企業 AI 內訓要讓不同程度的員工用得上，建議先確認工作需求與學習起點，再依「跟著做、理解怎麼運作、轉用到工作」安排練習。HR 與資訊主管也需要共同確認工具、資料與操作條件，並用新的工作情境驗收，了解學員能否獨立應用。
最近和客戶討論企業內訓的課程設計時，我遇到一個很有代表性的提問。
一位資訊部門的同仁說：「其實你安排的這些課程看 YouTube 就可以了啊，幹嘛還要找老師來上？」
我能理解他的想法。對平常會主動研究工具、遇到問題知道怎麼搜尋的人來說，網路上的教學資源很多，確實可以自行學習。
但我在課堂上看到的是，有些同仁還不會，也不會主動去找影片。即使我已經一步一步拆解動作，帶著大家完成實作，仍然有人只記得操作，無法理解怎麼改成自己的工作用途。
這讓我開始思考：企業安排 AI 課程時，究竟用誰的能力起點來決定課程內容？
為什麼資訊部門與一般員工，對 AI 課程的期待不同？
企業 AI 內訓需要同時了解技術導入者與實際使用者的能力起點。資訊部門可以協助確認工具、資料與使用條件，HR 則需要了解參訓者的工作需求與學習困難，共同設定課程目標。
在我接觸的部分企業中，負責推動 AI 的資訊人員已經很熟悉相關工具。他們可能期待更進階的整合、自動化或技術應用；一般行政人員卻可能還在釐清，自己手上的工作到底可以怎麼交給 AI。
規劃內訓時，值得先確認：提出課程期待的人，與實際參訓的人，是否有相同的學習起點？
| 角色 | 規劃課程時，可以提出的問題 |
|---|---|
| HR／教育訓練主管 | 參訓者目前會什麼？希望課後能完成哪些工作？ |
| 資訊主管 | 公司允許使用哪些工具？帳號、資料權限與整合條件是否具備？ |
| 部門主管 | 哪些任務最需要改善？成果由誰檢查？ |
| 實際參訓者 | 日常工作卡在哪裡？哪些觀念或操作還不理解？ |
AI 素養在本文指的是：能理解 AI 的基本用途與限制，準備合適資料、說明任務，並判斷產出是否適合使用的能力。
OECD 於 2025 年發布的《Bridging the AI skills gap》指出，多數受到 AI 影響的工作者需要一般 AI 素養；其分析的培訓供給卻較偏重進階 AI 技能。這提醒企業，一般員工的培訓需求應獨立評估。
為什麼跟著完成 LINE 客服機器人，仍然無法活用？
學員依步驟完成 LINE 客服機器人，代表學員能重現課堂操作。要確認能否轉用到工作，還需要觀察學員是否理解資料、指令與回覆的關係，並能依新的需求調整。
我在帶 LINE 客服機器人實作時，已經把動作拆解，一步一步帶著大家做。但有些學員完成操作後，對背後的基本觀念仍然不清楚，因此無法活用，也不知道怎麼運用在自己的場景。
教學最容易被忽略的地方就在這裡：操作有跟上，理解可能還沒有跟上。
依照這些教學經驗，我把學習成果整理成三個層次，方便規劃課程與觀察卡點。
| 學習層次 | 可以觀察的表現 | 下一步需要確認什麼？ |
|---|---|---|
| 跟著做 | 能照講義完成課堂範例 | 是否知道各步驟的用途？ |
| 理解怎麼運作 | 能說明資料、指令與回覆的關係 | 需求改變時，能否指出需要調整的部分？ |
| 轉用到工作 | 能把方法改成自己的工作用途 | 能否測試結果、發現限制，並安排人工處理？ |
把在課堂學到的方法用進另一個情境，可以稱為「學習遷移」。這正是企業內訓需要關心的成果。
對非資訊背景的學員來說，課程應先讓他理解足以支撐工作判斷的邏輯，例如資料從哪裡來、哪些設定會影響回答，以及結果應由誰確認。需要開發或維護 AI 系統的人員，再依職務需求深入技術細節。
以 LINE 客服機器人為例，講師可以安排以下練習：
- 把客服資料換成另一項服務，需要調整哪些地方？
- 使用者換一種問法，應該怎麼測試回覆是否正確？
- 找不到答案時，應提供什麼回應，或如何轉給真人？
能回答這些問題，才比較有機會把課堂作品帶回工作現場。
有 YouTube 教學，企業為什麼還需要即時教學？
即時教學能讓講師透過提問、觀察與回應，辨識學員未理解的概念，再調整解釋與練習方式。企業可以依學員的自主學習能力與任務需求，組合自學教材及互動教學。
我認為現場教學很重要的一個價值，是學員可以當場問，老師也可以確認他到底卡在哪裡。
同樣一句「我不會」，可能代表不清楚按哪個按鈕，也可能代表不知道為什麼要做這一步，或是不知道換成自己的資料之後該怎麼改。這幾種情況，需要不同的協助。
影片可以重播，操作手冊可以查閱；互動教學則多了一個機會，讓講師根據學員的反應，換一種方式解釋，再請他試一次。
因此，企業選擇教學形式時，可以先判斷：
| 學員的狀態 | 可以安排的支持 |
|---|---|
| 能自主搜尋、理解教材與排除問題 | 自學資源、參考範例、定期討論 |
| 能操作，但基本概念不清楚 | 即時問答、請學員解釋步驟、短情境練習 |
| 理解概念，卻不知道怎麼套用 | 部門工作案例、情境改寫、講師回饋 |
即時互動可以發生在實體課，也可以發生在線上同步課程。單純把大家集合到教室，仍需要搭配理解確認與個別回饋，才能發揮價值。
企業可以依學員的自主學習能力、需要的回饋程度與任務難度選擇教學形式，再透過實作結果調整安排。
員工 AI 程度落差大怎麼培訓？
員工 AI 程度落差大時，可以先以短任務了解學習起點，再安排共同基礎與分層練習。課程應保留概念釐清、即時回饋與情境改寫，讓不同程度的學員都有明確的學習任務。
HR 可以和講師、資訊部門共同完成以下五個步驟，依參訓者程度、工作任務與可用工具調整課程內容。
1. 課前用一個小任務確認起點
只問「有沒有用過 ChatGPT」，不容易知道學員真正的能力。
可以請學員用公司允許的工具，整理一份可公開或已去識別化的資料，並說明自己如何檢查結果。觀察他能否獨立完成、是否需要提示，以及遇到問題會怎麼處理。
同時請學員帶一項希望改善的日常工作，作為課程設計的依據。
2. 確認工具與資料條件
課前要確認參訓者是否有可用帳號、所需功能與資料權限。如果講師示範的功能，在公司環境裡無法使用，課程就需要調整。
資訊部門可以在這個階段提供協助，讓練習符合公司的使用條件。
3. 安排共同基礎，再依能力分層練習
共同基礎可涵蓋資料使用界線、任務說明、AI 可能出錯，以及人工查核責任。
進入實作後，同一題可以安排不同深度：初學者先完成基本任務，較熟悉的學員再練習修改條件、處理例外。若落差已經大到無法兼顧，也可以分班或安排助教。
4. 在操作中穿插理解確認
每完成一個關鍵步驟，可以請學員用自己的話說明用途，或預測改變設定後可能發生什麼事。
講師藉此了解學員的理解，而學員也能練習把操作連回目的。這需要預留時間，課程內容與實作份量也應一起調整。
5. 換一個情境，再確認是否能獨立完成
課程後段可以更換一組資料或工作需求，讓學員依照新的條件，嘗試調整老師示範的方法。
如果學員卡住，就記下需要什麼提示，再決定課後補充教材或問答安排。
OECD 於 2026 年發布的《Skills in the AI age》也強調，AI 時代需要基礎能力、數位技能，以及批判思考、溝通與協作等互補能力。企業可以據此檢視課程是否只涵蓋工具操作，還是也讓學員練習判斷與應用。
AI 內訓如何銜接企業流程自動化？
AI 內訓銜接流程自動化時，需要同步確認人員能力、資料可用性、交接規則與例外處理。課堂上的卡點，可以協助企業辨識後續應補訓練、整理資料、調整分工或改善系統的地方。
當企業從個人使用 AI，走向跨部門流程自動化，某個環節的問題就可能影響後續工作。
以下是假設情境：企業希望把收到的需求自動整理，再交給下一個部門處理。如果需求資料不完整、欄位意思不一致，或沒有人知道哪些結果需要人工確認，即使工具可以串接，流程仍可能反覆停下來補資料。
我原本關心的 AI 素養落差，在這裡就會和資料、流程一起影響導入。但企業需要逐項判斷原因，才能選擇合適的改善方式。
| 發現的卡點 | 可以先檢查 | 可能的改善方向 |
|---|---|---|
| 員工不知道如何描述任務 | 是否理解輸入、目的與預期成果？ | 補觀念、提供範例與練習 |
| AI 缺乏可用資料 | 資料是否存在、可取得且有明確定義？ | 整理資料、確認權限與維護責任 |
| 每次都要工程師協助操作 | 操作是否過於複雜？ | 簡化介面、提供範本或調整系統 |
| 異常發生後不知道交給誰 | 是否有人工查核與例外處理規則？ | 釐清分工、建立 SOP |
RAND 於 2024 年訪談 65 位有經驗的 AI 專業人士，透過探索性訪談整理出需求誤解或溝通不清、缺乏所需資料，以及基礎設施不足等常見失敗原因。企業可以從這些面向檢查自己的導入條件。
另一方面，AI 也可能協助縮小工作能力差距。2025 年刊登於《Quarterly Journal of Economics》的〈Generative AI at Work〉分析單一企業的 5,172 名客服人員，發現導入對話式 AI 輔助工具後，每小時解決問題數平均增加 15%，經驗較少與原本工作技能較低者獲益較大。
這項研究提供了客服工作中的實證。企業可以從自己的任務出發，設計小規模試行，觀察合適的工具與支持能如何幫助不同程度的員工。
HR 與資訊主管，如何共同確認內訓成果？
HR 與資訊主管可以共同設定可觀察的成果，包括獨立完成任務、解釋關鍵邏輯、調整新情境，以及辨識需要人工處理的問題。課後再追蹤實際使用情況與卡點，決定下一步支持。
如果課程目標是讓員工用 AI 改善工作，驗收就需要涵蓋工作應用。出席率與滿意度仍有用途，也應搭配任務表現與後續使用情況。
| 驗收面向 | 建議觀察方式 |
|---|---|
| 操作能力 | 能否在沒有逐步提示時完成指定任務？ |
| 概念理解 | 能否說明使用資料、關鍵步驟與預期成果？ |
| 情境轉用 | 更換資料或需求後，能否自行調整？ |
| 判斷能力 | 能否發現錯誤，知道何時需要人工確認？ |
| 工作採用 | 回到工作後是否使用？卡在哪個環節？ |
如果要比較工作時間或成果品質，應先記錄原本的做法，再選擇相近任務比較，避免只看課堂示範的速度。追蹤期間也可以依任務頻率安排，不必全公司使用同一個期限。
對 HR 而言，這些紀錄能幫助判斷下一次要補什麼課；對資訊主管而言，也能協助區分能力、權限、資料與系統問題。
如果企業正在規劃 AI 內訓，可以先帶著三項資料和我討論：參訓者的工作角色、目前使用 AI 的情況，以及最想改善的日常任務。我會從這些條件釐清課程目標，再討論適合的實作與應用方向。
相關合作方式可參考企業 AI 內訓與導入服務。
常見問題
企業 AI 內訓的分班、教學形式與課前準備，應依參訓者能力、工作任務及公司工具條件決定。課堂作品完成後，仍需透過情境調整與課後使用，確認學員能否獨立應用。
員工完全沒有 AI 基礎，可以和有經驗的人一起上課嗎？
可以先安排共同基礎，再依程度設定不同深度的練習。如果初學者需要持續個別協助，已影響課程節奏，就應評估分班、助教或課前補充教材。
非資訊背景員工，需要理解多少 AI 原理？
應理解足以支撐工作判斷的邏輯，包括資料來源、任務目的、輸出限制與查核方式。模型訓練或程式細節是否需要學習，則取決於工作角色，不必對所有參訓者設定相同深度。
企業 AI 內訓一定要實體授課嗎？
企業可依學員需求選擇教學形式。能自主學習的員工可以搭配影片與教材；需要概念釐清或情境討論的員工，可以安排線上同步或實體互動，並預留問答與回饋時間。
學員完成課堂作品，就代表學會了嗎？
完成作品可以證明學員完成當次實作，但還需要確認是否能解釋做法、調整需求及檢查結果。企業可以增加一個變更情境，觀察學員需要多少協助。
公司資料還沒整理好，可以先安排 AI 內訓嗎？
可以先用公開資料、模擬資料或經確認可用的資料，建立基本觀念與操作能力。同時盤點實際工作需要哪些資料、由誰維護，再判斷哪些應用已具備導入條件。
參考資料
本文引用 OECD 的 AI 技能政策研究、客服工作實證論文與 RAND 的專案訪談研究，分別討論員工能力、工作成效與導入條件。各項研究的方法與對象，已在相關段落交代。
- OECD（2025 年 4 月 24 日），Bridging the AI skills gap: Is training keeping up?。
- OECD（2026 年 7 月 8 日），Skills in the AI age。
- Brynjolfsson、Li 與 Raymond（2025），Generative AI at Work，The Quarterly Journal of Economics。
- RAND（2024），The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed: Avoiding the Anti-Patterns of AI。
**作者：**張可佳（Claire Chang），允愛數位科技，企業 AI 導入與流程轉型顧問。
**最後更新：**2026-10-21
關於作者
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2026-10-21