最後更新：2026-08-21
AI 企業內訓這兩年變成顯學，但多數課程還是老樣子：講師放簡報、示範幾個提示詞、大家鼓掌下課，三週後全公司只剩兩個人還在用。我在職訓單位帶企業 AI 內訓帶了一段時間，能落地的課有一個共同點：講師跟 AI 是搭檔關係。課前用 AI 分析企業需求做教材，課中帶員工用自己公司的情境實作，課後把成果變成 SOP。以下把這套模式完整拆開。
- 示範型AI課三週就退光
- 課前用AI客製各部門教材
- 課中拿公司真實情境實作
- 課後建提示詞庫變SOP
- 講師角色是引導加把關
為什麼多數 AI 企業內訓上完就沒了？
先看兩個數據。麥肯錫的 State of AI 調查顯示，將近九成的企業說自己在用 AI，但真正把 AI 做進工作流程、算得出效益的是少數。BCG 的 AI at Work 報告更直接點出落差在哪：主管天天用，第一線員工用的比例低一大截，而且訓練時數不到五小時的員工，幾乎不會變成常態使用者。
所以問題不是「要不要辦 AI 課」，是課的設計方式。示範型課程給的是「哇」，實作型內訓給的是「我明天就這樣做」。兩者的差距，就是講師願不願意把 AI 當成整場訓練的搭檔，而不只是投影片上的主角。
講師＋AI 的內訓模式長什麼樣？
一句話講完：AI 負責量產和客製，講師負責判斷和把關。課前，講師用 AI 把企業訪談資料整理成各部門的專屬教材；課中，員工在講師引導下用公司真實情境操作 AI；課後，把課堂產出的提示詞和流程整理成公司資產。三個階段 AI 都在場，但方向盤一直在講師手上。
這跟「請一個很會用 AI 的講師」不一樣。重點不是講師多會用，是整場訓練的設計讓「員工＋AI」這個組合在你們公司的實際業務裡跑起來。
順序也有講究：規範先行、工具在後。很多公司反過來，先發帳號再想規矩，結果第一個月就有人把客戶名單貼進公開工具。內訓的第一小時就把資料分級和使用界線講死，之後的實作才能放心用真資料，這是這套模式跑得快的前提。
課前：用 AI 分析企業需求，教材一個部門一套
傳統內訓的教材是通用簡報，AI 企業內訓的教材應該是訪談出來的。我自己的做法：開課前跟窗口拿三樣東西，各部門最花時間的例行工作、常見的文件範本、還有「大家最想擺脫的那件事」。把這些丟給 AI 協助分類彙整，一天之內就能整理出每個部門的痛點清單和對應的練習題。
這在以前是做不到的。人工客製三個部門的教材要一週起跳，多數講師乾脆不做。現在 AI 把客製的成本壓下來了，還拿通用簡報上課的，說不過去。課綱要怎麼分級、時數怎麼配，我在AI內訓課程規劃那篇有完整的排法。
客製出來的教材長什麼樣？同一場「AI 文書應用」，業務部的練習題是「把產品規格表轉成三家客戶的客製報價信」，客服部是「把二十封客訴信分類、再各擬一版回覆」，行政部是「把兩小時的會議錄音整理成有負責人和期限的待辦清單」。骨架一樣，血肉完全不同，員工一看題目就知道這堂課是為他們準備的。
課中：拿公司真實情境實作，不用範例檔
課堂上最忌諱的一句話是「我們用這個範例練習」。範例檔做得再好，員工心裡想的都是「跟我的工作有什麼關係」。實作要用真的：客服部門拿上週的客訴信練回覆，業務拿自家產品規格練報價比較，行銷拿庫存素材練文案改寫。
員工第一次用 AI 把自己半天的工作變成十分鐘，那個表情，就是整場內訓最值錢的瞬間。那之後你不用再推他，他自己會找事情餵給 AI。
工具選擇上，ChatGPT 和 Claude 都能教，差別在情境：文件長、要求精確引用的工作，和重視資料治理的企業方案，可以參考 Claude 企業版的功能說明；用哪一套不是重點，重點是全公司統一工具、統一資料規範，不要五個部門用五種帳號各玩各的。
時間配置也有講究。我的課講解不超過三成，剩下七成全是操作：先帶大家做一次，再讓各組用自己的資料做一次，最後每組上台展示成果和踩到的雷。一天六小時的課，學員實際動手至少四小時，這樣才跨得過 BCG 報告裡那條「五小時訓練」的門檻，也才留得下肌肉記憶。
分組也有眉角：同部門坐一起，一組三到四人，裡面至少放一位平常就愛摸新工具的「種子」。實作卡關時種子先救，講師巡場補位，節奏才不會被一兩個卡點拖住。這些種子學員，課後多半就是提示詞庫管理員的現成人選。
課後：提示詞變成公司資產，AI 用法寫進 SOP
課堂上每組做出來的好提示詞，下課前收進共用的提示詞庫，標上「什麼情境、誰在用、注意什麼」。這個庫就是公司的資產，新人報到直接接手，不用從零摸索。提示詞庫不需要什麼高級系統，一份共用文件就能起步，格式固定三欄：情境、提示詞全文、注意事項（例如「金額和交期一定要人工核對」）。指定一個人當管理員、每月整理一次，不然三個月後它就會變成另一座沒人逛的資料墳場。再來是把 AI 寫進流程：哪些文件初稿交給 AI、哪個環節必須人工覆核，白紙黑字放進 SOP，用不用 AI 才不會取決於個人習慣。
三十天後回訪一次，看使用率、收集卡點，需要就補一場線上答疑。哈佛商業評論談 AI 時代 reskilling 的文章講得很到位：技能重塑是變革管理，不是上課。追蹤機制就是變革有沒有發生的證據。
講師的角色變了：從授課，變成引導加把關
這一段很少有 AI 企業內訓的文章會寫，但它決定了課程的品質下限。AI 進了教室之後，講師的價值不在「示範工具」，在三種把關。
把關幻覺：AI 會一本正經地講錯話，講師要教員工哪些產出必須查證、怎麼查，法規數字、對外報價這類內容一律人工覆核。把關資安：哪些資料可以進公開的 AI 工具、哪些要去識別化、哪些碰都不能碰，開課第一小時就要立規矩。把關品質：員工寫的提示詞跑得動和跑得好是兩回事，講師的經驗就用在這個差距上。Anthropic 的經濟指數研究追蹤了全球各職業實際使用 AI 的樣態，增強型用法（人主導、AI 輔助）跟自動化用法的比例，正好可以拿來跟員工討論：你的工作，哪些該增強、哪些能自動化。
挑 AI 內訓講師，別只看他 AI 玩得多溜。會教的講師教你用工具，好的講師幫你守住幻覺、資安、品質這三道門。
中小企業導入 AI 企業內訓的五個步驟
想在自己公司跑一輪，順序這樣走。先挑一個痛點最明顯的部門當試點，不要一開始就全公司。接著盤點這個部門的例行工作和資料狀況，找出三個最適合 AI 接手的環節。然後辦一場實作型內訓，用上面講的課前訪談加真實情境設計。課後一個月內把提示詞庫和 SOP 建起來。最後拿試點部門省下的工時當證據，再往其他部門擴散。
試點的成效怎麼算？最實際的指標是工時：導入前這件事每週花幾小時、導入後剩幾小時，乘上人力成本就是每月省下的錢。一個每週省八小時的流程，一年就是四百多個小時。拿這個數字去說服其他部門的主管，比任何簡報都有力。
試點流程選「每週都會發生、規則清楚、錯了損失不大」的工作。週報、信件分類、文件初稿都合格；對外報價和法務文件，等團隊熟了再說。
預算方面好消息不少：勞動部勞動力發展署有針對 AI 相關訓練的補助方案，經濟部的中小企業網路大學校也有免費線上課可以當課前打底。行情帶和每人成本的抓法，看企業AI內訓費用那篇；補助申請流程和退件地雷，看補助申請攻略。
我在職訓現場看到的：官田經驗談
在勞動力發展署雲嘉南分署（台南官田）帶企業 AI 內訓，學員大多來自傳統產業和在地中小企業，很多人開課前連 ChatGPT 帳號都沒有。有一堂課讓我印象很深：一位做食品加工的學員，把自家產品的檢驗報告丟給 AI 整理成客戶看得懂的說明文件，以前這件事要拜託會寫文件的同事，來回兩三天。他當場做完，愣了幾秒，然後問我「這樣以後是不是每批貨都可以自己出」。
另一個常見的驚喜出現在行政職。有位負責會議記錄的學員，以前每場會要花一個多小時整理紀錄，學會把錄音轉文字再交給 AI 整理之後，剩下十五分鐘校對。她跟我說的原話是「早知道這麼簡單，我去年就該來上」。
零基礎不是問題，這是我帶完多梯次之後最確定的一件事。問題永遠出在課程設計：教材跟他的工作無關，他就記不住；用自己的資料練過一次，他就回不去了。
辦得好的 AI 內訓，結束才是開始
講師搭配 AI 的內訓模式，課前客製教材、課中真實情境實作、課後 SOP 落地，三段缺一不可。挑講師看的不是工具玩多溜，是願不願意做訪談、敢不敢讓員工拿真資料練、課後追不追蹤。這三個問題在第一次洽談就可以直接問，答得出具體做法的講師，課通常不會太差。內訓跟線上課程的取捨，可以搭配企業內訓與線上課程的比較一起評估，混著用常常最省錢。
AI 企業內訓常見問題 FAQ
員工完全沒有 AI 基礎，可以上嗎？
可以，而且零基礎學員常常進步最有感。前提是課程要分級：基礎班從帳號申請和日常情境教起，進階班才進到部門客製應用。最怕的是全公司混在一起上同一套，程度好的無聊、零基礎的跟不上。
一場 AI 企業內訓的預算怎麼抓？
依時數、人數和客製深度，常見從數萬元到二十萬元以上。記得把勞動部的訓練補助算進來，搭配申請的話實際支出能省下可觀的一截，重點是補助要在開課前申請，不能事後補。
內訓該教 ChatGPT 還是 Claude？
都能教，選定一套當公司主力比較重要。挑選標準看工作型態：長文件處理、需要嚴謹引用的選擇之一是 Claude，一般泛用情境 ChatGPT 也夠用。真正的地雷是各部門各用各的帳號，資料規範管不住。
公司機密資料丟給 AI 安全嗎？
直接丟公開版工具有風險，所以資料分級要在內訓第一小時就講：公開資訊可以用、內部資料去識別化後用、機敏資料用企業方案或完全不進 AI。企業版工具通常提供資料不入訓練、稽核紀錄等治理功能，導入前先確認合約條款。
課後怎麼確保員工持續使用？
三件事：提示詞庫讓好用法留下來、SOP 把 AI 寫進流程、三十天回訪把卡點清掉。少了這三件，再精彩的課也會在三週內退溫，這也是挑內訓廠商時要把「課後追蹤」寫進合約的原因。
