財務的損益表顯示，A 線毛利率三年內從 22% 掉到 13%，而且倉儲與退貨成本被歸在「其他」，沒有分攤下去。把兩份文件丟給 AI 交叉比對，它指出雙方對「主力產品」的定義根本不同：業務看營收成長率，財務看毛利貢獻。把未分攤成本攤回去之後，A 線的真實貢獻接近打平——策略主軸當場被重新討論。
年度策略最怕的不是選錯方向，是兩個部門用不同的計算基礎講同一條產品線。這種落差開會問不出來，因為雙方在自己的邏輯裡都是對的，只能靠文件交叉比對。
階段二：共識凝聚——設計策略聚焦工作坊
沒有共識的戰略，落地都會遇到阻力。通常兩場會議：第一場建立初步共識，第二場收斂為定案。AI 協助生成討論架構與主持手冊，並把現場筆記依「決議／待釐清／負責人／時程」即時結構化，當天出正式紀錄。
案例：連鎖餐飲的展店速度僵局。 營運總監要一年開 12 家，財務長認為現金流只撐得住 6 家，兩人來回三輪，其他六位主管全程沉默。我們請 AI 設計「立場對調」環節——不是讓兩邊各自簡報，而是要求營運總監說明「6 家版本會失去什麼」、財務長說明「12 家版本需要補多少資金」。問題換個方向問，原本沉默的採購與人資主動補上關鍵事實：中央廚房產能上限是 8 家、店長培訓週期是 4 個月。真正的限制條件浮出來，最後收斂在 7 家。
共識不是投票投出來的，是把彼此的限制條件攤開來之後，自然收斂出來的。
階段三：戰略定案——壓力測試與排序
共識不等於正確。這個階段要評估資源需求、執行風險、依賴關係，對發散方向提出收斂建議。AI 做兩件事：跨戰略依賴關係梳理，以及 Red Team 反向觀點生成。
案例：金屬加工廠老闆想同時推三個新事業——自有品牌、跨境電商、代工升級。每一個單獨聽都說得通，顧問一時也說不出反對的理由，只覺得哪裡不對。我們要求 AI 扮演「持懷疑態度的董事」，對三個方向各提出最尖銳的質疑。它指出：自有品牌需要通路能力、電商需要流量能力、代工升級需要製程能力——這是三種完全不同的組織肌肉，同時養三種，等於三種都養不起來。這句話後來成為高層會議上做取捨的關鍵論述。
AI 的價值不在比顧問聰明，在於它不用顧慮人情。顧問心裡有數但不好意思直說的話，先讓 AI 講出來，顧問再判斷該不該用、怎麼用。
階段四：治理交付——讓戰略活過第一季
終點不是報告，是持續使用的治理機制。建立月度、季度、年度三層節奏，明訂主持人、產出物與升級條件。AI 協助把治理框架模板化，並同步產出 Word／PPT／HTML 多格式交付。
案例：連鎖零售的戰略預算只動用了兩成。 年初共識營定了三個戰略方向，到第三季校準會議發現預算只動用兩成——資源全被日常營運吃掉。我們用 AI 設計治理機制，寫死兩條規則：戰略項目預算動用率連續兩季低於五成，自動升級為高層議題；年度策略目標的任何下修，必須經正式決議並記錄理由。數字攤上檯面後，高層才發現問題不是執行不力，是根本沒人負責保護戰略資源——當季就指定了專責預算池。
策略最常見的死法不是被否決，是被稀釋。沒有人反對它，只是每一季都排在日常營運後面。治理機制要防的不是「做錯」，是「悄悄不做」。
AI 在四個階段裡扮演的角色
回過頭看，AI 在整個流程裡的角色可以歸納成四種：放大者（把數小時的彙整壓縮到數分鐘）、架構師（把雜亂素材轉成一致框架）、壓力測試者（扮演懷疑論者找出邏輯漏洞）、規模化者（同一套內容快速轉換多種格式）。
接到新專案時，先想這個環節需要哪一種角色，比直接開始問 AI 重要。
為什麼我們敢這樣用：與 HBR 的互證
這套做法不是我們憑空發明的。HBR 九月號那篇文章（密西根大學教授 Felipe Csaszar 的研究）用實驗證明：在資深投資人眼中，LLM 生成的商業計畫評等已經超越真人創業家的提案；AI 評估商業計畫的結果，也比個別投資人更貼近評審團的平均判斷。文章主張 AI 能鬆綁策略決策的三大認知任務——搜尋選項、建立環境表徵、整合多方判斷——而我們在客戶現場跑的四個階段，剛好一一對應。
更有意思的是分工原則：HBR 說「AI 負責擴大搜尋範圍，人類負責最後的決選」，我們的心法是「AI 負責找出所有質疑，顧問負責判斷哪些值得提出」。學術界與實務界在同一個原則上交會，這不是巧合，是這項技術的內在邏輯。
給台灣企業的三個起點
如果你也想把 AI 放進策略流程，不需要從頭建一套系統。三個成本最低的起點：
一，做重大決策前，先讓 AI 生成一份比團隊平常考慮的大十倍的選項清單。 再把判斷力花在最後的決選上。
二，選一個你最倚重的策略表徵——顧客區隔、競爭定位或需求預測——把它從定期更新的文件，升級成會隨情勢變化的動態模型。 目標不是更好的資訊，是看見目前模型顯示不出來的機會與風險。
三，把結構化的挑戰變成制度。 指派一個 AI 代理為計畫提出最有力的論點，一個提出批評，一個模擬競爭對手或監管機構的反應。不要讓異議成為偶然，要把它設計到流程裡。
台灣企業的問題，多數時候不是沒有策略，是策略會議的產出被認知上限綁架。AI 不會取代顧問的判斷，但它會放大顧問能照顧到的細節密度——也會放大你的策略團隊能探索的世界。
*如果你對這套方法論感興趣，或想把它帶進你下一次的策略會議，歡迎聯絡榕耀管顧。*