Consulting Methodology
本次社課邀請到目前於 MBB 擔任 Project Manager 的 Frankie 與社員分享。從他在管理顧問業實際參與過的案子出發，帶大家釐清關於「解決問題」的常見誤會，再細說界定問題、分解議題、優先排序的完整思考路徑，最後針對「當 AI 讓找答案變得便宜，人類如何找到與發揮自己的價值？」提出見解。
三個關於「解決問題」的常見誤會
第一，以為有標準答案可以套用。 每個專案的問題都是獨特的，沒有一套框架可以直接以一擋百。Frankie 建議，首先，需判斷眼前的情況，再根據該情境客製化解決方案。
第二，以為解決問題是只有管顧才適用的技能。解決問題的方法論在任何需要面對複雜、模糊情境的工作裡都適用，例如，在企業內部做專案、在新創決定資源怎麼配置，或只是說服主管採納某個提案。
第三，以為聽懂了就等於學會了。 Frankie 強調，實作才是最重要的。這堂課的重點是訓練思考方式，而不是給大家一套可以背下來的標準流程。他也因此在課程中安排了三段實作練習，讓大家真的動手拆一次。
界定問題：關於這個問題的背景，我們需要知道什麼？
Frankie 提到，拿到一個問題的第一步應該先確認問題。
例如，當老闆說：「營收不好。」 我們應當先思考：是哪一條產品線的營收？和誰比之下不好？狀況持續多久？是量的問題還是價的問題？如果不追問這些細項，後續的分析都可能解了一個錯的題目。
要判斷一個問題有沒有被界定好，Frankie 提供 SMART 原則作為檢查標準：
Specific｜具體：問題的對象與範圍是否明確
Measurable｜可衡量：能不能被量化、被驗證
Actionable｜行動導向：答案出來之後，是否能轉為具體的行動
Relevant｜相關：這個問題是否真的對應到決策者關心的事
Time-effective｜有時限：在什麼時間範圍內要看到結果
在實務上，要取得上述資訊，需仰賴訪談的進行。而訪談的提問方式，將決定對方回答的品質。
如果問的是封閉式問題，對方只會給是或否；但我們真正需要的，是理解受訪者的思考脈絡。因此，提問要拋磚引玉，用開放式問題引導對方說出真實的想法，而不是讓對方只在你預設的選項裡打勾。
課堂練習中，社員被要求針對「速食店如何提升營收」這個題目，寫出一個符合 SMART 的問題，並設計三個釐清用的提問。過程中大家很快就發現，光是把問題寫得夠具體，就比想像中困難得多。
「界定問題，是所有環節裡最重要的一步。前面沒做對，後面做得再漂亮都沒有用。」
拆解議題：這個問題的關鍵要素有哪些？
界定完問題之後，下一步是將其拆開。
Frankie 說明，拆解議題樹的目的是讓每一片葉子都變成能查得到答案的小題目。這樣做有兩個好處，一是問題變得可執行，二是便於團隊分工——當議題樹拆得夠乾淨，團隊裡每個人都清楚自己要負責哪一塊。
先從較不好的拆法認識起：分支之間重疊，導致重複勞動；或者所有分支加起來仍有遺漏，因而漏掉關鍵原因。反過來說，好的議題樹則應該符合下列三項條件：
同層一致：同一層的議題，顆粒度要相同
上下相關：每個分支都要對得回上一層題目裡的關鍵字
整體 MECE：彼此獨立、互無遺漏（Mutually Exclusive, Collectively Exhaustive）
如果完全照上述的原則將議題進行拆解，是非常耗時及耗力的，因此 Frankie 也補充，實務上幾乎不可能做到完全窮盡。真正的工作方式是先廣泛了解議題的全貌，例如善用 AI 大量蒐集資訊，再從眾多議題之中，收斂出真正的關鍵。他認為，這個「收斂」的判斷力，正是顧問價值的所在。
他也提醒一個容易被忽略的順序問題：不要一開始就急著畫樹。應該先大範圍 brainstorm，把想得到的都攤開，再回頭整理，確保顆粒度一致與 MECE
優先排序：哪些議題的答案更重要？
當我們把樹拆完後，會面臨的問題是：這麼多議題，先做哪一個？
Frankie 從 80/20 法則切入：多數的結果，通常來自少數的關鍵因素。因此，排序的目的，即是找出那個「少數」。
他介紹的工具是影響力矩陣：
AI 之後：值錢的是定義問題、判斷與創意
Frankie 觀察到 GenAI 把「找答案」這件事變得非常便宜。過去顧問花大量時間做的資訊蒐集、資料整理、初步分析，現在都能被工具大幅加速。這雖不是壞事，但會改變人的價值。
短時間內還無法被取代的核心能力有三項：
Aspiration｜定義目標：決定要往哪裡去、什麼才值得做
Judgement｜做出判斷：在資訊不完整、選項互相衝突時仍要下決定
Creativity｜提出創意：跨領域地把不相關的東西連起來
其他可以被工具承接的工作，Frankie 建議可以大量使用工具並將省下的時間，投資在只有人能回答的問題上：什麼是對的？什麼最關鍵？
給社員的提醒
試著在每一次專案裡問自己：
哪些議題需要被研究？
哪些資訊需要被整理？
這件事應該找誰來做？
整理完的資訊又該交給誰？
再次感謝 Frankie 這場完整而扎實的分享，從管顧實務案例、方法論的三段拆解，到 AI 時代下的能力配置，讓社員們對「問題解決」這件事有了遠比框架本身更深刻的理解！
