去年教 ChatGPT，今年教 Copilot，明年教什麼？一位服務超過 40 家企業的講師說：別再問「要上什麼工具的課」。五個課前訪談維度跑不完，找多貴的 AI 顧問都是浪費。附兩個產業案例 + 課後落地清單。
主管問你：「今年的 AI 培訓怎麼規劃？」你打開去年的課程資料，發現教的工具已經改版兩次了。
去年教 ChatGPT，今年主管問要不要改教 Copilot，明年大概又有新工具要追。課上了、回饋單填了，但你心裡清楚——當工具越加越多，人卻越來越累的時候，週一早上大家打開的還是同一份 Excel。
問題不是員工學不會，是我們從一開始就追錯東西了。
這篇給你一套 AI培訓規劃的檢核清單：五個課前訪談維度、兩個產業案例、一個課後落地框架。下次安排課程前，先拿這份清單過一遍。
去年教 ChatGPT、今年教 Copilot，AI培訓規劃不該從工具開始
AI 工具每個禮拜都在推新服務。一位服務超過 40 家企業的講師 Dennis 說得直接：講師的教材印出來就過時了，你如果一直追工具熱點，就注定每年重新上課。
這也是為什麼很多員工上完 AI 課回去什麼都沒改變。ChatGPT 從 GPT-3.5 到 GPT-4o 再到現在的模型，每一次改版都讓去年的操作教學失效。你今年上完課，明年介面全換了，又要重學。
但有一種能力不會過時：判斷「我的工作哪一段可以交給 AI」。
工具操作可以上 YouTube 自學，30 分鐘就能搞定。但把自己的工作流程攤開來、找到哪個環節值得讓 AI 接手——這種拆解和判斷的能力，不管工具怎麼換都用得上。
所以在你開始做 AI培訓規劃之前，第一件事不是選工具，是搞清楚你的人到底在做什麼。
「我們要上什麼工具的課？」，如果這是你問 AI 顧問的第一句話，你已經掉進陷阱了
Dennis 觀察到一個幾乎每家企業都在犯的錯：找 AI 顧問安排培訓，開口就問「ChatGPT 還是 Copilot？」
但 AI 課跟傳統培訓的邏輯完全不同。傳統課教功能、教步驟，有固定的做法可以跟。AI 課教的是拆解工作和做判斷——AI 越來越強，人類要學的不是怎麼操作它，而是怎麼把自己的工作拆成可以被處理的小單元，然後決定哪些值得交出去。
這意味著，你該問 AI 顧問的第一句話不是「你教什麼工具」，而是「你怎麼了解我們公司的工作流程」。
如果對方回答不了這個問題，他給你的就是一堂通識課——講師用制式案例教操作，員工上完覺得有收穫，但回到自己的桌面，那些案例跟他每天做的事情是斷開的。
課程是否成功，在課前訪談就決定了 80%
Dennis 的核心框架很簡單：課前訪談要跑五個維度。下次跟 AI 顧問開會之前，先在公司內部把這五題過一遍——看看自己答得出幾個：
| 訪談維度 | 要釐清的事 |
|---|---|
| 工作流程 | 哪些任務重複、耗時、容易卡住？ |
| 文件型態 | 日常用的是簡報、報表、會議紀錄、SOP，還是客服內容？ |
| 人員落差 | 角色、年資與數位能力差距有多大？是否需要分層？ |
| 導入阻力 | 主管期待、IT 限制、資料權限與內部文化是什麼？ |
| 成果定義 | 上完課希望帶來什麼改變：效率、品質、速度還是新習慣？ |
一份實用的課前評分表，至少要回答三件事：公司現在卡在哪裡？哪些文件最值得拿來做教材？課後學員帶走什麼可直接使用的成果？
這五個維度跑不完，課就別開。先做診斷、收資料、把員工的能力分級做好，然後才談課程設計。這張訪談表就是你的 AI培訓規劃的採購規格書。
你可以直接拿這組問題去問 AI 顧問：「你們課前會怎麼了解我們的情況？」如果對方說「我們有標準教材」，你大概可以結束這場會議了。
製造業 email 從 7 天變當天、旅遊業行程表從 5 天變 1 小時，他們課前做了什麼？
兩個真實案例，讓你看到「課前準備」到底長什麼樣子。
案例一：製造業——信件處理從 3-7 天變成當天完成
一家製造業公司，業務端每天收到幾百封客戶信件，手動處理一輪要 3 到 7 天。信件格式不統一、中英混雜、每封信的規格和截止日都不一樣。
課前怎麼做？不是發一份需求調查表就了事。團隊拿到的是員工桌面上那些真實的 email 範本——去掉公司名稱和機密資訊，但保留格式混亂、中英夾雜的原貌。課程裡直接用這些信件設計自動分類和處理流程。
結果：當天就能處理完。不是因為用了什麼神奇工具，是因為課程設計是從他們真正在做的事情開始的。
案例二：旅遊業——客戶行程表從 5 天變成 1 小時
旅遊業的業務各做各的行程表，每個人風格不同，每份都手動拉簡報，原本要花五天。要導入一套系統來統一流程？報價一出來就知道不可能。
課前先把每個業務的工作習慣訪談一遍，了解他們各自怎麼做、差異在哪。然後把常用的景點和餐廳資訊整理成素材庫，讓 AI 直接組裝行程表。
結果：一小時搞定。不需要導入昂貴的系統，用現有工具加上 AI 就能做到。
兩個案例的共同點：課前拿到的不是教科書範例，是學員桌面上那個沒命名的 PPT、格式混亂的 Excel、中英混雜的 email。
你可以拿這兩個案例去問你的 AI 顧問：「你們課前會怎麼收集我們的真實工作文件？」答不出來的，不用談了。
課上完了，然後呢？，讓效果活過三個月的四個步驟
培訓結束不是終點。數據顯示，大約只有 10-20% 的員工能把培訓內容真正帶回工作場景。原因很簡單：回到座位上，身邊沒有人跟你一起試，講師的案例跟你的日常又不完全一樣，三個月後就全忘了。
除非公司裡有一個人持續在推動。
曾在多家企業擔任內部 AI 推動者的培訓顧問 Vivi 把這種人叫做「種子」——不一定最資深，但最愛玩；同事有問題會去問他；能把技術語言翻譯成大家聽得懂的話。每間公司都有這種人，可能正在偷偷用 AI 解決自己的問題。
把這四步寫進你的培訓 RFP：
第一步：找到你的種子。 不挑最會用的，挑最願意分享的。觀察誰對新工具特別好奇、誰的同事遇到問題會先找他。
第二步：給他空間。 減輕一點工作負擔，讓他有餘裕去玩、去試。建立心理安全感——告訴他在安全範圍內可以盡量用，不用怕犯錯。
第三步：每週安排 30 分鐘午餐 Demo。 讓種子帶一個真實案例分享，工作上的或生活上的都好。一個同事的活用案例，效果遠勝外部講師三小時的課程。從診斷到內部擴散，這也是智谷顧問服務一直在做的事。
第四步：三個月後向管理層回報。 拿具體數字說話：省了多少時間、改了幾個流程、有幾個人開始用。這才是上得了呈報的語言。
「可是我們公司規模小，找不到這種人怎麼辦？」——其實不需要找到 AI 高手。你要找的是那個午餐時間會跟同事說「欸我昨天用 AI 做了一個超好玩的東西」的人。他不需要懂程式，只需要有好奇心和分享慾。
「可是我們預算有限，沒辦法導入系統。」——兩個案例都沒有導入新系統。旅遊業那個案例，本來想找外部做系統串接，報價一出來就放棄了。後來用現有的工具加上 AI 就做到了。好的 AI培訓規劃不是讓你花更多錢買系統，是讓你現有的工具發揮更大的價值。
一套好的 AI培訓規劃，不是從工具目錄開始的，是從你的人、你的流程、你的真實痛點開始的。
五個課前訪談維度幫你釐清需求，兩個案例告訴你課前準備該做到什麼程度，種子四步驟確保培訓效果不會三個月歸零。下次編預算前，先把這份清單拿出來對一遍。
智谷相信的事一直沒變：每一場培訓，都從傾聽開始。
如果你正在規劃下一輪的 AI 培訓，但不確定從哪裡切入——歡迎先跟我們聊 30 分鐘。我們通常從了解你的團隊現在花時間的環節開始，不從課程目錄開始。預約一場免費的工作現場診斷。
內部連結（已嵌入文中 + 建議補充位置）：
/ai/→ 「AI 培訓」（結尾 CTA）— 已嵌入/contact-us/→ 「預約一場免費的工作現場診斷」（結尾 CTA）— 已嵌入/24590/→ 可在 H2-1 加入：「這也是為什麼很多員工上完 AI 課回去什麼都沒改變」/24580/→ 可在開頭段加入：「當工具越加越多，人卻越來越累的時候」/tcservice/→ 可在 H2-4 案例後加入：「從診斷到課程設計，這是智谷顧問服務一直在做的事」
如果你正在為組織設計 AI 導入的第一步，還沒送簽呈之前，歡迎找我們聊聊。
智谷網絡（Kvalley Network）自 1996 年創立，專注企業 AI 轉型與中高階主管培訓，累計服務 3,000+ 家企業、75,000+ 小時訓練執行時數、年度訓練 30,000+ 人次。
推薦精選文章
更多企業 AI 培訓服務：https://www.kvalley.biz/tcservice/digital/