Claude 非營利組織應用指南 — 12 個實戰場景
非營利組織面對的 AI 挑戰，和企業不太一樣。
資源有限、人員多兼職、捐款人和受益人的信任不能輕易損壞——這些限制讓「用 AI 自動化一切」的方向並不適合所有非營利場景。Anthropic 和 GivingTuesday 合作整理的 12 個場景，大多著眼於「擴大組織能量」（capacity building），而不是「替代人力」。
這篇是 Claude 官方 85 個使用場景系列的非營利組織篇。
這篇是Claude 官方 85 個使用場景完全解析 系列的非營利組織篇（Post 3/8）。商務篇見 Claude 商務應用完全指南 — 17 個真實使用場景，個人生活篇見 Claude 個人生活應用指南 — 16 個讓日常更輕鬆的場景，教育篇見 Claude 教育應用指南 — 11 個教學與研究場景。
募款與捐款人管理
See what your campaign goal actually requires（視覺化募款活動的實際需求）
輸入募款目標，Claude 直接在對話裡畫出禮物金字塔：從最高額的引導捐款往下分層，顯示每個層級需要多少筆捐款、以及這樣的捐款數量需要多少合格的潛在捐款人。讓你在答應某個募款活動之前，就知道它是否可行。
這個場景解決的是「目標設定的盲目性」問題。很多非營利組織設定募款目標時，是用「我們需要多少錢」作為起點，而不是「我們有多少合格的潛在捐款人」。禮物金字塔（gift pyramid）是標準的募款規劃工具，但計算過程繁瑣。
SuperPortia 實戰觀點
這個場景的核心邏輯是「互動式情境模型」——輸入一個變數，整個模型重新計算。SuperPortia 在評估 Cloudflare 費用、或測試 MTAAA pipeline 的批次處理容量時，用的是相同的邏輯：建立一個參數化的試算模型，然後用不同的輸入值測試邊界條件。Claude 生成的 Artifact 可以是一個帶有互動 slider 的 HTML 工具，讓規劃者實時看到改變目標對所需資源的影響。
在給 Claude 建立禮物金字塔模型時，提供你過去的捐款數據（每個層級的平均捐款金額、轉化率）。有歷史數據的模型比理論模型更準確，也更能說服董事會。如果沒有歷史數據，讓 Claude 使用同類型非營利組織的行業基準值。
See budget futures side by side, in chat with Claude（並排比較預算情境）
輸入預算分配和可能改變的變數，Claude 在對話裡並排畫出三種情境，可以在美元和百分比之間切換顯示。點選任何情境，獲得一行說明，直接點出真正的壓力點在哪裡。
預算規劃的挑戰是「不知道要為什麼情境做準備」。並排的三個情境（樂觀、基準、悲觀）強迫規劃者面對壓力情境，而不是只看最可能的狀況。
SuperPortia 實戰觀點
SuperPortia 的費用規劃（Cloud UB Worker、Cloudflare Pages、AI API 費用）面臨相同的情境不確定性：如果 UB entries 從 1K 增長到 100K，成本怎麼變化？如果 MTAAA 改用更貴的模型，月費差多少？建立一個可以調整關鍵假設的試算模型，是做任何技術投資決策前的標準流程。Claude 的互動式 Artifact 能讓這個過程可視化，而不只是一張靜態的試算表。
識別你預算裡的「關鍵假設」（通常是 2-3 個最大的不確定性），讓 Claude 圍繞這幾個假設建立情境。不要試圖把所有變數都放進模型——複雜性會讓模型變得難以使用。少而精的假設，比「考慮所有因素」的複雜模型更有實際用途。
See why donor retention beats acquisition, in chat with Claude（理解留存比獲取更重要）
Claude 建立一個五年捐款人預測，帶有留存率和獲取率的 slider。拖動任何一個，曲線就重新繪製——可以很快看出，適度提高留存率比加倍獲取支出的效果還要好。
這個場景是一個「直覺挑戰」工具。很多非營利組織直覺上認為「開發新捐款人」比「留住舊捐款人」更重要，但數學告訴我們相反的故事。互動模型讓這個洞察從「理論知識」變成「親眼看到的數字」。
SuperPortia 實戰觀點
SuperPortia 在做技術決策時，也有類似的直覺陷阱——例如「不斷加新功能」vs「修好現有功能的穩定性」。讓 Claude 建立一個模型，量化「每個月修一個 bug」和「每個月加一個功能」對用戶滿意度的長期影響，能讓這個直覺問題變成數據驅動的決策。這個方法論比「我感覺…」的討論更有說服力。
要求 Claude 在模型裡加入「臨界點」標記：當留存率提高到多少、或獲取成本降低到多少，兩個策略的 5 年 LTV 曲線會交叉？找到這個臨界點，就知道你目前的組織在哪個情境下應該優先做什麼。
Analyze fundraising performance（分析募款績效）
分析 email、活動、直郵、社群媒體和其他渠道的績效，找出投資報酬最高的渠道，為下一季的預算分配提供具體建議。
多渠道募款的問題是「每個渠道的指標不一樣，很難比較」。email 看開啟率、活動看出席率、社群看觸及率——Claude 能把這些異質指標統一成可比較的「每元捐款成本」或「ROI」。
SuperPortia 實戰觀點
SuperPortia 的多渠道分析需求（11 個 repos、多個 Cloudflare 服務、以及 AI API 的費用）面臨相同的「異質指標整合」問題。每個工具用不同的單位計費，需要統一轉換為「每單位產出的成本」才能比較。讓 Claude 做這種「跨渠道標準化 + 優先級排序」的分析，是商業智能場景裡的核心用法。
在分析之前，先定義你的「北極星指標」——對你的組織來說，什麼是最重要的結果？（例如：新捐款人數量、平均捐款金額、或 5 年 LTV）。所有渠道績效分析都以這個指標為準，而不是讓每個渠道用自己的指標自我評估。
計畫設計與管理
See your theory of change in chat with Claude, and spot where the logic is thin（可視化變革理論，找出邏輯薄弱點）
描述你的計畫，Claude 在對話裡畫出因果鏈，從投入到影響，每個箭頭都可以點擊查看背後的假設。適合那些「知道自己在做什麼，但從來沒有畫過為什麼有效」的組織。
Theory of Change（ToC）是非營利組織最重要、也最常被忽略的文件。很多組織在操作層面非常熟練，但說不清楚「我們的活動如何導致我們聲稱的影響」。
SuperPortia 實戰觀點
SuperPortia 的 EGS（Engineering Governance Spec）在某種意義上就是一份「組織 Theory of Change」：從「確定性 hooks」（投入）→「可審查的 agent 行為」（活動）→「可靠的多 agent pipeline」（產出）→「夏哥能安心讓 agent 自主工作」（影響）。把這個因果鏈畫出來，不只是解釋規範的用途，也能找出邏輯薄弱的地方——「可審查的 agent 行為真的導致可靠的 pipeline 嗎？中間有沒有遺漏的假設？」
在建立 ToC 時，讓 Claude 特別標記「高假設風險」的箭頭——那些你必須假設為真、但實際上沒有根據的連結。這些地方是優先需要收集評估數據的地方，因為如果這個假設是錯的，整個因果鏈就斷掉了。
Develop a program toolkit（建立計畫工具包）
為新計畫生成完整的計畫設計框架：邏輯模型、評估計畫、和資源指南，把概念轉成可立即實施的計畫。
這個場景的核心是「標準化起點」——每次設計新計畫都從同一套框架開始，確保不會遺漏重要的元素（邏輯模型、評估方法、資源估算）。
SuperPortia 實戰觀點
SuperPortia 的 /create skill（Project Creation Gate）就是這個概念：每次建立新 repo，都從同一套 scaffold 開始——ADR 目錄、CHANGELOG.md、.gitignore、CONTRIBUTING.md。標準化的起點讓新項目從第一天就符合 EGS，而不是在幾個月後才發現缺少什麼。非營利的「計畫工具包」和工程的「project scaffold」，解決的是同一個問題：確保重要元素不被遺漏。
把你組織過去成功計畫的文件（邏輯模型、評估報告）上傳給 Claude，讓它從這些成功案例中提取「模板化」的部分，建立一份適合你組織的計畫工具包模板。這樣的模板比通用模板更符合你的工作文化和捐款人期望。
Visualize program data（計畫數據視覺化）
把計畫統計數據的試算表，轉成可放進簡報的圖表、資訊圖表、和 dashboard，以視覺化方式呈現影響故事，幫助向利害關係人展示計畫滿意度。
數據本身不說話，視覺化讓數據說話。一份有 500 個數字的試算表，和一份清楚的圖表，對捐款人的說服力差距很大。
SuperPortia 實戰觀點
SuperPortia 的 command-center dashboard（superportia-command-center）就是一個「組織狀態視覺化」的工具——把分散在 11 個 repos 的 git 活動、WO 狀態、以及服務健康度整合成一個可視化介面。非營利的計畫數據視覺化需求和這個完全一致：把分散的數據整合成一個「一眼看懂影響力」的視覺呈現。
在要求 Claude 視覺化之前，先決定「這份視覺化的受眾是誰」：是給董事會看的（需要高層摘要）、給捐款人看的（需要情感共鳴的故事）、還是給計畫團隊看的（需要操作層面的詳細數據）？不同受眾需要完全不同的視覺化方式。
Create a volunteer management system（建立志工管理系統）
建立完整的志工文件，包括角色描述、onboarding 流程、溝通模板、和追蹤工具，讓志工管理專業化，有效擴大計畫規模。
志工管理的挑戰是「規模」——管理 10 個志工和管理 100 個志工需要完全不同的系統。這個場景幫你在「還沒有問題」的時候，就建立好可以擴展的基礎設施。
SuperPortia 實戰觀點
SuperPortia 的 agent onboarding 系統（EGS company constitution + MEMORY.md + session start hooks）就是一個「agent 管理系統」——確保每個新的 Claude Code session 從第一分鐘就知道自己的角色、行為規範、和工具清單，不需要重複解釋。非營利的志工管理系統解決的是同一個問題：如何讓每個新成員快速進入狀態，並維持行為一致性。
從「最高頻率的志工問題」開始設計系統。花一週記錄志工向你問了哪些問題，然後讓 Claude 為這些問題建立文件解答。把「回答重複問題」的時間省下來，才能把精力用在真正需要人類判斷的事情上。
組織知識與流程
Workflow improvement planner（工作流改善規劃師）
把工作流的痛點轉成結構化的改善計畫。Claude 幫助非營利組織定義工作流挑戰，設計 AI 驅動的解決方案，節省時間、增加組織能量。
這個場景是一個「AI 導入咨詢師」的角色——不是直接解決問題，而是幫你找出哪些問題值得用 AI 解決，以及如何設計解決方案。
SuperPortia 實戰觀點
SuperPortia 的 Work Order 系統設計過程就是這個場景的實例：先識別痛點（「agent session 之間的 context 傳遞很耗時、容易遺漏」），再設計 AI 驅動的解決方案（session handoff → Cloud UB → 下個 session 自動讀取），最後驗證效果（session start hook 的 heartbeat + mailbox check）。「痛點識別 → 解決方案設計 → 驗證機制」是標準的工作流改善流程。
讓 Claude 在痛點分析階段問你「這個問題每週花你多少時間？」和「如果這個問題消失，你能把時間用在什麼更有價值的事情上？」這兩個問題能幫你量化改善的價值，讓優先順序的決定更清晰。
Grant proposal assembly line（提案申請生產線）
從你成功的提案和組織材料中建立模組化的內容庫，之後可以在較短的時間內組裝出符合基金會要求的提案。
Grant writing 是非營利組織最消耗時間的工作之一。這個場景的核心是「可重用性」——把每次提案都要重寫的部分，變成可以快速組裝的模組。
SuperPortia 實戰觀點
SuperPortia 的 Cloud UB（Universal Brain）就是一個「模組化知識庫」：每個 ingest 進去的片段，都可以在未來的任務裡被搜尋和引用。Grant proposal 的「可重用內容庫」是同樣的概念應用在寫作領域：把組織簡介、使命聲明、過去的成就、影響數據——這些每次都要重寫的部分——存進一個可搜尋的庫，之後組裝新提案時直接引用。
把過去 3-5 份最成功的提案上傳給 Claude，讓它識別「哪些段落在每份提案裡都出現，只是措辭不同？」這些就是你的「核心模組」。建立這個模組庫之後，新提案的撰寫時間可以減少 50-70%。
Generate an AI policy（生成 AI 使用政策）
建立符合組織需求的 AI 使用政策，涵蓋數據隱私、適用場景、員工指引、以及針對非營利使命和受益人保護的道德考量。
非營利組織在引入 AI 時面臨的最大風險之一，是沒有清晰的使用邊界，導致員工或志工在不知情的情況下，用 AI 處理了不應該用 AI 處理的敏感資訊（例如受益人的個人資料）。
SuperPortia 實戰觀點
SuperPortia 的 EGS（Engineering Governance Spec）就是 SuperPortia 的「AI 使用政策」——它定義了哪些操作需要人工確認（HITL：支付、刪除、外部發佈）、哪些可以自主執行（查詢、coding、ingest）、以及哪些工具可以用於哪些任務（Groq 不能用於重要決策）。非營利組織的 AI 政策需要涵蓋相同的維度，只是針對非營利的特定場景（受益人資料保護、捐款人資訊保密）。
在生成 AI 政策時，讓 Claude 特別關注「最高風險」的場景：什麼情況下 AI 的錯誤輸出可能對受益人造成傷害？從這些高風險場景反向推導需要哪些規範和保護措施。最有效的政策是從最壞的情境設計，而不是從最好的情境假設。
Write an impact report（撰寫影響力報告）
把原始的計畫數據和參與者成果，轉成包含數據視覺化、利害關係人專屬洞察、和真實成功故事的有說服力敘事，展示真正的影響力。
年度報告是非營利組織最重要的溝通文件，但通常也是最難寫的——需要同時兼顧「數字的準確性」和「故事的感染力」。
SuperPortia 實戰觀點
SuperPortia 的 session handoff 文件在某種意義上也是一份「影響力報告」：記錄這個 session 完成了什麼、對整體目標的推進程度、以及下一步的方向。把「技術性的 task 完成記錄」轉成「對夏哥有意義的進度敘述」，和把「計畫數據」轉成「對捐款人有說服力的影響故事」，是相同的寫作挑戰。Claude 在這裡的作用是找出數字背後的「人的故事」。
提供 Claude 兩種材料：一份是數字（計畫服務了多少人、達到了什麼指標），另一份是個案故事（3-5 個真實的受益人故事，匿名化處理）。讓 Claude 把這兩種材料交織成一個「用故事說明數字意義」的敘事。純數字報告和純故事報告都不夠有力，結合才有影響力。
場景速覽
| 場景 | 核心用途 | 最適用 Claude 功能 |
|---|---|---|
| Campaign gift pyramid | 募款可行性評估 | Artifacts (Interactive) |
| Budget scenarios | 預算情境規劃 | Artifacts (Interactive) |
| Donor retention model | 留存 vs 獲取決策 | Artifacts (Chart) |
| Analyze fundraising | 多渠道績效比較 | 長文脈分析 |
| Theory of change | 因果邏輯視覺化 | Artifacts (Diagram) |
| Program toolkit | 計畫設計標準化 | Projects + Templates |
| Visualize program data | 影響力視覺化 | Artifacts (Charts) |
| Volunteer management | 志工系統文件化 | Projects |
| Workflow improvement | AI 導入規劃 | Structured analysis |
| Grant proposal assembly | 提案可重用庫 | Projects + Documents |
| AI policy | 組織 AI 規範 | Documents |
| Impact report | 影響力敘事 | Long-form writing |
繼續閱讀系列其他篇章：
...use-cases-professional|Claude 商務應用完全指南 — 17 個真實使用場景]] - [[Claude 個人生活應用指南 — 16 個讓日常更輕鬆的場景]] - [[Claude 非營利組織應用指南 — 12 個實戰場景]] -...
...務應用完全指南 — 17 個真實使用場景]]，個人生活篇見 [[Claude 個人生活應用指南 — 16 個讓日常更輕鬆的場景]]，非營利組織篇見 [[Claude 非營利組織應用指南 — 12 個實戰場景]]。 教師工具：課程設計與備課 Plan your syllabus in...
...解析]] 系列的個人生活篇（Post 2/8）。商務篇見 [[Claude 商務應用完全指南 — 17 個真實使用場景]]，非營利組織篇見 [[Claude 非營利組織應用指南 — 12 個實戰場景]]，教育篇見...
...全解析]] 系列的商務篇（Post 1/8）。個人生活篇見 [[Claude 個人生活應用指南 — 16 個讓日常更輕鬆的場景]]，非營利組織篇見 [[Claude 非營利組織應用指南 — 12 個實戰場景]]，教育篇見...