AI 內訓上完課，怎麼證明學會？用工作樣本與評分規準驗收

想像一個虛構情境：你替公司辦完 AI 內訓，課後問卷的回饋很好。兩週後，主管問：「同仁現在能自己完成客戶回覆嗎？」你手上卻只有滿意度，沒有作品可以核對。對人資與主管來說，下一次開課前就該先決定：同仁要交出什麼成果，怎樣才算完成。

這篇用「客服運用 AI 草擬回覆」的虛構教學任務，示範如何設計工作樣本與評分規準。你可以據此和講師討論作業、評分及補強方式。文中的學員代號、分數與門檻皆為教學設計，不是天地人客戶紀錄或經研究驗證的合格標準。

美國疾病管制與預防中心（CDC）的訓練評估指引區分學習成果和回到工作場所的學習遷移，並建議在可行時比較訓練前後的評量；若只做課後測驗，無法知道原本是否已具備能力。S01 本文聚焦課堂／課後立即的能力證據，不把它誤當成工作遷移或營運績效證據。

先寫出看得見的成果，而不是「了解 AI」

課程目標若寫「學會 Prompt」、「提升數位素養」，評量時常只能問「你覺得自己會不會」。CDC 關於學習目標的指引建議使用可觀察、可衡量的動詞；卡內基美隆大學的教學中心則主張讓學習目標、教學活動與評量互相對應。S02 S03

以「客服運用 AI 草擬回覆」為例，將目標改寫為：在 20 分鐘內，根據提供的虛構產品條款與客戶提問，產出一封正確、可追溯、未洩漏非必要資料的回覆草稿；遇到未知承諾時標記人工核准。 這樣能觀察的不是模型回覆有多長，而是員工能否把資訊讀對、邊界標對並把工作交付給下一個人。

這項任務的輸入包括：已核准的產品說明、虛構來信、可用／不可用資訊，以及 20 分鐘的限定作業。輸出則是一封含來源標註的回信草稿與一張「哪些句子需要審核」的表。若環境不允許對外提供 AI 工具，也可以用離線草稿做同等規準的作業。

交付的作品確定後，下一步是讓講師與主管用相同標準看它：哪些地方可用，哪些地方還需要重練？

四項評分規準：讓「不錯」變成可觀察行為

Rubric（評分規準）不是只有評分表；卡內基美隆大學的說明包含評分面向、不同品質層級及各層對應的表現敘述。S04 我們將教學作業拆成四個面向，每項 0 至 3 分，總分 12；其中來源與事實、資料處理、承諾與交接列為三個關鍵面向，與下文通過門檻一致。

上述級距是本篇自行設計的可操作教學標準，不是普世量表。團隊若使用這套規準，建議先讓兩名評分者獨立評 2 至 3 件匿名練習，再針對歧義修正敘述；不要先看學員身分與資歷後再給分。若題目本身有太多未知條件，應先修正工作材料而不是處罰學員。

接著把這套規準放進同一種客服回覆任務，看看兩位虛構學員的前後作業。重點是找出要補強的面向，而不是只看總分有沒有增加。

前後練習的示範：分數提高，不等於工作表現已改善

下載 rubric_scores_example.csv 的教學資料，有兩位以 P01、P02 為代號的虛構學員；同一組評分維度，使用難度相近但不同文字的前後題。

本例自行設定「總分至少 10/12，且來源、資料處理、承諾三個面向每項至少 2 分」的示範門檻。P01 的課後得分為 10，三個關鍵面向分別為 2、3、2，符合；P02 的課後得分為 9，資料處理只有 1，必須退修。P02 的總分雖已增加 3 分，仍不能直接交付客戶。 這種設計讓團隊把補救教學指向具體錯誤，而非只辦一場追加課程。

但這仍只是兩筆虛構資料，不能推論訓練有效，也無法排除考題難易、評分者偏差、熟悉題型等原因。實際企業評估時要保留題目版本、評量規準版本、評分者、觀察條件及不適用樣本。這裡沒有做實驗，也沒有宣稱 AI 培訓能帶來固定百分比的生產力改善。

從紙上表格到可交辦的評量活動

以下流程適合 HR、部門主管或講師共同操作：

1. 訓前定義：列出需要學會的 1 個高頻、可授權的工作任務；確定哪一步一定要人員判斷。若工作任務本身尚未核准，先不考核。
2. 建立樣本：設計兩份等難度、無真實個資的材料，對應同一套評量維度；避免讓同仁課後只是背出課前答案。
3. 公布規準：開課前就讓學員看到表格與交付形式，不在批改當天突然增加條件。
4. 記錄證據：每份作業保留「引用資料、作業草稿、缺失定位、評分者註記」；不能僅保存一個分數。
5. 安排補救：失敗的面向以短練習補強；例如資料處理失敗，就重練刪除識別資料和重新檢查輸出，而不是整堂課重上。
6. 分開追蹤：課後立即能做，僅證明當時的表現；回到工作場所是否有實際使用、是否有主管覆核與業務結果，另用後續追蹤觀察，避免重複計功。

可下載的 rubric_blank.csv 是逐筆評量空白表；rubric_anchors.csv 寫出 0 至 3 分的逐項敘述，方便講師修改成本公司的標準。這些檔案可以在 Excel 或 Google Sheets 打開；不含員工真實資料、個資或自動寄送腳本。

什麼時候不適合只用這份表？

若工作本身涉及法律結論、醫療處置、高風險人事決策或對外重大合約承諾，不能靠四欄示範 rubric 認定「可以獨立上線」。應由具權限的專業人員定義驗收條件、權限與必要的複核。若考的是團隊協作但只測個人文字輸出，也不能把評量結果外推到跨部門績效。

本篇與企業 AI 內訓前的需求訪談分工：舊文是決定教什麼；本篇是設計當下看得見的工作樣本。與內訓 30 天追蹤的差異則在評量時間與證據：後者處理工作現場有沒有遷移，本篇先處理是否具備可觀察能力。此題沒有硬指定單一公開課程，企業可先用免費 rubric 與內部主管校準需求。