從 0 開始學 AI：不會寫程式也能上手，30 天建立真正用得上的 AI 能力

你可能遇過這種情況：同事用 AI 幾分鐘整理完一份會議紀錄，自己卻還不知道該註冊哪個平台；網路上有成千上萬支教學影片，從 ChatGPT、Gemini 到 AI Agent、AI 寫程式，每一項看起來都應該學。結果搜尋了幾天，收藏了一堆網址，真正的工作方式卻沒有改變。

問題通常不是學得不夠快，而是學習目標被工具名稱取代了。會問 AI 問題，不一定代表能讓它完成工作；看得懂漂亮的答案，也不代表知道答案能否採用。零基礎學 AI 的第一個成果，應該是一份能檢查、能修改、能實際使用的工作成品。

本文將學習路線分成四個階段：理解 AI 能做什麼，找到適合的第一個工具，把任務說清楚並反覆練習，最後建立查核與重複使用的方法。這不是一份「30 天保證成為 AI 專家」的計畫，而是一套讓初學者有機會從觀望進入實作的練習設計。

一、從 0 開始學 AI，究竟要先學什麼？

先把兩個經常混在一起的問題分開：學習「人工智慧技術」，和學習「使用 AI 完成工作」，不是同一條路。前者可能涉及數學、資料科學、程式設計、模型訓練與系統部署；後者先從閱讀、整理、寫作、規劃、研究、分析等日常任務開始。

如果你的目標是成為機器學習工程師，將來需要系統性地補上 Python、統計、演算法與模型評估。如果你是行政、業務、行銷、主管、創業者，現階段最重要的問題可能是：能否把一封冗長的信整理成待辦事項？能否從訪談紀錄找出客戶共同提到的痛點？能否先產出簡報架構，再由自己判斷內容是否能對外報告？

這兩種目標沒有高下之分，差別在於終點。學 AI 之前，先定義你要改善哪一種工作，而不是先決定要學哪個軟體。

對一般初學者而言，第一階段只需要掌握五個概念。

AI（人工智慧）：廣義上是讓電腦系統執行需要辨識、預測、推理或生成等能力的技術集合。並非所有 AI 都會聊天，也並非所有 AI 都會生成文字。

生成式 AI（Generative AI）：能根據指令與輸入素材產生文字、圖片、聲音等內容的 AI 類型。日常使用的聊天助理通常屬於這個領域。

大型語言模型（LLM）：經大量文字等資料訓練、擅長處理與生成語言的模型。它可以提供有用的草稿與分析方向，但並不是能自動驗證所有事實的資料庫。

Prompt（提示詞／指令）：你給 AI 的任務描述。它不需要是神祕咒語，只要把目的、背景、限制與輸出要求說清楚，就能有效改善交流。

AI Agent（代理系統）：通常指在一定目標、工具與權限下，能執行多步驟工作的系統。初學者不必第一天就學 Agent，先能驗收單一任務，才有基礎管理連續任務。

Microsoft Learn 的初級課程涵蓋 AI 術語、撰寫提示、摘要與圖像生成；OpenAI Academy 的 AI Foundations 也將真實工作練習、清楚指令、補充背景、檢閱成果與負責任使用放在學習核心。這些官方資源的共同方向是：初學者應把觀念連到實際操作，而非只記憶名詞。[S01][S02]

二、第一個 AI 工具怎麼選？不要同時學五套

從 0 開始，最大的成本常常不是訂閱費，而是注意力。每個平台都有不同介面、登入方式、免費額度與更新節奏；如果一週內輪流試五種工具，就很難判斷究竟是自己的指令有問題，還是工具真的不適合。

最簡單的方法是：先用一個自己容易取得、公司允許使用的通用聊天工具，連續練習至少一週。 例如 ChatGPT、Gemini、Claude 或 Microsoft Copilot 都可以作為候選；它們的功能、語言表現、附件限制與方案會改變，不能僅靠某張過時比較表做長期決策。

選工具時先問三個問題：第一，這個工具是否符合我實際工作的輸入與輸出？第二，是否有可使用的版本，且不需要提供不應上傳的資料？第三，若答案有誤，我能不能找回原始資料檢查？如果第三題答不出來，即使生成結果很漂亮，也不適合直接投入重要決策。

對企業員工還要加一題：公司是否有核准的平台、帳號與資料規範？個人可以練習的工具，不代表就能拿來處理客戶資料、內部財務、員工資訊或尚未公開的營運報告。

三、第一次打開 ChatGPT 或其他 AI，請先做這個練習

別急著把第一句話寫成「請幫我做所有事情」。先找一段你已經看懂的公開資訊，或自己編寫一則沒有真實個資的模擬訊息。把這段素材貼上，請 AI 整理出三個重點與三項待辦。

假設練習素材如下：

下週三要辦部門分享會，預計 20 人參加。會議室尚未確認。行銷部負責海報，行政部負責確認設備。希望在週一前完成報名名單，若場地借不到，要另外找線上方案。

第一個提示詞可以寫：

請把以下活動資訊整理成「已確定事項」、「待完成事項」與「仍需確認的問題」三部分。請使用表格；不要自行補上日期、姓名、費用或不存在的決策。若資訊不足，請標示「待確認」。素材如下：〔貼上文字〕。

產出之後，不要只看排版。問自己：它是否把「希望週一前完成」寫成了「已經完成」？是否把未確認的會議室寫成確定地點？是否自動指定了不存在的負責人？這一輪檢查，比你記住十個高級 Prompt 名詞更有學習價值。

接著再做第二次對話：「請把待完成事項按執行先後排序，並說明排序是假設還是原始資料所明確規定。」你會開始理解 AI 的優勢是快速產生草稿與替代方案，但原始資料的邊界必須由人維持。

OpenAI 的提示工程指南強調清楚、具體、提供背景，以及根據第一次回答再修改指令。這和工作現場交辦任務的邏輯相通：只講「幫我整理」會產生很多合理但不一定適用的版本；說明用途、對象與限制，才比較有機會得到可採用的結果。[S03]

四、Prompt 不必背公式，但要學會把需求說完整

你可以把一個實用的 Prompt 拆成五個部分：「目的、背景、素材、限制、交付格式」。這是本文為初學者整理的練習框架，不是任何一家模型公司的唯一官方格式。

目的回答「為什麼要做這件事」；背景說明誰會使用結果；素材提供 AI 需要處理的內容；限制指出不能編造哪些資訊；交付格式讓成果能直接進入下一個步驟。初學者最常缺少的，通常是背景與限制，而不是特別複雜的技術指令。

以下是一個可直接改寫的 Prompt：

我是〔職務〕，要為〔對象〕完成〔具體任務〕。使用情境是〔背景〕。請只根據我提供的〔資料〕進行整理，不要新增未經證實的事實。請先輸出〔表格／摘要／信件草稿〕，再列出你認為仍需人工確認的三個問題。若資料不足，請明確說不知道，不要猜測。

例如，你是第一次使用 AI 的業務助理，要整理詢價信。與其問「幫我回客戶」，更有效的是：

這是一封客戶詢價信。請先整理客戶明確提出的需求、尚未提到但報價必要的條件，以及一封禮貌的回覆草稿。不要自行承諾價格、交期、折扣或公司沒有提供的服務。草稿最後保留人工確認欄位。

當你需要不同版本時，也不要只問「再好一點」。可以改問：「請縮短到 150 字內，語氣正式但不要僵硬；保留交期尚待確認的資訊。」這種修改方式可觀察、可評估，能讓你逐漸掌握 AI 協作的能力。

真正有價值的 Prompt 不是看起來多專業，而是別人拿到同一份需求與素材時，能否理解它要產生什麼、有哪些不能跨越的界線。

五、30 天 AI 學習計畫：每天 20 至 30 分鐘，完成四個作品

下面這套 30 天路線是本文提供的建議訓練安排，不是已經驗證能讓所有人在 30 天獲得相同能力的實驗結果。學習速度因背景與使用頻率不同而異。設計重點是每一週都有能保存的成果，不把「看完影片」當作學會。

第 1 週：理解與問答，完成一份可信任摘要

第 1 至 2 天，建立一個可以安全練習的帳號，閱讀基礎名詞，試著用自己的話解釋什麼是生成式 AI。第 3 至 4 天，把公開或自製的文字交給 AI 做摘要，再與原文逐段比對。第 5 至 6 天，練習要求不同格式，例如五個重點、表格或一段主管摘要。第 7 天，保存一份你確認過內容正確的「摘要範例」。

這一週不需要付費、不需要程式語言。你要確認的是自己知道哪些句子來自原文、哪些只是 AI 的整理或延伸。如果 AI 新增了資訊，你要能指出來。

第 2 週：清楚指令，完成一份可使用的工作草稿

第 8 至 10 天，選擇你真正常做的任務，例如回信、活動企劃、訪談提綱或教學講義。用同一份素材寫兩種 Prompt：一個模糊、一個有背景與限制，比較結果差異。第 11 至 13 天，練習用明確回饋修訂，例如「刪除沒有來源的數字」「把結論改成待確認」。第 14 天，把最終版本交由自己或熟悉這項工作的人檢閱。

這一週的作品是一份「初版、修改版、最終版」三個版本的紀錄。你要能解釋修改的原因，而不只是覺得後一版讀起來比較順。

第 3 週：整理與分析，完成一份可追溯的表格

第 15 至 17 天，製作一份完全模擬的資料，例如 10 筆活動報名、20 筆商品詢問或 15 筆工作任務。請 AI 協助分類、找出空白欄位、檢查重複項，並說明每一條整理規則。第 18 至 20 天，要求它依規則輸出摘要與待查問題。第 21 天，用試算表人工核對筆數、欄位、分類與總計。

初學者不必一開始就把資料分析做成自動化儀表板。先學會區分「來源資料」「處理規則」「整理結果」「仍有疑義的資料」。只要具備這種意識，未來才有條件走向進階分析。

第 4 週：建立自己的工作流程，留下可重複使用的範本

第 22 至 24 天，挑出前三週最實用的任務，整理固定輸入格式和驗收清單。第 25 至 27 天，以不同的一份新素材重新執行，確認不是只能在原本範例上成功。第 28 至 29 天，紀錄完成任務前後所需時間、人工修正次數，以及重要錯誤。第 30 天，整理出自己的「AI 工作操作卡」。

最後的交付物應有五個欄位：適用工作、允許使用的素材、Prompt 範本、人工檢查重點、完成標準。下一次再遇到同類工作，你就可以直接從這張操作卡開始，而不用重新搜尋教學影片。

六、怎麼知道自己真的學會了 AI？用成果而不是工具數量驗收

「我會使用 ChatGPT」是一句很難驗證的自我描述；「我能把每週會議紀錄整理成待辦清單，並正確標示負責人與待確認項目」則是一種可以驗收的能力。

本文建議用四個維度檢視學習成果。

可完成性：你能否在沒有別人代打指令的情況下，從原始素材走到初步成品？如果只能複製一份 Prompt，稍微更換情境就失效，代表理解還不夠穩定。

正確性：能否找到 AI 結果中至少三個需要核對的地方，例如專有名詞、日期、來源、數字或承諾？高風險資料要回到原始來源或有資格的人員檢核。

可重複性：同一種任務換成另一份輸入資料，是否還能完成？如果每次都要重新摸索，工作流程就還沒有穩定。

可交接性：能否把步驟整理給同事使用，說清楚適用範圍、操作邊界與完成標準？AI 能力若只存在於一次對話中，就不容易形成可累積的資產。

你可以把這四項各自標成「尚未完成、需協助完成、可獨立完成」，作為個人的進度紀錄。它不是官方認證分數，但能幫你辨識下個月應補強哪個環節。

七、初學者最容易走的五條彎路

第一種彎路是每天追逐新工具。工具更新很快，但清楚表達需求、辨認事實與驗收成果的能力可以跨平台使用。初期先固定一套，再因任務需求擴充，往往比一直轉換介面更有效。

第二種彎路是只收藏 Prompt，不理解資料。網路範本可以幫助起步，但如果不知道輸入素材的來源、限制與用途，即使寫出很長的提示詞，也可能生成不適合的內容。

第三種彎路是把 AI 的自信口吻當成正確性。AI 可能把不確定的內容說得流暢。對法律、醫療、財務、招募、對外報價與重要決策，不應直接把 AI 的輸出視為已查證的結論；應依風險程度回到原始資料與專業審核。

第四種彎路是把所有公司資料都丟進聊天視窗。公開資訊、練習用的假資料、正式客戶資料，適用的安全要求不同。使用前要確認公司規範、平台設定、權限、保存方式和資料最小化原則。不能因為工具方便，就忽略保密義務。

第五種彎路是把學習等同課程時數。完成一堂課能幫助建立觀念，但學習成效更需要觀察能否獨立操作、修改錯誤、完成真實工作。真正的進步不只是在聊天室回答得更快，而是工作品質更可控。

八、有哪些 AI 入門學習資源？免費與付費先分清楚

想有系統地補充基本概念，可以先閱讀原廠公開的教學資源。以下列的是本次查核到的官方頁面；課程可用語言、登入條件、證書與收費政策可能變動，報名前仍應以頁面實際資訊為準。

OpenAI Academy：AI Foundations。 官方介紹約 70 分鐘的自學路線，無需技術背景，以一項真實工作任務練習清楚下指令、提供背景與檢閱成果。適合想以 ChatGPT 作為第一個練習工具的人。[S01]

Microsoft Learn：Get started with AI。 官方標為 Beginner，內容包含基礎術語、提示詞寫法、摘要與圖像生成；頁面標示不要求先修條件。適合想從觀念與短單元練習開始的人。[S02]

OpenAI Help Center：ChatGPT 提示工程最佳做法。 這不是要你記住複雜術語，而是透過清楚具體的要求、補充情境和反覆修訂，改善每天提出的問題。[S03]

Google AI Essentials。 這是為無技術經驗者設計的線上課程，涵蓋 AI 工具、提示工程與負責任使用。要特別注意，它在台灣官網列有訂閱費與試用條件，不能直接視為永久免費課程；請依當下官網價格與平台政策確認。[S04]

若只想先看看自己適不適合使用 AI，不必因為看到證書就立刻付費。先完成本文第一週的摘要練習，再判斷是否需要有人帶領、結構化作業或同儕回饋。當你已經知道自己缺少什麼，選課才有比較基礎。

九、進階學 AI：什麼時候該學資料分析、AI Agent 或程式設計？

完成基礎路線之後，不必直接跳到最流行的技術。先看你的工作瓶頸位於哪一層：內容品質、資料處理、跨系統工作流，還是要真正打造應用程式。

如果主要工作是行銷、企劃、簡報與溝通，你可以深化研究、事實查核、品牌語氣與多版本內容設計。如果常處理 Excel、CSV 或財務與營運報表，可以開始理解資料清理、欄位定義、樞紐分析、視覺化與對帳。若工作需要反覆跨系統執行，才進一步研究自動化與 AI Agent，並同步學習權限控管、操作紀錄及例外處理。

想自行開發應用程式的人，可以循序補上程式設計、API、資料庫與測試觀念。AI 能協助產生程式碼，但不能替你承擔資料安全、需求定義與部署責任。不同進階方向都可以從同一個基礎出發：先知道自己要得到什麼成果，以及如何證明成果正確。

對企業管理者而言，個人能善用 AI 只是開始。若希望團隊共同使用，還要進一步定義資料邊界、共同範本、責任分工與驗收方式。這時候需要的就不再是「讓大家都試試看」，而是讓部門有一套一致的工作方法。

十、常見問題：從 0 學 AI 的六個實際疑問

Q1：完全不會寫程式，可以學 AI 嗎？

可以。以文字摘要、文件草稿、資料整理與研究輔助為起點，通常不需要寫程式。若未來目標是開發模型或整合系統，才依方向逐步補足技術基礎。

Q2：學 AI 一定要花錢訂閱嗎？

不一定。許多官方教學資訊可以公開閱讀，也有工具提供可起步的使用方式，但免費額度、功能、區域與帳號條件會變動。先用合法可用的入口完成練習，再評估付費是否真正解決需求。

Q3：英文不好，會不會學不起來？

不必因此停止。可以先用繁體中文描述任務，再請 AI 幫助解釋英文術語。不過，涉及官方規格、法律條文或產品功能時，仍要回到原始來源確認翻譯與版本。

Q4：每天要花多少時間？

本文提供每天約 20 至 30 分鐘的練習建議，但這是學習安排而非成效保證。若工作繁忙，將練習融入本來就要完成的安全、低風險任務，通常比額外堆積影片更容易持續。

Q5：應該先學 ChatGPT、Gemini 還是 Claude？

先挑一個公司允許、取得方便、能處理你第一個任務的工具。多平台比較可以等你能穩定完成同一項工作後再做，屆時才有共同的比較標準。

Q6：30 天後我應該達到什麼程度？

合理目標不是成為所有 AI 領域的專家，而是完成至少一個可重複使用的工作流程：知道輸入什麼、要求產出什麼、如何檢查結果、哪些情況必須停止並交給人判斷。

結語：開始學 AI 的那一刻，不是註冊帳號，而是完成第一項工作

搜尋「從 0 開始學 AI」的人，通常不缺更多工具名稱，而是需要一條不會被新技術訊息打亂的路。先選真實任務，提供安全且清楚的素材，透過 Prompt 取得初稿，用原始資料核對，再把成功方法保存為可重複使用的操作卡。這個順序能讓你逐步培養自己的判斷力。

今天就從一段沒有機敏資訊的會議紀錄開始：請 AI 整理三個重點、三項待辦、三個待確認問題，逐項檢查之後保存結果。等你能說清楚「這份成果為什麼可以用」，才是從 0 走向真正會使用 AI 的第一步。

延伸閱讀與學習

如果你想進一步處理程式與自動化的基礎，可以閱讀天地人的 2026 AI 程式語言指南。企業若希望讓零基礎同仁共同練習文件、簡報與報表，可參考 AI 職場實務應用基礎班（企業專班）；這是企業培訓選項，非本篇入門學習的必要條件。

參考資料

[S01] OpenAI Academy, AI Foundations。

[S02] Microsoft Learn, Get started with AI。

[S03] OpenAI Help Center, ChatGPT 提示工程最佳做法。

[S04] Grow with Google 台灣，Google AI Essentials。

[S05] Microsoft Learn, 什麼是生成式人工智慧？。

圖片與素材說明

本文封面為 AI 生成的原創概念插畫，表達零基礎學習者循序建立工作能力的過程，並非實際課程畫面、工具操作截圖或成果保證。