同一份良率報表放到不同人的桌上，會長成不同的問題。
製程工程師看到94.2%，可能先問：
哪一站出了問題？
品質工程師會問：
新增的不良真的屬於同一種現象嗎？
工廠主管想到的是：
如果返工增加，今天的產出還守得住嗎？
業務可能已經往客戶那邊看：
這個數字出去以後，要怎麼解釋？
財務關心的是：
報廢、重工和加班最後會多出多少成本？
產品經理甚至可能問：
如果客戶對外觀的要求已經改變，我們原來的產品設計還適合嗎？
大家面前是同一個94.2%，問題卻已經不是同一個。
這時候很容易說：
每個人都有自己的觀點。
沒錯。
但如果只停在「多聽不同意見」，還沒有真正碰到事情的核心。
《明思》的不是蒐集六個人的意見，最後整理成六點。
真正要看的，是：
為什麼這個位置會自然長出這個問題？
製程工程師受量產條件約束，品質工程師要對判定負責，工廠主管擔心停線與交期，業務面對客戶承諾，而客戶自有一套使用情境。每個位置帶進會議室的，不只是不同意見。
位置不是一張椅子。
位置背後帶著資訊、責任、利益、限制與時間，也帶著那些尚未被說出來的條件。
位置一換，值得被問的事情也會跟著變。
《莊子》裡有一句很容易被讀輕：
「彼亦一是非，此亦一是非。」
如果把它理解成「大家都有道理」，就太方便了。
真正令人不安的地方是：
一個位置，本來就會生成自己的一套合理。
站在今天救火的人，覺得「先把線救回來」完全合理。
站在明年看的人，會覺得「為什麼每次都在救同樣的火」也完全合理。
站在客戶那邊，「外觀看起來不對就是不對」。
站在製程那邊，「功能正常卻要判廢」也可能覺得莫名其妙。
這不是要我們取消是非。
而是提醒：
我的合理，不等於整個局的合理。
所以真正要做的，是讓那些彼此不相容的合理，同時被看見。
不是急著平均。
更不是趕快折衷。
先看看它們各自從哪裡長出來。
這件事到了AI時代，反而更值得小心。
因為我們常說：
AI沒有部門立場。
這句話聽起來很公平。
其實只對了一半。
AI本身不領哪一個部門的績效獎金。
不必被客戶追電話。
也沒有工程師被現場叫醒的經驗。
可是它收到的問題，通常早就帶著提問者的位置。
工程師問：
「請分析可能造成良率下降的製程原因。」
AI就進入製程世界。
財務問：
「請評估良率下降對單位成本的影響。」
它立刻進入成本世界。
主管問：
「這個異常是否值得停線？」
它又被帶到另一個決策空間。
AI不需要先有固定立場。
只要入口帶著位置，後面的世界就會跟著傾斜。
這就是為什麼Prompt不只是「寫給AI看的指令」。
它還有另一個更安靜的作用：
壓縮世界。
我們不可能把整個現實塞進一句Prompt。
所以一定會選。
哪些背景要放。
哪些資料重要。
誰的角度要優先。
時間看到哪裡。
什麼算成功。
哪些東西暫時忽略。
壓縮本身沒有錯。
沒有邊界，就沒有辦法思考。
問題在於：
我們常常只記得自己放進去了什麼，卻忘了同時刪掉了什麼。
比如一句：
「請以製程工程師的角度分析。」
它確實讓AI更聚焦。
但其他位置暫時退到背景。
再加一句：
「找出前三個最可能原因。」
低機率卻高衝擊的可能，可能又被壓低。
再加：
「提出兩週內可完成的改善方案。」
那些需要半年才能改變的結構問題，也自然消失。
Prompt越清楚，有時反而越容易讓人產生一種錯覺：
問題已經被定義完整。
其實只是邊界畫得更俐落。
《明思》在這裡不急著教人「怎麼寫一個更完整的Prompt」。
先做一件更根本的事。
把位置拿起來看。
如果現在站在工程，問題是什麼？
換到客戶呢？
換到工廠呢？
換到公司的整體呢？
這就是真正有意思的地方。
它不是角色扮演。
不是叫AI：
「你現在是一位資深品質主管。」
然後期待世界自動變深。
真正的換位，要把那個位置的條件一起帶進來。
他看得到什麼資料？
看不到什麼？
他出錯會付出什麼？
誰會來找他？
他有多少時間？
他的成功怎麼被衡量？
什麼事情他知道，但系統裡沒有紀錄？
這些東西進來，位置才開始有重量。
否則只是換一頂帽子。
AI在這裡的價值反而很大。
因為換位置的成本突然降低。
以前想真正蒐集六個位置，可能要開一場跨部門會議。
現在在思考初期，可以先讓AI幫忙展開：
如果站在客戶這邊，可能問什麼？
站在工廠呢？
站在供應商呢？
把幾種位置攤開之後，人再去判斷：
哪些是真的？
哪些只是AI想像出來的角色？
哪些需要找真正的人補證據？
AI可以讓我們比較容易離開自己的椅子。
但它不能保證另一張椅子真的坐過人。
所以不是請AI演戲。
是讓我們意識到：
自己現在只是坐在其中一張椅子上。
位置之外，還有時間。
同一個工廠異常，如果問：
「今天怎麼恢復產出？」
會得到一組答案。
如果問：
「三個月內怎麼避免再次發生？」
問題會開始改變。
再問：
「如果這個判定標準一年後成為市場常態，我們現在的產品與製程架構還適合嗎？」
又完全不同。
今天可能值得加班。
三個月後，可能該改流程。
一年後，甚至可能該重新設計產品。
這三個答案並不互相否定。
只是它們活在不同時間尺度。
這也是很多會議吵很久卻不知道在吵什麼的原因。
一個人在救今天。
一個人在擔心明年。
兩邊都覺得自己很務實。
短期的人看長期的人：
「先把今天活過去再說。」
長期的人看短期的人：
「你們每次都只會救火。」
其實未必是價值衝突。
有時只是：
大家把不同時間尺度的答案，拿到同一張桌子上互相否定。
不是叫人永遠想長期。
眼前一條產線停著，先討論十年後的產業哲學，確實容易被趕出會議室。
真正的作用，是知道：
我現在正在回答哪一段時間的問題？
而另一段時間裡，會不會有另一個不能被現在答案取代的問題？
這時候，也開始不只是「看更多」。
它是在避免一件很常發生的事：
把局部問題升格成整體問題。
工程的問題是真的。
但不一定是公司的全部問題。
今天的問題是真的。
也不一定等於明年的問題。
客戶的要求是真的。
也不代表客戶現在說出的解法，就是他真正需要的東西。
每一塊都可能成立。
問題只在：
我們有沒有忘了它只是其中一塊。
那次良率事件重新攤開後，團隊最後留下了三層問題。
第一層是今天。
怎麼處理目前因新標準產生的損失？
第二層是接下來幾個月。
製程本身有沒有真的接近新的品質邊界？
第三層再往後。
如果客戶對外觀的要求持續提高，我們是不是還要在原來的產品架構裡，一直花力氣追那最後幾個百分點？
三個問題沒有被合成一句「真正的核心問題」。
這反而比較好。
因為有時候，一個局本來就不欠我們一個唯一問題。
不同位置。
不同時間。
會有不同的題。
成熟不是硬把它們壓成一個。
而是知道它們之間怎麼連。
同一張報表，今天的工程師、三個月後的主管與面對客戶的業務，各有必須回答的問題。AI可以協助把這些問題並排，看清楚它們的條件與關聯，卻不能任意把其中一個人的急迫，說成全局唯一的目的。
當我們認定某件事已經有了「真正的問題」，是否也說得清楚，那是從誰的位置、哪一段時間看見的？