這半年陸續幫幾家企業做 AI 工具導入培訓，從製造業到服務業，規模從二十人到上百人不等。每次收到 RFP 或跟窗口對接的時候，我都能看到一個幾乎固定的需求：「我們想讓全公司統一用 AI 做 XX 任務。」
聽起來很合理，執行起來卻幾乎每次都踩坑。
最大的錯：把「統一任務」和「統一方法論」搞混了
我做過一場培訓，客戶希望全員用 AI 做週報。教材寫好了，範例做好了，課堂上跑一遍也很順。但兩週後追蹤，真正繼續用的人不到兩成。
原因不是大家不想用，是因為每個人的週報格式不一樣、資訊來源不一樣、主管想看的重點也不一樣。我給的範例對他們來說是「別人的週報」，不是他們自己的。
後來我調整了做法：課堂上只教一件事，就是「如何讓 AI 理解你要它做什麼」。任務本身讓每個人帶自己真實的工作進來練。
結果差很多。有人拿採購合約來試，有人拿客訴記錄，有人拿出貨報表。每個人學的是同一套指揮 AI 的邏輯，但應用在自己熟悉的材料上，學完就能直接用。
所以我現在設計企業課的第一個原則是：統一方法論，但不統一任務內容。AI 導入的難點不在「找到一個好用的任務」，而在「讓每個人學會自己去找」。
第二個錯：用開放式問卷做培訓前調查
培訓前通常會發問卷，了解學員的日常工作，用來設計更貼近的教材。有段時間我都是直接問「請描述你一週工作的主要內容」。
這樣收回來的答案幾乎沒辦法用。「處理客戶問題」「協調跨部門事務」「整理資料」——這些描述太模糊了，我沒辦法從這裡推斷出具體的 AI use case。
後來我改成選項式：
- 你每週花超過一小時在「整理、彙整文字資料」嗎？
- 你需要定期產出某種固定格式的文件嗎？（報表、週報、會議紀錄等）
- 你有需要跨部門確認資訊、來回溝通的流程嗎？
每個問題後面加一個「如果是，大概花你多少時間」。
這樣拿到的資料可以直接用來排優先序：哪些任務最耗時、哪些最有替代空間，教案就圍著這幾個點設計。
非技術窗口不是不願意提供資訊，是開放式問題對他們而言太抽象了。設計問卷的原則跟設計 AI 提示詞一樣：你先把結構想清楚，對方才有辦法給你有用的回答。
第三個錯：課結束在「跟做」，沒有「自主應用」
這是最常見的教學流程：講師示範一個場景、學員照著操作一遍、課程結束。
問題在於，學員跟做的時候用的是講師準備的材料。他們當下學會的是「如何完成這個特定任務」，不是「如何把這個方法搬到自己的工作上」。
我現在的課堂固定有第三個環節：示範完、跟做完之後，一定有時間讓學員換成自己的真實任務再跑一遍。
這一步看起來只是多了十五分鐘，但這十五分鐘是整堂課最重要的部分。學員在這裡會遇到他們真實的問題——格式不對、結果不如預期、不知道怎麼下指令——講師在旁邊即時處理這些問題，他們才真的學到東西。
沒有第三步的培訓，學員回去用的機率非常低，因為他們沒有機會在安全的環境裡試錯。
硬體業和辦公室業，教案邏輯不一樣
做過製造業的培訓之後，我發現不能把服務業的教案直接套過去。
辦公室的工作大量是文字和資料的處理，幾乎每個職能都能找到 AI 很有效率的替代點。但硬體和製造業的工作有很大一塊是實體操作、現場判斷，這些 AI 現在幫不上忙。
硬體班的教案重點不是「讓大家都找到一個 AI 任務」，而是「讓大家學會判斷哪些任務值得嘗試」。與其強迫所有人都要帶一個 use case 回家，不如讓他們建立一個判斷框架：這個任務的輸入是文字還是實體動作？它有明確的輸出標準嗎？如果都是，AI 很可能幫得上忙。
如果逼硬體業的學員每個人都要找個 AI 用途，你只會讓他們對 AI 感到挫折，而不是覺得有用。
還有一件小事：螢幕 demo 前提醒個資
這不是教案設計，但我學到的很值得記一筆。
有次培訓要求學員 demo 自己的工作，有人不小心把個人財務資料展示出來了，現場氣氛一度很尷尬。
現在每次培訓開始前我都會說一句：「等一下需要大家展示工作內容，請確認你打開的檔案沒有不方便公開的資料，如果有的話可以先準備一份測試用的假資料。」
一句話，省去很多麻煩。
如果你下次要設計企業 AI 培訓，可以先問自己三個問題：
- 我設計的任務是「大家的共同任務」，還是「讓每個人練方法論的素材」？
- 我的培訓前問卷，非技術背景的人看到會不會不知道怎麼回答？
- 課堂上有沒有時間讓學員用自己的真實工作跑一遍？
這三個問題答不上來，課程設計大概需要再調整一輪。