我們接過最常見的企業 AI 內訓需求，是這句話：「我們買了 ChatGPT 企業版，但同事好像只拿來查資料，跟用 Google 沒兩樣。」這不是工具的問題，是訓練設計的問題。一場 3 小時的明星講師演講，可以讓全公司聽得很嗨，但兩週後留存率趨近於零。
這篇文章記錄我們設計企業 AI 內訓的標準框架——一套以 8 週為週期的課程，目標不是「讓員工知道 AI 很厲害」，而是「讓每個部門在第 8 週交出可以驗收的產出」。以下是我們在多個 30 到 200 人規模公司跑下來、反覆修正後的版本。
1. 為什麼是 8 週，而不是一場 workshop
企業導入 AI 最大的迷思，是把它當成一次性的「知識傳授」。但用 AI 工作是一種習慣，習慣需要時間養成、需要反覆練習、需要在真實工作中卡關再被糾正。一場演講解決不了這件事。
我們設計過 1 天密集班，也設計過 12 週長班，最後收斂在 8 週，原因有三：
- 夠長到養成習慣：8 週、每週至少一次練習，足以讓 prompt 思維變成肌肉記憶
- 夠短到不流失動能：超過 10 週，學員與企業的熱度都會掉，課程變成行事曆上的負擔
- 對齊一個季度的節奏：8 週剛好可以放進企業的季度 OKR，產出能直接掛上績效
我們對企業窗口的第一句話通常是：「如果你只想要一場讓大家覺得很厲害的演講，我們不接，因為兩週後就沒了。」目的明確要的是行為改變，就得用能改變行為的結構。
2. 週 1-2：觀念建立（拆掉恐懼與幻想）
第一段最大的敵人不是「不會」，是兩種極端心態同時存在：一邊是「AI 會取代我」的恐懼，一邊是「AI 什麼都能做」的幻想。這兩週的任務是把兩者都校正回實際。
週 1：AI 能做什麼、不能做什麼
我們不從技術原理講起，而是直接讓學員體感邊界。當場讓他們各自丟一個自己工作上的真實問題給模型，然後一起看結果——哪些一次到位、哪些胡說八道（hallucination）、哪些要追問三輪才堪用。這一堂的目標是建立一個觀念：
- AI 是一個「很會寫、但不一定對」的高速實習生
- 它的產出品質，高度取決於你給的 context 與指令清晰度
- 最終把關責任在人身上，不在工具——這點對金流、法務、醫療類部門尤其要先講清楚
週 2：prompt 的底層邏輯
我們刻意不教「100 個萬用咒語模板」。背模板的人，遇到模板沒涵蓋的情境就卡住。我們教的是結構化思考：角色、任務、context、限制、輸出格式。學員學會這個骨架後，能自己組任何 prompt。週 2 作業是每人交 3 個跟自己工作相關的 prompt，我們逐一給回饋——這是第一次「用自己的工作練習」，也是後面所有設計的伏筆。
3. 週 3-4：工具實作（從聊天框走向工作流）
很多公司的 AI 使用停在「在對話框打字」。第二段要把學員從「聊天」帶到「工作流」，讓他們知道 AI 能嵌進每天真正在用的工具裡。
週 3：主力工具的進階用法
依企業已採購的工具決定（多數是 ChatGPT、Claude、Gemini 或 Copilot）。重點教三件容易被忽略的事：
- 檔案與長文處理：丟整份合約、會議逐字稿、Excel 進去做摘要與比對
- 自訂指令 / Projects / GPTs：把部門常用的角色設定固定下來，不必每次重打
- 多輪迭代的節奏：教他們「不滿意就追問」而不是「重開一個對話」
週 4：串接與半自動化
這週讓非技術背景的學員也能體會自動化的威力——通常用低門檻的方式示範：把表單回覆自動丟給 AI 分類、把客服信件草擬初稿、把每日報表轉成白話摘要。我們不要求每個人都會寫程式，但要每個人都建立「這件重複工作，是不是可以交給 AI」的反射。對有工程能力的公司，這週也會帶到用 API 串自己系統的概念。
4. 週 5-6：部門 use case（這是整套課程的心臟）
前四週是共同基礎，從第五週開始我們拆部門分組。這是整套課程跟「線上課程」「通用講座」最大的差異，也是留存率的關鍵——因為學員練的是自己每天在做的事，不是講師準備好的玩具範例。
課前我們會跟各部門主管做需求訪談，盤出每個部門「最花時間、最重複、最痛」的 3 個任務，課堂上直接拿這些開刀。實際跑過的例子：
- 行銷組：社群貼文與 EDM 初稿、A/B 文案產生、活動企劃發想
- 業務組：客戶會議記錄整理、報價信草擬、競品資料彙整
- 行政與 HR：SOP 文件化、面試題庫、公告與內部信改寫
- 客服組：常見問題回覆模板、客訴信件分級與初步回覆
我們帶過一間約 50 人的貿易公司，行政組原本每週要花約 6 小時整理跨部門的週會記錄與待辦追蹤。第 6 週結束時，他們做出一套「逐字稿丟進去、自動產出結構化記錄與分派表」的流程，同樣的工作壓到約 40 分鐘。這不是我們做給他們的，是他們在課堂上自己組出來的——這點很重要，因為自己做出來的東西才會繼續用。
週 6 還有一個常被低估的設計：跨部門分享。讓行銷看業務怎麼用、讓客服看行政怎麼用，互相偷招。我們觀察到最好的 use case 經常是這樣傳染開的。
5. 週 7-8：自主應用（讓它在課程結束後活下去）
最後一段的目的，是讓 AI 使用在我們離開之後不會死。很多內訓的失敗點就在這裡——課上完了，沒人維護，三個月後一切打回原形。
週 7：建立部門自己的資產庫
每組要把這 8 週累積的好用 prompt、自訂指令、workflow 整理成一份部門共用文件，並指定一位 AI champion（內部種子）。這個人不必最資深，但要最有熱情，負責後續答疑與更新。我們發現有沒有 champion，是課程結束半年後成效差距最大的單一變數。
週 8：成果驗收 demo
最後一週不是考試，是每組上台 demo 一個「已上線或可立即上線」的 workflow，並報告它實際省下多少時間。我們要求量化：原本花多久、現在花多久、一個月累積省多少。一間 80 人的公司，六個部門最後加總出每月約節省 120 小時的重複性工時——這個數字直接被老闆拿去算 ROI，也成了續約再開進階班的理由。
6. 驗收與後續：課程結束才是真正的開始
我們交付給企業的不只是「上完課」，還包含三份東西，確保成效能延續：
- 各部門 use case 與 prompt 資產庫：可直接傳承給新進同事，新人 onboarding 省一大段
- 量化成效報告：每個部門省下的工時與對應的人力成本，給管理層看 ROI
- 30 / 60 / 90 天追蹤點：課後我們會回訪三次，看 champion 機制有沒有運作、哪些流程默默死掉、需不需要補強
我們把「課後留存率」當成自己的 KPI，而不是「滿意度分數」。滿意度高很容易，找個會講的講師就有；但三個月後還有 70% 的部門在用，那才是內訓真正值錢的地方。
7. 比較：演講式 vs 8 週陪跑式
| 維度 | 一場明星演講 | 線上錄影課 | 8 週陪跑內訓 |
|---|---|---|---|
| 當下熱度 | 極高 | 低 | 高 |
| 3 個月後留存 | 幾乎為零 | 低 | 高 |
| 是否用真實工作練習 | 否 | 否 | 是 |
| 是否有可驗收產出 | 無 | 無 | 每組一個上線 workflow |
| 單位成本 | 低 | 極低 | 高 |
| 實際 ROI | 難量化 | 難量化 | 可量化工時節省 |
8. 誠實說：這套課程不適合誰
我們不接所有案子，因為有些情境這套做了也是浪費雙方的錢。以下情況我們會直接建議對方先別做、或改用別的方式：
- 員工流動率極高的單位：8 週還沒結束人就換了一輪，習慣養不成，資產也帶不走
- 找不出任何內部 champion：沒有種子接手，課一結束就回到原點，再貴的講師也救不了
- 老闆只想「看起來有在做 AI」：要的是新聞稿與打卡照，那一場演講就夠了，不需要我們陪 8 週
- 連基本工具都還沒採購：先把帳號、資安政策、資料使用規範弄好，再談訓練
坦白講，8 週陪跑的單位成本不低，它的價值來自「行為真的改變、且能量化」。如果一間公司的條件注定無法把行為改變留下來，那把預算花在這上面就是錯的——我們寧可先說清楚，也不想交付一個半年後歸零的專案。
結語：訓練的目標是行為改變，不是知識傳授
企業 AI 內訓真正難的從來不是技術，而是怎麼讓一群忙碌、各有本職的人，把新工具長進每天的工作裡。8 週課程之所以有效，不是因為內容多深奧，而是因為它的結構逼著每個人「動手、卡關、被糾正、再動手」——而這正是任何習慣養成的唯一路徑。
如果你正在評估要不要幫團隊導入 AI，或者已經買了工具卻發現沒人認真用，加 LINE 跟我們聊 30 分鐘。我們會先了解你的團隊規模、現有工具與痛點，誠實告訴你適不適合做 8 週內訓、或有沒有更省的做法——這通常不收費，因為這往往是合作的起點。