「不是，我不是這個意思。」
開始頻繁使用 AI 之後，很多人應該都有過類似的經驗。請 AI「寫得專業一點」，結果太生硬；要求「自然一點」，又發現不是自己想要的語氣。於是我們開始補充背景、增加條件、提供範例，重新說明自己真正想要的是什麼。
有趣的是，AI 並沒有改變我們原本的溝通問題，反而把一件事放大給我們看：很多時候，不是對方聽不懂，而是我們以為自己已經說清楚了。
「我知道自己在說什麼」≠「對方知道」
這件事在職場裡更常發生。「這份簡報再專業一點」、「這件事盡快處理」、「最近團隊溝通很差」、「他就是很難配合」，每一句話看起來都聽得懂，但仔細拆開，就會發現裡面其實藏著大量沒有說出口的資訊。
「專業」具體是什麼？「盡快」是今天、明天，還是這週？「溝通很差」實際發生了什麼？「難配合」指的是哪一個行為？我們腦中可能已經有完整的畫面、背景與判斷標準，但真正說出口的，往往只是被壓縮過的版本。而這些被省略的資訊，正是許多職場溝通落差的起點。
NLP 後設模式：把語言裡消失的資訊找回來
在 NLP（神經語言程式學）的語言結構中，「後設模式」會特別留意人們在描述經驗時，語言中出現的刪除、概括與扭曲。
例如，「大家都覺得這個方案不好」，可以進一步問：「誰是大家？哪裡不好？」；「他每次都不配合」，可以再確認：「每次是哪些時候？不配合是做了什麼？」；當一個人說「主管根本不信任我」，則可以回到：「發生了什麼，讓你形成這個判斷？」
這些提問不是為了挑語病，而是把模糊的語言重新帶回可以被理解與確認的具體資訊。當問題停留在「他很難溝通」，我們很難知道下一步能做什麼；但當它變成「每次否決提案時，他沒有說明修改標準，所以我不知道下一步該怎麼調整」，可以採取的行動就開始出現了。問題越具體，選擇才會越清楚。
AI 時代，需要的不只是 Prompt 技巧
現在很多人開始學習如何下 Prompt，讓 AI 更精準地產出自己想要的結果。但好的 Prompt 背後，其實還有一個更基本的能力：知道自己真正要什麼，並且能把它說清楚。
你的目的是什麼？希望得到什麼結果？有哪些限制與條件？你所謂的「好」具體是什麼？又有哪些背景只有你知道，對方並不知道？這些問題不只適用於 AI。從交辦工作、跨部門協作、主管帶領團隊，到與客戶確認需求，本質上都在處理同一件事：如何把自己腦中的資訊，轉換成對方真正能理解的語言。
工具越聰明，人反而越需要說清楚
AI 可以協助我們整理、生成與表達，但它也讓我們更容易看見自己語言中那些「以為不用說」的地方。這也是 NLP（神經語言程式學）能運用在組織與職場溝通中的原因之一。
它不只是教我們「怎麼說話」，更重要的是透過語言去看見：我們省略了什麼？把什麼當成理所當然？哪些是實際發生的事，哪些其實是自己的解讀？
慕心國際 Kate 張祐語老師在 NLP 的教學與應用中，也持續帶領學習者從語言回到經驗本身。因為語言不只是表達的工具，也反映了我們如何理解一件事、如何組織資訊，以及如何與他人建立共同理解。
在要求別人理解以前，先確認自己說出了什麼
下一次，當你想說：「我不是已經講得很清楚了嗎？」也許可以先問自己：如果對方不知道我腦中的背景、標準與期待，只靠我真正說出口的資訊，他真的能理解嗎？
AI 時代，真正重要的或許不是說得更多，而是練習辨認那些被我們省略、概括，甚至直接當成理所當然的資訊。
然後，把真正重要的話，說得更清楚。