生成式 AI 的出現，讓這種方法邁入全新階段。AI 不僅能快速整理宏觀與產業數據，更可依企業特性建立專屬分析模型，充當一位「虛擬首席經濟學家」。透過科學化的 Prompt 設計，企業得以以數據為本、由外而內地洞察未來趨勢，讓預測不再只是猜測，而是可被驗證的科學推論。
文／陳泳睿（新呈工業董事長）
又是新的一年，經營公司的老闆或是銷售業務最關心就是明年景氣，特別是行業經濟，各式各樣的媒體眾說紛紜，每一家都是權威，到底要怎麼預測呢？
企業預測景氣有幾種方式：
- 經驗總結法：憑藉經營者累積多年的經驗得到，透過訂單趨勢、客戶訪談、外部訊息以及多年腦袋裡的體會得出一個數字。
- 外部訊息法：從某位高權重專家得到一重要數據，有些還會再加上自己分析或合理化後產出一數字，這方法看似牢靠，但是只聽從某一專家，似乎又有蠻大風險。
- 激勵將士法：鯰魚理論產出一個看似達不太到又好像可以努力一下的數字。
- 專業引導法：外部專業團隊期刊的資訊作為基底，訂定出未來營業收入的推測而訂定。
客觀來說，第四種專業引導法是最為準確和科學的。中小型企業對於來年的計畫，絕大多數以前四項方式為基礎，最常用、但也最困難的正是第四項。困難之處在於，同仁必須去網際網路搜尋資訊，隨後進行資料清洗、判斷與理解，往往曠日費時，無法因應現在社會的快速變化。
然而，現在有了生成式 AI，它能協助我們快速搜尋、整理資料，並根據行業特性提出中肯的預測建議。這將徹底升級我們的專業引導法。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 LinkedIn，與全球CIO同步獲取精華見解 ]
Prompt 內容原理，以及 Prompt 執行過程會需要的資訊內容、如何操作
我們將一個複雜的「經濟學家與數據分析師」角色賦予給生成式 AI，並將整個業績預測流程拆解為四個連貫的步驟（ Prompt），確保 AI 能從宏觀到微觀，從歷史到未來，全面地進行分析和預測。
Prompt 內容原理：數據驅動與由外而內
這個Prompt 的核心原理是「數據驅動」與「由外而內」的分析邏輯，這正是科學預測的精髓：
● 第一步：獲取歷史基礎
▲ 目標：建立公司自身歷史業績（因變量）的基準線，同時確立公司所處的產業位置（外部環境）。
▲ 原理：預測總是建立在歷史數據上。產業類別編碼是連結公司與宏觀經濟數據的關鍵橋樑。
● 第二步：宏觀景氣驗證
▲ 目標：判斷公司業績與總體經濟環境的相關性。
▲ 原理：製造業採購經理人指數（ PMI）是領先/同步指標，代表企業對未來景氣的信心和生產活動，是判斷大盤景氣的公認指標。比較兩者趨勢，能解釋部分業績波動是否為總體經濟所致。
● 第三步：產業景氣驗證
▲ 目標：判斷公司業績與特定產業環境的相關性。
▲ 原理：工業生產指數代表該產業的實際生產動能。公司業績應與自身所屬產業的興衰高度相關。這一步能濾除總體經濟的雜訊，聚焦在行業特徵。
● 第四步：未來趨勢模型
▲ 目標：整合歷史數據與全球權威機構預測，建立時間序列模型，推導未來業績。
▲ 原理：採用時間序列分析法（如 ARIMA）將公司業績、PMI、產業指數等變量，結合國際機構的前瞻性預測數據（如 GDP、通膨預測），進行數學建模，從而得出科學的預測值。這一步是將「專業引導法」數據化、科學化的關鍵。
[ 推薦閱讀：以提示工程生成策略執行戰術 ]
Prompt 執行過程所需資訊內容與操作
要成功執行這套 Prompt 流程，你需要事先準備好以下資訊並依步驟操作：
● 步驟一：資訊準備
● 步驟二與三：數據比對（由 AI 執行）
這兩個步驟是 AI 利用其工具能力（如網頁檢索、數據處理、圖表生成）進行的數據拉取與視覺化。
● 步驟四：預測生成（由 AI 執行）
這是最複雜也是最關鍵的一步，AI 將扮演數據分析師的角色。
總結
透過這套 Prompt，企業不再需要曠日費時地搜尋海量資訊，也不必依賴單一專家的意見。生成式 AI 將扮演一個全天候運作的「虛擬首席經濟學家」，以標準化、數據化的方式，將企業業績與全球景氣、行業動能相連結，大幅提升業績預測的效率與科學性，讓專業引導法真正為中小企業所用。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
