用ChatGPT做生意計劃？錯漏連連要小心！

我用ChatGPT做生意計劃，結果成為一個警示故事

用ChatGPT整一個穩陣嘅生意計劃，真係要飲幾杯咖啡，仲要眼睛好尖先發現佢啲錯。

大家而家都知道，生成式人工智能（AI）有時幾不穩陣。如果你用佢嚟編輯小說或者創作圖片，AI可能會加啲同故事唔啱嘅元素，或者對圖片嘅處理失焦。呢啲波動有時都值得，因為佢幫你快啲構思同修正，但如果係涉及複雜過程，好似財務預測，就要花好多時間核對同修正，否則好容易走錯路。

用ChatGPT做一個生意計劃就好似一個測試。我花咗幾星期同ChatGPT研究一個假設嘅生意計劃，結果幫到手，但錯漏百出。

（聲明：ZDNET母公司Ziff Davis喺2025年4月對OpenAI提告，指控佢哋侵犯版權。）

教訓係：同ChatGPT溝通越耐，錯誤越多，令過程好煩躁。

用ChatGPT做生意計劃

我用最新OpenAI GPT-5模型，開始同ChatGPT傾計，計劃點樣透過廣告買幾千訂戶，發展一個新嘅電子報生意。

呢個計劃涉及不斷建立同修改訂戶數量、收入、廣告開支同現金流嘅Excel表格。

ChatGPT幫我由零開始整Excel表格，仲可以玩唔同假設，例如訂戶增長速度。

我最初問ChatGPT：「有冇一個簡單嘅生意計劃架構，講點樣喺三年內由250訂戶增長到1萬，假設每年流失率16%？」

我哋來回修改好多次，我加咗訂閱費每月30美元嘅資料，表格同圖表不停更新，自己可以調整各種指標，睇下對生意有咩影響。例如改變獲取訂戶嘅成本（CAC），就會影響盈虧表。

錯誤開始出現

大約做咗三分一嘅時候，第一個錯誤嚟咗。盈虧表顯示第10個月生意開始賺錢，但ChatGPT話第43至45個月現金流先轉正。

我指出表格同圖表都顯示第10個月已經賺錢，佢先承認錯誤，仲話「係我嘅錯」。

過咗幾輪，ChatGPT又犯同類錯誤，話第11個月先收支平衡，唔係第10個月。原來佢「忘記」咗我哋係由250訂戶開始計，唔係零。

呢啲錯誤反映咗生成式AI嘅一個大問題：佢記憶唔牢固，會漏咗啲關鍵假設，流程唔完整。

「唔好意思，我錯咗！」

每次ChatGPT更新表格同圖表，都會有奇怪嘅錯誤冒出嚟。

例如計算生意「終值」—即係唔再增減訂戶時嘅價值，我問佢用精確數字定四捨五入數字。

佢話60個月後訂戶係9,200人，但前一刻嘅表格係10,228。ChatGPT就咁承認錯誤，冇解釋，我就要自己做嚴格嘅核對員。

冇解釋，冇理由

最令人火大係，ChatGPT或者其他AI都唔會解釋點解錯。

佢會用「我錯咗」嚟應付，但唔會解釋點解會同自己生成嘅表格數字矛盾。

我翻查咗之前嘅對話，發現佢係根據一個未經核實嘅數字作答。

打地鼠遊戲

呢啲錯誤好似打地鼠咁，唔夠留神就會錯過，後面可能令整個模型偏差。

做呢啲複雜嘅計劃，涉及好多變數，例如訂戶增長、獲取成本、訂戶終身價值等等，你要好清楚自己拉緊邊條槓桿。

同ChatGPT合作，好似有個幫手，但有時佢會畀錯槓桿你，或者將你想用嘅藏起嚟。

AI到底發生咩事？

有學者好似Gary Marcus就指出，ChatGPT冇真正嘅邏輯推理能力。佢唔係用理性思考，而係憑統計模式產生自信嘅答案，但會忽略基本事實。

技術層面，所有大型語言模型都有「上下文窗口」用嚟回顧之前嘅對話。但ChatGPT有時記憶唔清楚，好似忘記咗第10個月收支平衡點。

佢仲會準確引用之前對話嘅錯誤數字，令問題更難察覺。

以下係我後續發現嘅部分錯誤：

– 用錯訂閱價錢計收入，兩次。
– 計算訂戶穩定增長時間點錯一個月。
– 圖表數字同表格差異大。
– 自由現金流計錯，混淆唔同假設。
– 表格缺少關鍵數據。
– 忘記用正確嘅折現率。
– 計算公式出錯。

呢啲錯誤令我要不停飲咖啡，深呼吸，從飛躍到爬行。

我將整個對話同問題電郵俾OpenAI，佢哋回覆話，ChatGPT同所有大型語言模型最擅長短對話，長對話仍有改進空間，亦提醒用家要核對重要資料。

唔止生意計算有問題

我唔只係做生意計劃時遇到呢啲問題，譬如用AI翻譯一本詩集PDF，都有文本擷取錯誤，甚至有詩篇缺失，仲有新詩唔屬於原書入面。

保持冷靜，繼續發問

退一步講，生成式AI真係有佢嘅厲害。

佢可以即時提供重要公式同背景資料，唔使我自己搵。

更難得係，AI可以繼續跟進對話內容，不像幾年前嘅機械式聊天機械人會突然離題。

呢啲優點幫助由零開始做一件大件事。

但同時，AI會插入錯誤假設，忘記關鍵條件，計算錯誤，令人好心煩。

我形容用ChatGPT嘅效率係一半時間做完，但有半時間用嚟修正佢嘅錯誤。

未計算要專注盯住佢嘅錯誤帶嚟嘅精神壓力。

我只好以「保持冷靜，繼續發問」作為座右銘。

技術核心問題

大型語言模型其實係一個「數據庫程序」，但係一個「好亂」嘅數據庫，佢會保存好多數據，但又會無預警地刪除或者替換關鍵數據。

現時有啲技術方案，例如「檢索增強生成」（RAG），企業用嚟固定重要變數，由數據庫儲存，再由模型調用，確保變數唔會亂變。

不過大部分人冇呢啲架構，只能小心翼翼自己核對。

所以，使用AI做複雜工作時，要像隻老鷹一樣盯緊，仲要準備好飲多杯咖啡。

—

評論與啟示

作者用親身經歷揭示了生成式AI現時在複雜任務上仍有很大限制，尤其是長期對話和精密計算的可靠性不足。這提醒我們，雖然AI能大幅提升創意和初步分析的效率，但在需要精確數據和邏輯嚴謹的場合，絕對不能盲目依賴，必須配合人工嚴格核查。

這個故事也反映了AI「記憶」與「推理」的本質缺陷——AI其實是一個統計模型，缺乏真正的邏輯思維和持續一致的狀態管理，難以像人類一樣靈活而精準地掌握複雜變數。未來的AI發展，除了提升模型的「短期記憶力」外，更需要引入類似RAG這樣的結構化數據管理，甚至結合專業知識庫，才能更好地應付複雜任務。

對香港及華語區的用戶來說，這提醒我們在用AI做商業策劃、財務預測或其他關鍵決策時，必須保持高度警覺，不能放鬆對結果的審核，否則很容易因AI的錯誤而做出錯誤判斷，造成損失。AI是強大的輔助工具，但現階段仍未能完全取代人類的判斷力和經驗。

此外，這篇文章也提供了一個重要心態：對AI要有合理期待，既要善用其優勢，也要準備面對它的不足，保持耐心和冷靜，持續「prompt on」——不斷發問、調整和校正，才能真正發揮AI的價值。這種「人機合作」的模式，或許才是未來生產力提升的關鍵。

總括而言，這不單是一次關於AI技術的反思，更是對我們如何在日常生活和工作中智慧運用AI的啟示。面對AI的飛速發展，我們應該既興奮，也要謹慎，學懂如何成為一個「明眼人」，才能在這波科技革命中站穩腳跟。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。