為什麼你的 AI 能力，
還是停在「會用」，而不是「會應用」？

員工都會開 ChatGPT 了，帳號也申請了，還上過一堂完整的工具介紹課，上課時大家聽得很認真，下課還互相分享自己發現的用法。半年過去，你想不出一件事是因為那堂課而真的改變的。

我常在企業內訓的課前訪談聽到類似的話：「我們員工其實都會用 AI，只是還沒有真的用出成果。」講的人語氣通常有點無奈，好像成果遲遲不出現是員工的問題。但我看過的案例多半不是這樣——工具介紹課本身沒有錯，錯在把它當成了終點。

一堂課，然後呢

工具介紹課很好教，效果也立竿見影：介紹幾個工具、示範幾個用法，學員當場就能上手，滿意度通常很高。問題出在下課之後。回到座位上，大家繼續原本的工作方式，因為沒有人告訴他們，這個工具具體要接在哪一件事上。

幾週後，開始用的人只剩零星幾個，其他人默默把帳號晾在那裡。老闆下次想到 AI，第一個念頭往往是「是不是該再辦一場培訓」，於是又排了一堂更進階的工具課——結果還是同一批人在用，同一批人沒在用。

卡住的不是工具，是方法

「會用」代表一個人知道怎麼下提示詞、知道哪個工具適合哪種任務，這件事一堂課就能教會。「會應用」是另一回事：把 AI 放進一個具體的工作流程裡，變成一套下次還會用、換個人接手也做得起來的東西。這中間隔的是方法，不是熟練度，再上一堂課補不起來。

這也是為什麼很多公司培訓評估時會發現，同一批員工的 AI 使用落差其實很大——有人已經拿 AI 處理跨部門的複雜任務，有人還停在「問它今天天氣」。同一套課對前者太淺，對後者太快，兩邊都學不到東西，滿意度調查卻可能兩邊都給高分，因為誰都沒有被逼著往前走一步。

我實際怎麼帶

帶企業做內訓和顧問案，我通常照著同一條路走，不管產業。先不談工具，從學員自己的工作情境出發，把「我想導入 AI」這種模糊的念頭，拆成一個具體、有明確產出的問題——這一步最容易被跳過，因為大家更想直接看示範，但少了這一步，後面做出來的東西通常用不久。

問題拆解清楚之後，才進到工具。設計的不是一句提示詞，是一套流程：下次遇到同樣的事，換一個人來做也照樣走得通。接著當場做出一個真的能運作的版本，不是投影片，也不是「概念上應該可行」的口頭承諾。最後一關是把個人可用的東西，變成部門可用——這一步最常卡住，因為牽涉到的已經不只是個人習慣，資料放哪裡、誰能改、原本做這件事的人請假了怎麼辦，都是新的問題。這幾個問題我會另外寫一篇拆開講。

你這週可以做的第一步

• 找公司裡 AI 使用程度落差最大的兩、三個人聊聊，問他們具體卡在哪一步
• 挑一個「做得出來但還沒變成部門標準流程」的案例，問問看交接和維護有沒有人想過
• 下次培訓前，先確認學員程度落差，再決定要分層還是混班

工具介紹課解決的是「知不知道」，但公司真正要的是「做不做得出來」。這兩件事之間，靠的是方法，不是再排一場更進階的課。