人資 AI 培訓要交出什麼？制度問答、教材與訓練數據的實作指南

專題編輯：Sylvia Yeh｜人才發展與職場編輯

編輯說明：署名為 TARAISG AI 專題編輯角色，不代表真實個人。本文經 AI 輔助資料查核與編輯複核，未宣稱已由人類專家審閱。

資料查核日期：2026 年 11 月 14 日

人資同仁上完 AI 課程，帶回一疊提示詞，隔天仍可能遇到同樣問題：新人問到舊版福利規則，主管要求整理訓練成效，手上的問卷卻有重複資料；想用 AI 草擬公告，又不確定可不可以上傳員工名單。會操作工具，仍不一定能放心交付工作。人資 AI 培訓需要補上這段能力。

HR 的工作同時牽涉制度、數字與人的感受。一份摘要若漏掉適用對象，可能讓員工誤解權益；一張圖表若把人次當成人數，可能讓主管誤判訓練覆蓋；一則寫得流暢的通知，若加入尚未核准的承諾，反而增加後續溝通成本。培訓要解決的，是讓使用者知道如何產出、怎樣檢查，以及何時應停止使用 AI。

本文聚焦人資部門自己的工作能力，不討論全公司的 AI 人才職能架構，也不以履歷篩選或員工績效預測作為起步練習。下列課程時數、作業及案例都是可調整的編輯建議；兩個企業情境與所有演算數字均為假設，不代表真實客戶成效。

原創教學示意，非統計圖、產品介面或真實企業實績。

1．人資 AI 培訓的起點，是一件必須交付的工作

準備人資 AI 課程時，先不要問要教幾個工具。請每位同仁拿出最近重做過的一項工作，描述收到什麼資料、經過哪些判斷、最後交給誰，以及對方為什麼會退回。這些答案比「想學生成式 AI」更能界定課程內容，也能避免大家在課堂做同一份簡報，回到職位卻沒有使用情境。

例如，教育訓練窗口的困難可能是把各部門需求彙整成可討論的課程建議；人事行政的困難可能是同一份制度被詢問不同版本；員工溝通窗口則需要在訊息清楚與保留承諾邊界之間拿捏。三種工作都可使用 AI 協助，卻需要不同輸入、檢查方法與交付格式。

美國 CDC 的訓練需求分析指引提醒，工作落差可能來自政策、技術、組織或作業程序，訓練只是可能的解法之一。S1 這是訓練設計的參考，並非台灣企業必須遵循的規定。套用到 HR 情境，就是先確認缺的是能力，還是資料根本找不到、權限未開、規則沒有定案。

可以用「工作卡」進行課前訪談。每張卡只處理一項工作，避免把招募、薪酬、訓練與員工關係全部塞在一個大型題目。卡片至少寫出使用者、觸發事件、資料來源、產出、判斷點與覆核者，最後加上目前最常出錯的位置。

若課前盤點發現，同仁其實不知道哪一份文件是有效版本，課程就應先納入來源整理。若資料已準備好，但分析時常把「未填」當成「沒有需求」，才需要加強欄位定義與資料判讀。把這兩種情況混在一起，容易讓 HR 誤以為自己提示詞寫得不好，實際上是上游資訊沒有準備完成。

培訓目標也要寫成能觀察的動作。例如「能整理一份含來源與例外的制度回答草稿」，比「提升 AI 素養」具體；「能重算完成率並解釋分母」，比「學會 AI 分析」容易驗收。每一個動作都應連到一項工作成果，學員與主管才知道練習是否值得繼續。

2．課堂先用合成資料，保留工作難度而非真實身分

人資資料常帶有個人身分、任職狀況或內部評價。課程開場應先確認可使用的資料與環境，再開始上傳及操作。先備好可用材料，學員才不會為了跟上進度，臨時把正式名單、員工申訴或薪資檔案當練習資料。

本文建議採用「完全虛構的教學資料包」作為第一階段練習：人名、部門、日期與紀錄由教案設計產生，不從真實員工逐筆改名而來。資料可以保留重複、缺值、制度衝突與格式錯誤，讓學員練習真實工作需要的判斷，但不必帶入真實個人的經歷。

這與把正式資料換名字不同。英國 ICO 的資料詞彙表明確指出，合成資料可能匿名，也可能不是匿名。S2 本文只引用其概念提醒，不將英國法規直接套用在台灣企業。若合成過程仍以真實人員資料為基礎，企業必須另外確認再識別與資料使用風險，不能看到「合成」兩字就視為可任意分享。

製作教學資料時，先從任務所需欄位開始。要練課程完成率，只需課程代碼、學員代碼、應訓狀態、完成狀態與日期；不需要生日、住址或薪資。要練制度版本比對，可以設計三份虛構辦法，保留不同生效日期與適用範圍，不必貼上公司完整人事規章。

再加入少量刻意設計的錯誤。相同學員重複報名、日期格式不一、課程名稱有縮寫、完成狀態空白、同一份制度新舊版本並存，都能成為有效練習。講師應另外保管答案表，記錄每個錯誤的教學目的與正確處理方式，避免連教師也只能靠 AI 猜測資料內容。

課前也要測試環境。確認學員使用哪一種帳號、是否能上傳檔案、是否允許使用外部服務、公司網路能否連線，以及課後工作是否有相同能力。若課堂使用的環境與公司不同，應提供可替代的練法，例如只處理已允許的文字片段，或由講師示範、學員在本地試算表完成檢查。

教材與成果檔應讓人看得出真假邊界。檔名與頁首可標示「虛構教學資料」，報表也要保留說明，不應把練習生成的企業名稱、員工故事或滿意度圖表拿去當正式案例。課堂看起來越完整，越需要這個標記，否則日後轉寄教材時容易失去背景。

最後，清理資料不能只依賴 AI 自述「已去識別化」。課前由資料負責人確認來源與使用範圍，課後檢查分享連結、上傳位置及保留方式。完全虛構資料雖可降低個資暴露疑慮，仍可能包含未授權教材或內部制度內容；資料身分與內容權利必須分別確認。

3．學會交辦 AI：讓每份成果都有依據、限制與覆核位置

HR 常用的提示詞不是越長越好，而是要清楚交代任務邊界。直接問「幫我寫新人手冊」，模型可能補入一般企業常見的福利或制度，卻沒有辦法知道公司實際核准什麼。課堂應讓學員看見這個差異：內容看似完整，並不等於可以使用。

NIST 的生成式 AI 風險文件把自信呈現錯誤內容及資料隱私列為重要風險，並指出生成內容可能包含錯誤或虛構的引用。S3 這是風險管理參考，並非產品認證或台灣法規。對人資工作而言，這意味著「回答很肯定」與「附上來源」都不能單獨構成可信證據，仍要回到文件原文與適用情境核對。

一份可教的任務指令可以包含六件事：要完成的工作、允許使用的材料、必須輸出的格式、不得推定的資訊、遇到衝突時怎麼做，以及交給誰覆核。先教學員把這六件事寫清楚，再依工具介面調整操作，比記憶某個產品的按鈕位置更容易移轉到新環境。

以下是制度問答練習的指令範本：「請只根據提供的有效文件，整理新人詢問的答案草稿。每一項列出回答、文件代碼、章節與適用條件；文件沒有記載時填『材料不足』，不同文件衝突時並列差異。不要推測福利、法定權益或主管核准結果。最後列出需由人資確認的問題。」

這段指令也不能取代驗收。講師可以故意提供一份過期文件，觀察學員是否先整理有效來源；也可以把答案表中的一項資訊拿掉，看輸出是否仍然自行補值。練習的目的，是讓學員知道指令只是控制的一部分，資料準備與人工判讀仍會影響結果。

建議把成果固定成「答案、依據、限制、下一步」四欄。答案給讀者需要的資訊，依據讓覆核者找到來源，限制說明尚不能判定的部分，下一步指向補件或人工處理。這種格式適合制度問答、訪談整理與課程需求分析，但不必機械地套在每一則正式公告上。

覆核時要做反向檢查。不要只問輸出寫得對不對，而要逐項追問：哪個句子改變了原文條件？哪個數字找不到來源？哪個適用身分沒有交代？哪項承諾其實未核准？讓另一組學員扮演覆核者，通常能找出原作者因熟悉情境而略過的資訊。

也應練習「不要回答」。例如員工詢問個案薪資、特殊請假、績效申訴或尚未定案的制度，課堂的目標可以是產出轉介與待確認清單，而非讓 AI 做出結論。拒絕不完整的問題並非學習失敗；能清楚指出缺什麼資料、由誰接手，正是人資專業判斷的一部分。

4．制度問答實作：先整理版本，再生成答案

制度問答是 HR AI 培訓很適合使用的情境，因為它同時涵蓋查找、整理、適用與溝通。練習不必一開始建大型知識庫，可以從三份文件、六個問題與一張版本表開始。重點是讓學員理解，系統找到相關文字，與員工得到正確回答之間還有一段判斷。

先替每份文件建立基本資料：名稱、代碼、生效日、適用單位、核准者、取代的舊版及有效狀態。若文件沒有日期或不確定是否核准，先列為待確認，不要與有效文件一起當作回答依據。檔案上傳順序、檔名寫著「最新」或修改時間較晚，都不能單獨證明內容已生效。

接著把問題分成三類。第一類可直接從有效文件找到答案；第二類需要結合適用身分與時間才能回答；第三類超出文件範圍或存在衝突。每類都要有例題，否則學員只練順利情況，回到工作現場遇到例外時仍會讓模型補出看似合理的結論。

假設情境一：兩位人資支援多間門市

假設一家零售企業有兩位人資，門市經常詢問新人訓練、工作服領用與內部申請程序。公司曾用通訊軟體傳遞更新，舊檔與新檔同時流通。此次課程先選「工作服補領」的虛構制度，避開薪資或法定權益判定，讓學員專注在來源與版本。

教案設定舊版以到職滿一個月為申請條件，新版改為完成指定訓練後申請；新版有生效日，且只適用直營門市。這些內容完全虛構，不代表任何企業真實規定。若員工問題是「加盟門市新人現在能申請嗎」，正確練習成果應指出材料不足，不能因為新人已完成訓練就直接答應。

學員先製作版本對照，再整理回答。輸出須保留「適用直營門市」「依指定生效日判斷」等條件，並列出加盟門市需找誰確認。這時 AI 可以協助縮短文字、轉成常見問答或整理差異，但是否對外發布仍由制度負責人決定。

第二輪練習故意加入一封未核准的修改建議信。學員需要把建議與有效制度分開，而不是把信件日期更新當成新規則。這個設計訓練的是資訊地位：正式文件、工作討論、個人意見與歷史紀錄，在回答問題時應有不同用途。

第三輪則移除問題中的任職日期或門市類型，讓學員練補問。好的補問應只收集判斷所必需的資訊，不要求員工交出整份人事資料。回答草稿可以先說明一般程序，再列出仍需確認的條件，避免為了等待完整個案而完全沒有回應，也避免在資料不足時作出承諾。

這個作業的驗收可以很明確：來源是否有效、版本是否對應、適用條件是否保留、缺漏是否有補問、未核准資訊是否被排除。若其中一項失誤，就回到對應步驟修正，不把整份回答一律評為「AI 不準」。這也讓課後知識整理的責任可以分配給制度維護者，而不是全部由講師代辦。

把這套方法移到真實工作時，應另行確認資料使用權與系統環境。課堂完成幾份問答，只代表學員練過方法，不等於公司已建立可對全體員工開放的正式人資客服。正式服務仍需要權限、更新、回報錯誤及人工接手安排。

5．教材製作實作：把專家經驗拆成能練、能看懂的步驟

人資經常要把內部專家的口述、簡報或既有作業程序整理成教材。AI 可以協助重組內容，但課程若只教「一鍵生成簡報」，容易漏掉學員真正要練的工作。教材好不好，不能只看頁面漂亮，還要看新手能否辨識情況、完成動作及發現錯誤。

可先選一項低風險程序，例如教育訓練報名資料確認、內部會議室申請或新人教材領取。請業務負責人提供核准步驟與例外，HR 再把它拆成「看見什麼、要做什麼、做完留下什麼」。這三個問題能讓抽象經驗變成可教的行為，也能暴露文件沒有寫清楚的判斷。

例如「確認報名資料完整」不夠具體。教材應說明要檢查課程代碼、參加對象、必要聯絡方式與特殊需求是否齊備，並示範缺漏時如何通知補件。若來源沒有定義特殊情況，就把它列入訪談問題，不應請 AI 自動創造公司流程補上空白。

接下來請 AI 依已確認材料產出三種東西：新手版步驟說明、常見錯誤練習、覆核檢查表。三者的內容必須一致。若步驟說明要求先確認對象，練習卻讓學員跳過對象就直接處理，教材本身就有矛盾；這類一致性問題值得作為課堂共同找錯的題目。

設計練習時，可採「先看完整例子，再做缺漏例子，最後做新情境」的順序。第一題讓學員理解成果長什麼樣，第二題練辨識錯誤，第三題才確認能否獨立運用。這是本文的課程設計建議，不是所有成人學習情境必須採用的唯一順序；若學員已有經驗，可直接從問題案例開始。

教材中的案例應避免不必要的人格評價。例如主管回饋紀錄可整理成具體事件、行為與待確認事項，不讓 AI 把一句抱怨擴寫成某員工「缺乏責任感」。對人資而言，把觀察與推論分開，本身就是重要的寫作能力，也可降低教材向現場移轉時的誤解。

AI 產出的測驗題也要有人檢查。題目是否真的考到工作能力？答案是否能由指定材料推出？是否存在兩個合理選項？如果題目只是記住術語，學員即使答對，也未必能完成工作。可以用一段錯誤成果讓學員指出問題及修法，讓評量更接近日常覆核。

最後，請原本的業務專家做一次「照教材操作」檢查，而不只看文字是否順。專家很熟悉流程，容易自動補上教材省略的步驟，因此也可邀請尚不熟悉的人試讀。記錄他停下來的地方，回到原始來源補充，再更新教材版本。這個過程讓 AI 草稿變成可以持續維護的學習資產。

課後留下的應是有來源、版本及維護者的教材包，而非一份不能修改的展示簡報。可交付的最小組合包括步驟頁、情境練習、答案依據與檢核表。若現場需要影音示範，另行確認拍攝、肖像與教材使用權，不應把生成畫面當成真實操作證據。

6．訓練數據分析實作：先把分母說清楚，再讓 AI 解讀

本節的「訓練數據」指企業教育訓練紀錄，不是拿員工資料訓練 AI 模型。HR 用 AI 分析課程資料時，最常需要的是欄位整理、數字檢查及主管摘要，而不是自動推斷誰值得升遷。起步課程應讓同仁能驗證基本統計，並對資料不足保持清楚界線。

第一步是定義每一列代表什麼。它可能是一位員工、一筆報名、一段出席紀錄或一份問卷。若一個人參加兩門課，就可能有兩筆資料；同一門課補填問卷，也可能出現兩次回覆。沒有先確認資料單位，就容易把人次當成人數，或把重複回覆當作更多支持意見。

第二步是建立欄位字典。例如「應訓」是主管指定還是自行報名？「完成」要求出席、交作業還是測驗通過？「未完成」與「尚未結束」是否相同？只要部門定義不同，合併報表就可能失去意義。AI 可以協助找出不一致的值，但不能替公司決定一個尚未確認的制度定義。

假設情境二：訓練發展團隊要向主管說明兩門課的成果

假設企業 HRD 團隊整理兩門內部課程。課程甲有 40 應訓人次、32 完成人次，課程乙有 30 應訓人次、27 完成人次。這裡刻意採用人次，因為同一位員工可能參加兩門課。資料是完全虛構的教學範例，不能當成任何企業表現。

甲課完成率是 32 除以 40，得到 80％；乙課是 27 除以 30，得到 90％。合計完成率應以 59 完成人次除以 70 應訓人次，約為 84.3％。直接把兩個百分比平均成 85％，會忽略兩門課的應訓規模不同。課堂可讓 AI 先提出公式，再由學員用試算表重算。

平均滿意度看起來一致，仍不能說所有學員都滿意。這 42 份問卷若都來自完成者，回覆率是 42 除以 59，約為 71.2％；未回覆者的想法並不知道。若把它改用 70 應訓人次作分母，得到約 60.0％，描述的是相對應訓人次的問卷覆蓋比例，不能在報表中都叫「回覆率」而不說明對象。

前後測也要配對。假設甲課有 28 位完成有效前後測者，前測總分 1,680、後測總分 2,240，平均從 60 分到 80 分，差異是 20 分。這支持的是該組配對資料的分數變化，不等於所有應訓者都進步，也不能只憑這個結果證明課程造成相同程度的工作績效提升。

教學時可以刻意放入只有後測、沒有前測的紀錄，讓學員練習分開報告。只有後測能描述結束時的表現，無法直接計算個人學習變化。若要比較不同班次，也應確認題目、難度、評分方式與學員背景，不要看見兩個平均分就立刻宣稱某班的教師比較有效。

文字問卷可先做主題整理，再回看原文。假設有「系統無法登入」「範例與本部門不符」「希望增加練習」等回饋，AI 可以協助分類，HR 則要確認分類規則是否一致，少數但重要的問題是否被淹沒。不要把某一句評論自動轉成心理特質或工作態度判斷。

還要留意小樣本的辨識風險。若報表切到一個只有少數人的部門，職稱、課程與留言的組合可能讓內部讀者猜到個人。是否合併類別、刪除細節或限制閱讀者，應由資料負責人依實際情境判斷。課堂可以用虛構範例練習這個判斷，而不需要揭露真實同仁的留言。

給主管的最後摘要，建議分成三段：資料能支持什麼、還不能支持什麼、下一步要補哪項證據。例如「完成率低於另一班」可能來自排班衝突，下一步應先查未完成原因；不能直接寫成員工學習意願不足。AI 可以協助把摘要寫得清楚，判斷仍需回到資料與工作情境。

7．員工溝通與需求訪談：讓 AI 改善表達，保留承諾邊界

員工通知是容易看見成果的練習，但不宜只用「語氣親切」當驗收標準。人資應先提供已核准的事實，再請 AI 調整順序與措辭。練習材料可以包含活動目的、適用對象、時間、需要完成的動作及詢問窗口，避免讓模型自行創造福利、補助或參加條件。

同一件事可以練習三種讀者版本：主管需要知道要協助什麼，員工需要知道要做什麼，行政窗口需要知道如何處理問題。三個版本可以改變細節與語氣，但不能改變已核准的內容。學員應在課堂建立一張「不得改動的資訊表」，逐版核對數字、對象與期限。

例如課程通知中，已核准的活動資料只說「報名後由單位確認名額」，AI 若寫成「報名即保證錄取」，就改變了承諾。若材料沒有寫是否計入工時，通知草稿不能自行補上。這些例子都可用虛構活動練習，重點是教 HR 看見語句背後的責任，而非追求看起來熱情的宣傳文案。

需求訪談整理也可採類似方法。請 AI 把紀錄拆成已知事實、受訪者觀點、待確認需求與可採取行動，再由訪談者回看原文。主管說「同仁都不會做報表」，不代表已有證據證明全體人員能力不足；可能只是少數高風險報表需要專門支援，或欄位定義一直變動。

課堂可以讓不同小組處理同一份虛構訪談，看他們是否把建議誤當決議。若某部門提出想增加課程時數，正確紀錄是「提出需求，待預算與目標確認」，不能直接變成「下季增加課程」。這種狀態標示能讓 AI 摘要更適合進入工作交接，也讓覆核者知道哪些句子還不能轉寄。

實務使用時，要先確認錄音、逐字稿及會議資料的取得與使用安排。本文不預設任何會議都能錄音或上傳外部服務。課程可以完全使用虛構逐字稿，因此學員仍能練分類、摘要及行動清單，不必為了教操作而把真實員工討論帶入未核准環境。

寄送與發布應保留明確關卡。生成草稿、完成覆核、核准版本、實際發送是不同狀態，教案不應把按下生成按鈕當作通知已完成。若未來要自動串接郵件或人資系統，應另外確認收件者、權限、紀錄與取消方式；這超出基本寫作課的成果範圍。

8．如何設計人資 AI 課程，才不會上完只留下提示詞

課程設計可以從交付物反推。若希望學員完成制度問答、教材與訓練分析，就要保留相應的練習與覆核時間；如果時間不足，應縮小題目，而不是展示更多功能。對 HR 來說，應保留完整練習一個工作流程的時間，把例外處理與覆核一起納入作品。

台灣就業通在 2026 年 9 月 30 日的官方報導中，介紹北分署人資研習已納入企業知識整理、資料分析、行政流程及訓練需求等實務題目。S4 這能說明人資 AI 學習已有工作導向的公開案例，但報導不代表任何特定課程能保證同樣成果，也不是本篇教案已實施的證據。

以下是一個 6 小時教學內容範本，合計 360 分鐘，不含午休與另行安排的休息。它適合已有基本文件及試算表操作能力、準備好虛構資料的 HR 團隊；若學員連檔案整理或基本公式都不熟，應先補前置能力或減少主題。

課程也可以拆成兩次，讓中間有時間確認制度來源或整理工作樣本；拆課時要重新核對每次要交付的成果，不只是把投影片從中間切開。若企業只需要制度問答，就把其他模組換成更多版本與例外練習，不必為了看起來完整硬塞資料分析。

講師示範時，建議刻意保留一次錯誤。例如讓工具引用舊制度、錯算合計比例或誤判缺值，再示範如何回到資料修正。這能讓學員理解檢查流程，而不是誤以為能力高的人永遠一次成功。也要給學員自行診斷的時間，不能每遇到問題就由講師直接接手完成。

小組合作可輪流分成資料準備、操作、覆核與紀錄角色，同一位學員至少做過操作與覆核。若始終由最熟悉工具的人控制電腦，其他人可能只能跟著觀看；作品完成並不代表每位參與者都具備能力。人數較少時，可以兩人互換角色，仍保留獨立評量。

講師選擇也應對應這些成果。請候選講師示範如何處理一份版本衝突的制度或分母不一致的報表，並說明哪些問題需要企業自己決策。這比只看工具數量或簡報華麗程度更接近本案需要。若課程涉及特定法規、勞動事件或敏感人事判斷，應依題目配置適當專業角色並查核現行資料，不把 AI 操作講師視為全部問題的解答者。

工具選擇則以公司核准環境與任務需求為前提。教案可用一般對話工具、文件工具或試算表完成部分練習，沒有必要假定每一種產品方案都具備相同上傳、引用或管理功能。課前實際確認所需功能與限制，並準備替代流程，才能避免課程當天才發現學員無法使用。

9．學習驗收看得見：原始輸出、修訂與獨立完成

課後問卷可以幫助改善授課安排，但不應成為唯一成果。CDC 的訓練成效指引區分學習與回到職場後的應用，並提醒滿意度不能單獨決定訓練是否有效。S5 對 HR AI 課程而言，應分別確認學員能否做出作品，以及回到公司後是否有條件使用。

建議保留三份材料：AI 原始輸出、學員指出的問題、修正後成果。只看最後成品，很難知道是學員獨立完成、教師代做，還是碰巧得到正確答案。修訂紀錄能讓覆核者看到學員是否理解來源、分母與適用條件，也能成為後續補強的依據。

評量不必一開始就設計複雜分數。可先採「能獨立完成」「需提示才能完成」「尚未完成」三種狀態，再對每項附上證據。制度題要看是否找出有效版本及缺漏，分析題要看公式與口徑，教材題要看步驟與練習的一致性。學員若使用了不允許的資料，應先停止並修正，不用其他項目表現抵銷。

同一題也應避免只考重複操作。課堂練過工作服制度，評量可以換成另一個完全虛構的內部申請程序；資料欄位相近，但生效日期與例外不同。這能檢查學員是否掌握方法，而不是記住講師的答案。評量材料的難度應合理，不能突然加入未教過的專業知識。

若要比較課前與課後，應設計相近難度的任務，保留相同的評判規則。只在課後問「你覺得進步多少」，得到的是自評訊息，不能當作客觀能力增幅。前後作品也需要考慮熟悉題目的影響，因此報告最好描述具體行為改善，而非任意換算成生產力百分比。

回到前面的零售人資情境，課後可先挑一份低風險且已核准的制度，由受訓者製作回答草稿，另一位同仁覆核，再由制度負責人確認是否能使用。若兩人發現版本表仍不完整，下一步應補來源；不能因為課程已結束，就把不完整答案直接放進員工查詢管道。

訓練發展團隊則可以先完成一份內部報表：數字由本地試算表驗算，AI 協助整理摘要，主管只讀取需要的彙整結果。若企業環境尚未允許正式資料輸入 AI，仍能先使用人工核准的彙總數字或維持虛構練習，等待權限與資料安排完成。

課後追蹤要看證據覆蓋。假設依每門課各計一次後續作業，59 個完成人次中，20 個人次提供作業，14 個人次有可核對的應用成果，可以說「在 20 份已回收作業中，14 份符合此次標準」。不能直接說全體學員有 70％ 成功應用，因為另外 39 個人次未提供同樣證據。未回覆也不等於沒使用，兩者都應保留未知。

最後，主管需要安排實際使用機會。若課後仍要求每份文件照舊重做，或沒有時間更新資料，學員可能很難把課堂能力帶回工作。HR 可以提出一個小範圍的使用安排，包含允許任務、覆核者、成果位置與遇到問題的處理方式，再依紀錄決定是否擴大。

10．把培訓成果留下來：一份部門工作資產包

人資 AI 培訓結束時，最實用的交付不是數十條沒有背景的提示詞，而是一份可以被同事理解的工作資產包。每項資產都應知道處理什麼工作、用什麼材料、哪一版有效，以及誰負責維護。這樣即使工具更換，部門仍能保留已建立的工作方法。

第一項是工作卡，記錄觸發、輸入、產出與責任。第二項是來源索引，列出有效文件及待確認資料。第三項是任務指令與輸出格式。第四項是範例成果及錯誤案例。第五項是覆核清單與更新紀錄。若這五項都有，但沒有維護者，資產仍可能很快失去可用性。

可以讓每份檔案都包含簡短頁首：「適用工作、資料版本、工具使用條件、最後確認日期、維護者、不可用情境」。日期不應只寫建立日；當制度變更時，要知道哪些問答、教材與提示需要重新檢查。制度與教材的關聯可以先用簡單表格管理，再依維護需求決定是否需要系統。

分享也要有範圍。課堂的虛構練習可以開放給更多同仁學習，真實制度摘要則依公司權限分享；包含個案資料的工作成果，不能因為已經整理成簡報就自動變成公開教材。資產包中的資料分類與使用說明，應跟著檔案一起保留。

當部門想增加新任務時，先檢查是否仍符合原本邊界。例如從「整理訓練問卷」延伸到「推測員工離職風險」，已經改變目的與影響，不宜直接沿用原課程的允許方式。同樣地，從草擬通知變成自動寄送，也增加了權限與錯誤擴散範圍，需要另行設計。

課後可定期討論作品與修訂結果，讓改善聚焦於實際工作。每次選一個實際卡點，先看原始資料與輸出，再決定應改來源、指令、格式還是流程。討論結束留下修訂版本與原因，讓經驗累積在工作方法裡，也避免同一個錯誤由不同人反覆處理。

若需要外部培訓協助，先提供希望完成的兩三項 HR 工作、學員先備能力、可用環境與資料限制。企業可以從企業內訓規劃開始討論適合的課程範圍，再決定是否需要後續實作支援。對外需求描述不必包含真實員工資料，先以工作卡與虛構樣本溝通即可。

11．人資 AI 培訓常見問題

人資沒有程式基礎，可以學到實際成果嗎？

可以從文件整理、制度問答、教材草稿及基本報表開始，但仍需要相應的工作判斷。沒有程式背景不妨礙學習來源核對；不熟悉試算表公式，則可能需要先補資料基礎。課程應依先備能力調整任務，不把不寫程式誤解成不需要理解資料或檢查結果。

是否應先教招募篩選與績效評分？

不建議把涉及個人重要機會與評價的判斷，當作一般入門課的第一個自動化題目。人資可以先學習整理已允許的工作資料、辨識缺漏及形成可覆核草稿；若企業確有招募或績效相關應用需求，應另行評估目的、資料、偏誤、人工責任及適用要求，不能只把通用提示詞套上去。

真實資料比較貼近公司，為什麼還要用虛構資料？

課堂最重要的是練方法，虛構資料可以保留流程難度與錯誤型態，讓學員在清楚邊界中練習。正式資料的使用則需確認環境與權限。兩者可以分階段銜接，不必為了第一堂課貼近現場，就把尚未核准的人事資料上傳外部服務。

一堂課能完成正式人資知識庫嗎？

可以完成資料整理與問答原型，但能否形成正式服務，取決於制度有效性、權限、更新方式、測試及人工接手。課程成果應清楚標示原型與已驗證範圍。若只是用幾份教學文件展示回答，不應對外宣稱公司已建成可供所有員工使用的人資系統。

人資 AI 課程一定要排 6 小時嗎？

不一定。本文的時數只是教案範例。若只練通知覆核與制度問答，可以縮小主題；若要完成資料清理、報表分析與多次修訂，可能需要更多時間及課後練習。時數應由成果、資料與學員起點決定，不能用上課多久直接推算工作成效。

如何向主管說明這筆培訓值得投入？

先說要改善哪一項 HR 工作，再說會留下什麼作品、如何核對、由誰維護，以及課後如何試用。例如完成一份可追溯的制度問答範本，或一張分母清楚的教育訓練報表。這些成果可以檢查，也能安排下一步；尚未量測之前，不應把預計節省時間當成已實現的效益。

人資 AI 培訓的價值，來自學員能把工作交代清楚、找到有效依據、保留必要判斷，並讓同事接得下去。選課與規劃內訓時，請把焦點放在要留下哪一件可覆核的工作成果，再選工具、講師與時數。人資學會用 AI 的證據，是一份能被放心接手的成果。

參考來源

[S1] CDC，Assess Training Needs：Conducting Needs Analysis，2025 年 2 月 5 日。官方原文。

[S2] ICO，Anonymisation Glossary，發布日期未明；本次頁面標示指引正在檢視中。官方原文。

[S3] NIST，Artificial Intelligence Risk Management Framework：Generative Artificial Intelligence Profile，2024 年 7 月 26 日。官方出版頁及官方文件。

[S4] 台灣就業通，AI 驅動人資升級，北分署實務研習助企業強化人才培育與經驗傳承，2026 年 9 月 30 日。官方報導。

[S5] CDC，Evaluate Training：Measuring Effectiveness，2024 年 10 月 28 日。官方原文。

內容製作說明

本文以公開原始資料及原創教學設計整理；時數、表格、企業情境與數字為編輯範例，不代表真實課程成果、法律意見或效益保證。Sylvia Yeh 為 TARAISG AI 編輯計畫的專題策展角色。