AI 工作實務
企業 AI 教育訓練怎麼規劃?從 30 人到 300 人,課程、預算與成效驗收一次看
按 30、100、300 人估算 AI 內訓的分班、回饋人力與預算。用工作樣本與第 30 天的應用機會驗收。

企業 AI 內訓從 30 人擴到 300 人時,最先要增加的常是助教、評閱和部門接手人。用工作樣本、回饋容量與 30 天追蹤決定分班、擴班和預算。
專題編輯 Sylvia Yeh|人才發展與職場編輯。署名為 TARAISG 的 AI 編輯角色。
首圖為原創 AI 示意圖。
HR 的開班門檻:先算誰看得完作業
同一堂課教給 30 人和 300 人,最早浮現的差異通常是回饋容量。試算一個 30 人班,每人交一份作業,每份複核 6 分鐘,總計 180 分鐘。若活動結束前只留 30 分鐘,兩名講師與助教合計只有 60 分鐘可用,最多看完 10 份。可以讓個人先交成果,再用同儕互評處理格式檢查,把講師時間留給資料權限、重大錯誤與抽樣回饋。此處的 6 分鐘是規劃假設,應用首梯實測時間替換。
| 人數情境 | 排課決策 | 主管要簽收的證據 |
|---|---|---|
| 30 人 | 一班共同基礎,依工作分小組。作業量超過回饋容量時先減題 | 每組一份可重做範本,個人各交一份短工作樣本 |
| 100 人 | 先做一梯校準,再決定一般班、主管班、種子班的比例 | 同一評分規準,兩位評閱者對邊界案例的判定一致 |
| 300 人 | 共同基礎可非同步,助教與種子人員按部門承接作業及答疑 | 各部門的責任人、複核時段與 30 天可用資料已排定 |
如果第一梯有一半時間耗在帳號開通,先暫緩複製梯次。用下一梯前的抽樣登入確認授權,並請兩名實際學員在課前以測試帳號完成最小作業。現場改成講師示範可以保留學習,但出席紀錄需和操作通過數分開。
把課程寫成一項會改變的工作
好的訓練需求不是「讓大家了解 AI」,而是「客服能用核准知識庫草擬回答,並將錯誤率維持在可接受範圍」。HRD 應和部門主管共同挑選兩到三項高頻工作,建立上課前、上課後與第 30 天的同類任務樣本。若學員沒有經授權的工具帳號或可使用的資料,即使講師再好,也很難把課堂操作轉成工作行為。
30 人班的共通基礎與分組
30 人可以安排共同基礎,再用部門小組處理不同任務。第一段說明資料分級與可用工具,第二段展示把模糊需求寫成可驗收指令,第三段讓行政、業務、人資和主管分別帶自己的匿名化流程練習。課堂末每組交一份任務卡、輸入樣本、輸出標準與風險清單,不以完成簽到或滿意度代替能力驗收。
100 人以梯次校準品質
100 人可採主管決策班、一般應用班、流程種子班三層。主管班聚焦投資、權限、KPI;一般班著重搜尋、文件整理、數據分析;種子班學會流程串接、測試與內部協作。每班人數依設備、助教與練習形式決定,而不是想像一個固定最佳人數。梯次之間應使用相同核心題庫,以便比較不同部門的問題。
300 人先安排部門接手
300 人不應追求一位講師重複授課十次就算完成。可以先做 20 至 30 位種子人員的案例設計,取得部門主管支持,再開一般班與分工工作坊;用錄影或線上課提供可重複基礎內容,把實體時數保留給資料治理、情境操作和案例診斷。要建立負責人名冊、開放答疑的範圍和每月成果分享,避免知識只留在少數熱心學員。
分清工具素養和流程能力
建議能力分成四層:理解工具界線、完成單一任務、串接跨步驟流程、管理品質與協作。入門者要能識別幻覺和敏感資料;熟練者要能寫驗收條件、整理結構化資料;進階者才需要 API、GAS、程式助理或 Agent。若員工的痛點在資料清理,硬推進階 Agent 課反而造成挫敗。
6 小時課表的分配範例
示例課表可配 60 分鐘 AI 能力與安全、90 分鐘任務結構化、90 分鐘部門工作樣本、90 分鐘分組優化及 30 分鐘交付評量。這是教學設計例子,非天地人現行課程承諾。最重要的是課前蒐集 5 到 10 個真實問題並去識別,課中每 30 至 45 分鐘有可觀察產出,不讓課程被功能介紹占滿。
把評閱與追蹤納入預算
不要把講師鐘點費乘場次當作全部費用。應列講師與助教、課前訪談、教材客製、帳號與環境、教室、課後答疑、主管陪同、題庫製作、30 天成果追蹤、稅費和必要差旅。若是 300 人,內部協調與課後追蹤可能比小班高很多。比價時應讓供應商用同一張交付清單報價,清楚界定是否提供教材更新、回放及後續諮詢。
用三類證據驗收培訓
第一種是知識測驗,例如能否辨識資料外洩風險。第二種是工作樣本,讓員工用同一組匿名化資料完成輸出。第三種是業務遷移,課後 30 天主管是否看到實際使用、工時與品質改善。第 30 天沒使用不一定代表不會,可能是沒有帳號、沒有授權或流程根本沒有機會使用,回報需要分開。
比較工作成效時要對齊分母
滿意度、完成率、技能分數和工作成效是四種不同指標。若 100 人參訓,只有 40 人得到工作情境,不應把其中 30 人完成案例說成全員 75% 採用率;要列明分母與排除原因。不能用「AI 省下 30% 工時」作為預設結果;先比對同類案件,再以中位數、錯誤率及抽樣品質說明變化。
決定是否進入導入陪跑
當員工已能獨立完成單項工作,下一階段才討論串接流程。GAS 或低程式碼適合固定步驟,AI Agent 則適合需要動態判斷且可嚴格限制權限的任務;不是每位上完基礎課的學員都必須進 Agent 班。個人可先補前置知識。部門如果已有可驗收的樣本,再評估要用內訓建立共通做法,或另安排短期導入試點。
第 30 天的分母怎麼填
假設 100 人參訓,60 人在 30 天內有授權且遇到可以使用的工作,當中 30 人交出合格樣本。全體參訓者的合格樣本比率是 30%,具備應用機會者的比率是 50%。同時回報未取得機會的 40 人原因,管理層才知道下一筆錢應花在帳號、工作安排或補課。若只留問卷分數,這三種改善方向很難分辨。
可把課後評量拆成「同類工作樣本」和「真實工作移轉」。CDC 的培訓評估指引區分學習與工作移轉,並提醒取得課後資料時要考慮學員是否有應用機會。美國 OPM 的訓練評估指南同樣把評估接回組織成果。這兩份文件提供評估方法,本文的班級人數、時數和計算均為規劃範例。
- CDC|Evaluate Training
- U.S. Office of Personnel Management|Planning & Evaluating
- 需要安排 100 人的具體分梯與職能課表,可接著看 100 人企業 AI 內訓分梯指南。本篇著重比較不同規模的回饋容量、預算和擴班條件。
本文案例與教學數字均為示例。需要評估企業的資料條件與試點範圍,可參考 天地人企業 AI 導入顧問與陪跑。
本文由 TARAISG(TIANDIREN AI SOLUTION GROUP)使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末;案例為明確標示的教學假設。未有具名紀錄時,不宣稱經人工或專家審核。
查看內容製作與更正說明