🧠
第二大腦
💼顧問專案2026-08-30

AI落地顧問輔導服務_決策摘要

AI 落地顧問輔導服務 — 決策摘要

> 整理日期:2026.06.29 / 對應文件:AI_Training_Framework_v1.2.html > 來源:CJ哥與 Gemini 協作產出


結論

在 L1–L3 課程之後新增「顧問輔導服務」作為第六階段,已整合進架構總覽 HTML。Claude+MCP 技術建置列為現行可售模組,改放進獨立的「未來藍圖」附錄,附明確啟動條件。


任務起點

參考使用者提供的「Claude Team + MCP 企業建置提案書」,在課程體系後延伸出一個訓練後的顧問輔導服務。

三個關鍵決策(已確認)

| 決策點 | 結論 | |---|---| | 放在哪裡 | 整合進架構總覽 HTML,做為第六階段(訓練後顧問輔導) | | 借鏡程度 | 保留 Claude+MCP 技術建置,當作輔導服務裡的模組 | | 產業版本 | 製造業/服務業各一版,延續框架共用、情境各異原則 |

架構變動(v1.2)

  • Pipeline 五階段 → 六階段
  • 新增 Section 05|顧問輔導服務(Tier A):製造/服務各一版,內容含定期複盤、跨部門陪跑、主管示範文化、SOP 迭代輔導
  • 交付物總表、產業差異對照表同步補上對應行
  • 70-20-10 視覺化加入「顧問陪跑」字樣,呼應理論基礎
  • 後續調整:MCP 降級為未來藍圖

    問題:MCP 技術建置一旦正式列為可售模組,CJ哥的角色會從顧問變成系統整合商——工作型態的改變,不只是多一個服務項目。

    處理:移至獨立的 Section 07|未來藍圖(暫緩開發),標示「概念階段/非現行服務/不對外報價」,附啟動條件:

  • 至少 2–3 個 Tier A 客戶完成一輪試點,SOP 已寫到「規則具體到 AI 能判斷」的程度
  • 有客戶主動問起自動化稽核,而非主動推銷
  • 設計問題與修正

    問題:新增的 MCP 架構圖、雙道防線卡片用深色底配淺字,造成「整個 HTML 太暗、看不清楚字」的閱讀問題。

    修正:將 Section 05–07 抽出成獨立預覽檔,深色區塊改為亮色主題(白底深字),等確認後再套回主文件。

    產出檔案

    | 檔案 | 狀態 | |---|---| | AI_Training_Framework_v1.2.html | 主文件,暗色問題尚未同步修正 | | AI_Training_Advisory_Preview.html | Section 05–07 獨立預覽,已修正為亮色 |

    待 CJ 哥決定

  • Tier A 顧問輔導包定價 — 目前留空,未代為填數字
  • 亮色修正是否確認 — 確認後需套回主文件 v1.2,目前主文件仍是暗色版本
  • (備查)未來藍圖的啟動條件是否需要調整

  • 標籤

    #顧問專案 #AI落地 #培訓框架 #輔導服務 #MCP # Claude #製造業 #服務業 #TierA #定價策略

    相關文章

    AI能力評估框架

    --- title: AI能力評估框架 type: project domain: 顧問專案 status: active date: 2026-08-30 updated: 2026-08-30 source: "**" tags: [] ---# AI 能力評估框架(評量工具) > **來源:** 收件匣 → 已歸檔 > **歸檔日期:** 2026-07-28 > **原始檔案:** `A...

    AI落地三部曲

    > 系列文章,2026.06.29 發布於榕耀管顧官網知識庫 --- ## 系列概述 AI 落地三部曲是榕耀管顧的核心原創內容系列,從「為什麼 AI 培訓沒效」出發,拆解組織摩擦力的四種類型,最後給出陪跑 90 天的解法框架。 敘事弧線:共鳴 → 診斷 → 解法 ## 三篇文章 | 部 | 標題 | 核心觀點 | 字數 | 官網連結 | |----|------|---------|-...

    AI落地三部曲_YouTube腳本

    > 三部各 5 分鐘,可獨立發布也可合併為 15 分鐘長片 > 風格:小賀主持,CJ哥觀點輸出,數據大字報 + 場景動畫 --- ## 第一部:AI 落地的三個幻覺(5 分鐘) ### 場景結構 | 時間 | 場景 | 內容 | 視覺 | |------|------|------|------| | 0:00-0:30 | 開場 Hook | 「你的公司上完 AI 培訓,三個月後還在用嗎...

    AI轉型失敗案例與陷阱

    > Gartner 預測 40% 的 agentic AI 專案將在 2027 年前被擱置。失敗原因高度集中。 ## 最常導致失敗的 5 大原因 ### 1. 數據品質不足(佔 35%) - AI model 需要乾淨、標注、即時的 data - 很多公司連數據倉儲都沒有就跳 AI - **教訓**:先花 3-6 個月整治數據 - **案例**:某中型製造業花 500 萬買 AI 平台,結果數...