前幾天在準備一場企業以AI驅動的業務提案與談判內訓，在先…
前幾天在準備一場企業以AI驅動的業務提案與談判內訓，在先前的對焦會議上，一位主管提到他的擔心，他們內部做了一隻 AI 談判教練，無奈地說：「這系統只會一直稱讚我們的業務新人，連客戶要求降價 30%，它都說『這個提議很有建設性』。」這句話點出了多數企業導入 AI 訓練時的真實痛點。大家習慣把產品型錄和談判技巧的 PDF 丟給大型語言模型，期待它自動化身為嚴格的教練。實情呢？缺乏邊界與流程定義的 AI，最終會變成一個毫無原則的拍馬屁機器人。
B2B 業務談判牽涉到多方利害關係人、冗長的驗證歷程與複雜的商務條件。為了解決這個困境，我們在設計商務談判系統架構時，得放棄了單一全能 AI 的迷思。我認為，要打造具備真實商業壓力的模擬訓練，必須導入「角色（Role，簡稱 R）」與「產物（Artifact，簡稱 A）」的雙軌協作設計。這套架構的核心精神在於，AI 代理人必須負責讀寫標準化的文件，並依照嚴格的順序傳遞資訊。
我們先看「產物（A）」的設計。我們將業務推進的歷程，拆解為八個標準化的文件（A1 到 A8）。每一次的對話與判斷，都必須白紙黑字寫入這些產物中。系統一開始會產出 A1（案件起始評估表），確認客戶的表面需求與已知事實；接著產出 A2（證據對照表），要求所有的判斷都必須附上依據。後續更包含 A3（利害關係人卡）與 A4（顧客歷程圖）。這種設計的最大優勢，是讓所有的商業推論變得可檢驗。當業務人員宣稱客戶有高度意願時，系統能立刻從 A2 檢查這個結論究竟擁有確鑿的證據，還是僅屬於業務的個人推測。
有了標準文件，我們接著設計了八個獨立運作的 AI「角色（R）」。這些角色各自擁有極度明確的任務邊界。以初始階段為例，R1（客戶需求辨識師）負責透過提問釐清現況並草擬 A1 與 A2。緊接著，我們刻意安排了 R2（反證稽核員）進場。R2 的任務專門負責挑毛病，它會嚴格審視 R1 產出的文件，指出邏輯漏洞，甚至在遇到不確定的公司近況時，主動觸發網頁搜尋來查證事實。
確保基礎資訊無誤後，系統才會放行，讓 R3（利害關係人描…
確保基礎資訊無誤後，系統才會放行，讓 R3（利害關係人描圖師）與 R4（顧客歷程建構師）接手，拆解出買方內部的決策結構。接著，R5（拜訪與行程規劃師）與 R6（提案架構師）會根據上述資料產出具體的行動草稿。直到所有的資訊底座都穩固了，最後才由 R7（談判模擬器）扮演各種刁鑽的採購或技術主管進行多回合對話，並交由 R8（復盤裁判）給出客觀的評分。
將龐大的商業任務拆解為多節點的架構，本質上就是在數位空間裡繪製一張新的組織分工圖。第一版實際運行的結果印證了我的判斷：雖然偶爾仍會遇到 AI 代理（Agents）越界發言的幻覺問題，但整體而言，這確實大幅降低了邏輯前後不一的致命傷。說白了，這種分工防呆的機制，遠比盲目期待一個「全能超級 AI」來包山包海擔任教練，要務實得多。
實做到這個階段，我有一個清晰的猜想：只要企業願意投入心力建構這套多代理體系，它最終將成為組織內部的「能力最低標準」。
回到我們這套業務提案與談判的訓練流程來看。過去，依賴個案討論來帶來啟發，或是透過產物坊進行工具操作；但問題在於，這種學習往往缺乏即時的壓力與客觀的檢驗。現在，如果一位業務在這套模擬訓練中過不了關，就直接意味著他連最基礎的判斷與應對能力都有明顯問題。這套流程一旦能順利運作，它就不只是一項單純的數位訓練，更是形成了一道新的能力檢核門檻。