AI 可以協助整理大量文字，但每個分類都要回得去原始回答；每個比例，都要說清楚分母。
課後問卷裡，有人說內容實用，也有人說實作時間不夠。若只讓 AI 寫「整體反應熱烈，建議增加互動」，HR 很難據此決定下次要改什麼。
這篇用六筆自製的模擬回饋，示範如何從文字分類走到可採取行動的報告。資料不代表任何客戶或課程的真實滿意度。
先保留回答編號，再交給 AI
移除不必要的姓名、電話、電子郵件與公司識別資訊，為每筆回答留下穩定編號。編號讓你能追查分類，避免只剩一份看似合理的摘要。
回答編號,開放式意見
R01,範例很貼近工作，但希望有更多時間自己操作。
R02,工具登入花了一些時間，後面的實作沒跟上。
R03,老師的步驟很清楚，想上資料分析進階課。
R04,回去想試試看會議紀錄，若有操作講義更方便。
R05,希望把練習時間拉長，案例可以再貼近業務工作。
R06,
這份資料共有六列，但只有五筆非空白意見。R06 是未提供開放式意見，不能自動解讀為不滿意，也不應刪掉後假裝全員都回答了。
訂出分類規則，允許一則多個標籤
本例可以先使用：內容清楚、案例適用、增加實作、帳號障礙、進階需求、教材需求。每個標籤要有定義，例如「增加實作」指明確希望增加練習時間；「沒跟上」若原因是登入問題，不要直接等同內容太難。
一則回答可以同時稱讚與提出建議。R01 應同時標示案例適用與增加實作，不能被迫歸成正面或負面其中一類。
請依提供的分類規則整理問卷，不改寫原文。
每則輸出回答編號、原文、標籤、支持標籤的短句與不確定處。
同一則可以多標籤，但同一標籤在同一則最多計一次。
空白另列，不推測情緒或滿意度。
新主題先標「待人工確認」，不要直接重建整套分類。
先核對分類，再計算數量
依上面的示例規則，R01 與 R05 明確要求增加練習時間，因此「增加實作」是兩筆。R02 的主要問題是登入影響參與，不應因為提到實作就一起算進去。
若以五筆非空白意見作分母，增加實作是 2／5；若以六列填答紀錄作分母，則是 2／6。兩種口徑都可以呈現，但必須說明使用哪一種，也不能把這個比例叫作滿意度。
多標籤的合計可能超過人數，因此標籤百分比加總也可能超過 100%。報告應寫清楚「同一則回答可歸入多個主題」。
用原文與反例檢查 AI 是否過度解讀
每個結論至少回看支持它的回答，再查看是否有反例。例如 R03 說步驟清楚，不能因此推論每個人都跟得上，因為 R02 明確提到登入後掉隊。
以下第二輪指令可以協助找出過度推論：
請檢查剛才的摘要。
每個結論列出支持的回答編號，並指出反例或資訊不足之處。
不要由「想上進階課」推論學員已達進階能力。
不要由「回去想試」推論已經在工作中採用。
刪除原文無法支持的成效、情緒或原因。
主管報告要連到改善動作
可以使用以下一頁式結構：
資料範圍：本次有六列紀錄，五筆非空白開放式意見；模擬資料。
觀察一：兩筆明確希望增加練習時間，對應 R01、R05。
建議：下次減少一項工具展示，保留一段完整重做練習。
觀察二：一筆提到登入影響參與，對應 R02。
建議：課前提供帳號檢查，現場準備可替代的模擬材料。
觀察三：分別有人提出進階課與操作講義需求，對應 R03、R04。
建議：另行確認主題與程度，不把意願當成已確定報名。
限制：樣本小，不能推論整個組織的需求比例。
建議是根據觀察提出的方案，不是問卷已證明有效的結論。執行後，下一次再追蹤問題有沒有改善。
如果同時有量化題目
請將滿意度、難度與學習意願分開計算，記錄題目文字、量尺方向與有效回答數。平均分數與推薦比例不是同一個指標，不能因為都能換算百分比就混用。
文字引用也要依使用範圍處理。內部分析保留必要的回查資訊；要放在官網當見證，則應另外確認對外使用授權與表述。
阿峰的建議是把 AI 摘要當成第一輪整理。HR 最重要的工作，是決定哪個問題要優先改善、誰負責，以及下一次如何檢查。
延伸閱讀：人資 AI 工作流程、ChatGPT 分析 Excel。
把這個方法帶回團隊
我是黃敬峰（AI峰哥／阿峰老師），專注企業 AI 實戰培訓。想讓同仁用自己的工作材料練習，可以在 企業 AI 培訓諮詢 說明部門、工作任務與期待成果。
更多方法可看 官網部落格，或 訂閱 AI峰哥電子報。聯絡：ai@autolab.cloud｜電話／LINE：0976-715-102。
會用、懂用、好用、每天用。你是機長，AI 是機組人員。
作者：黃敬峰（AI峰哥／阿峰老師）｜企業 AI 實戰培訓專家。
資料查核：2026 年 9 月 12 日。產品功能、方案與操作介面若有調整，請以文內官方來源及你的帳號畫面為準。