很多人上完 AI 課，帶走的是一份提示詞、一串工具名稱，以及「回去找時間試試看」的念頭。
這篇 AI 工作流課程案例，整理六小時課程的範圍、產出與限制。HR、培訓承辦人與主管也可據此評估企業 AI 培訓。
但回到工作現場後，原本的客戶追蹤、報價整理、進度催問、考核作業與知識查找，仍然用同一套方式處理。
問題通常不在於工具學得不夠多，而是沒有把自己的工作說清楚，也沒有經歷從需求、規格、建構到測試的完整過程。
2026 年 9 月 15 日，我在中華民國對外貿易發展協會高雄辦事處，進行一場六小時的「自動化工作流 AI 進階實戰班」。課程採實體與線上同步，共有 27 位學員報名，其中 19 位選擇實體參與、8 位選擇線上參與。
報名者來自製造、貿易、醫療、科技與專業服務等產業，職務橫跨業務、財會、人資、行政、資訊、設計與管理職。這也代表課程不能只示範一種部門情境，更不能假設所有人都要做同一套系統。
因此，這堂課設定了一個明確目標：不只看 AI 示範，而是練習把一件每天反覆發生的工作，做成能操作、能測試、也能繼續修改的第一版工具。
先說清楚成果界線：本文整理已確認的課程設計、實作流程、報名結構、匿名化原型與課後回饋。課程簡報中的五項結業成果是教學目標，不代表每位報名者都已完成相同深度，也不將單次課程直接等同於企業正式系統導入。
課程背景：一場跨職務、實體與線上同步的 AI 實戰課
| 項目 | 課程資訊 |
|---|---|
| 主辦單位 | 中華民國對外貿易發展協會高雄辦事處 |
| 課程名稱 | 自動化工作流 AI 進階實戰班 |
| 日期 | 2026 年 9 月 15 日 |
| 時間 | 09:30 至 16:30，授課 6 小時 |
| 形式 | 實體與線上同步，線上含 14 天錄影回放 |
| 報名人數 | 27 位，實體 19 位、線上 8 位 |
| 講師 | Hydra Xia 夏承樟 |
課前簡章列出的應用情境包含客戶追蹤、報價提案、任務管理、會議紀錄與知識庫。從報名資料也看得出來，學員希望解決的工作並不相同。
財會人員在意報價、成本與毛利規則；業務需要掌握客戶階段與下一次行動；人資與行政希望流程可以被追蹤；資訊與工程職務則更關心知識如何整理、查找與交接。
若六小時都花在介紹不同 AI 工具，學員很容易覺得內容豐富，回去卻不知道該先處理哪一件事。所以這堂課的順序從「工作盤點」開始，最後才談更複雜的串接與自動化。
第一個關鍵：先找出值得工具化的工作
「幫我做一個客戶管理系統」看似是一個需求，實際上缺少使用者、資料、流程、判斷規則與完成標準。AI 只能自行猜測，第一版自然容易偏離現場。
課程先請學員回想最近一週的工作，寫下五類摩擦點：
- 最常重複的工作。
- 最容易遺漏的事項。
- 經常複製貼上的資料。
- 最常被催問進度的任務。
- 最想交給別人處理的工作。
接著再用四個維度評估：發生頻率、每次耗時、出錯風險與標準化程度。
這一步的用意，是避免一開始就挑公司最大、最複雜的問題。對第一次建立 AI 工作工具的人而言，先選擇高頻、耗時、容易出錯，而且規則相對固定的任務，成功機率更高，也更容易驗證價值。
相反地，若目標仍然模糊、規則經常改變，或結果高度依賴人的專業判斷，就不適合直接交給工具處理。
第二個關鍵：把一句需求拆成六格功能規格
找到題目後，學員沒有立刻要求 Codex 開始製作，而是先完成一份功能規格。
課程使用六格功能規格法，要求每個人回答：
| 規格欄位 | 需要說清楚的問題 |
|---|---|
| 使用者 | 誰會使用這套工具？ |
| 情境 | 什麼時候、在哪個流程中使用？ |
| 輸入 | 需要提供哪些資料與條件？ |
| 處理 | 工具要如何分類、計算或判斷？ |
| 輸出 | 最後要看到哪一種結果或報表？ |
| 驗收 | 怎樣才算正確，準備如何測試？ |
學員還要另外列出三項必要功能、一項加分功能，以及五條可以實際執行的驗收標準。
這個取捨很重要。第一次做工具時，最常見的風險是需求不斷膨脹：想做登入、權限、通知、報表、跨平台同步，也希望畫面一步到位。最後每項功能都做了一部分，真正要解決的核心問題卻沒有完成。
第一版的任務只有一個：證明核心流程可以運作。
第三個關鍵：分三輪與 Codex 協作，而不是一次把願望全部丟出去
課程把人與 Codex 的協作拆成三輪。
第一輪：先確認理解
學員先請 Codex 整理使用情境、核心問題、必要功能、資料欄位、操作流程與驗收標準。資訊不足時，要讓 Codex 先提問，不急著開始建構。
收到整理結果後，人要檢查使用者是否正確、真正痛點有沒有被抓到、AI 是否自行增加需求，以及完成標準能不能被測試。
第二輪：建立第一版
需求確認後，才要求 Codex 建立繁體中文、非技術背景也能操作的核心版本。指令中會明確限制範圍，不讓 AI 自行擴張功能。
上午的共同實作是「AI 工作任務追蹤器」，包含新增、修改、刪除、負責人與期限、優先級、狀態、搜尋篩選、逾期標示，以及資料匯入匯出。
這個共同題目讓所有學員先走完一次相同流程。午休前，必須測試新增任務、修改狀態、找出逾期項目、處理錯誤輸入與匯出資料。
第三輪：讓 AI 主動測試
工具顯示「完成」仍然不代表可以使用。學員會要求 Codex 從第一次使用者、可能輸入錯誤資料的人，以及查看進度的管理者三種角度操作，列出問題、完成修正，再回報測試結果。
這三輪的重點，不是背下某一段萬用提示詞，而是建立協作節奏：先對齊需求、控制第一版範圍，再用測試證明功能是否成立。
下午的五條職務路線：同一套方法，做出不同工具
上午先建立共同基底，下午再依職務需求分成五條實戰路線。
| 路線 | 主要使用者 | 可處理的工作 |
|---|---|---|
| 客戶成交 | 業務與業務主管 | 客戶階段、聯絡進度、商機與下一步行動 |
| 管理協作 | 主管、特助與行政 | 任務、期限、卡點與負責人進度 |
| 財務報價 | 財會與報價人員 | 品項、成本、折扣、稅額、毛利與報價摘要 |
| 人資行政 | 人資與行政窗口 | 招募、報到、訓練、請假或文件流程 |
| 技術知識 | 資訊、工程與設計 | 問題分類、解法、標準步驟與版本紀錄 |
學員不必推倒上午已完成的共同工具，而是修改欄位、規則、流程與輸出，將它變成更接近自己工作方式的版本。
這也回應了混成課程中職務差異大的問題。所有人先學同一套規格、建構與測試方法，再回到自己的任務，不需要勉強套用同一種產業案例。
真實資料一放進去，工具的問題才會出現
畫面能打開，只能證明工具可以被展示。當真實情境進入後，才看得出欄位是否不足、輸入是否麻煩、分類是否符合工作習慣，以及統計結果能不能支持判斷。
因此，個人實作階段要求學員準備至少十筆去識別化資料，檢查五件事：
- 欄位是否足夠。
- 輸入流程是否順暢。
- 分類邏輯是否符合實際工作。
- 統計是否能支持判斷。
- 輸出能否直接交給同事或主管使用。
課堂也特別設定資料邊界。真實客戶姓名、聯絡方式、未公開報價、成本、員工資料、薪資、帳號、密碼與 API 金鑰，都不能直接放進課堂使用的公開 AI 工具。
練習應採用匿名化、代碼化或模擬資料。AI 產出則必須保留人工查核，尤其涉及財務、人資、法規與對外承諾時，不能把工具結果當成最終判斷。
如果企業正在規劃更完整的導入，可先參考企業 AI 內訓與工作流程盤點，了解課程形式、資料安全與成果追蹤方式。
實際延伸案例：把考核表做成可送審的流程原型
課程結束後，其中一項延伸需求，是將既有績效考核作業整理成可操作的流程原型。
原本分散在表單、通知與人工追蹤中的步驟，被拆成以下流程：
- 系統發出通知。
- 員工填寫自評。
- 主管收到審核通知。
- 需要修正時退回補正。
- 員工重新送審。
- 主管完成核准。
- 系統彙整並留存結果。
原型還能依組織需求延伸不同部門使用不同考核表、設定一位或兩位主管依序審核、提醒未填寫與待審案件、查看完成進度與未交名單，以及依權重彙整部門報表。
這個案例最有價值的地方，不是工具畫面看起來多完整，而是工作中的角色、資料權限、退回條件與結案方式開始被說清楚。
同時也要區分原型與正式系統。若要讓全公司長期使用，還需要處理帳號環境、部門權限、個資保護、稽核紀錄、維護責任與異常處理。課堂完成的是可驗證起點，不是跳過治理工作的正式上線。
現場最重要的練習：交換工具，讓別人真的操作
自己做的工具，往往會因為太熟悉而忽略操作斷點。
課程後段安排兩人一組交換工具。測試者需要完成一次核心流程、找出三個使用問題、輸入一筆錯誤資料、提出一項流程建議，並判斷這套工具是否已經能交給同事直接使用。
收到回饋後，也不能把所有建議全部塞進第一版。學員要先分成三類：
- 影響核心功能，這一版必須修正。
- 有價值但不影響核心使用，留到下一版。
- 偏離主要情境或會大幅增加複雜度，暫不處理。
這個練習讓「做出來」與「別人用得懂」產生清楚差別。對企業導入而言，這比增加更多功能更重要。
我從這堂六小時課看見的三件事
一、職務不同，卻共享同一種流程問題
業務、人資、財會、主管與工程人員處理的資料不同，但都需要回答相似問題：誰輸入、何時處理、如何判斷、誰負責確認，以及最後要留下什麼結果。
當工作被拆成這些元素，AI 才有機會協助建構，而不是只生成一段看起來合理的答案。
二、學員真正需要的是規格與測試能力
工具名稱會改，模型版本也會更新。能持續使用的能力，是把模糊需求整理成規格、限制第一版範圍、描述錯誤現象，以及設計可重複的驗收方式。
這也是課程沒有把所有時間都放在提示詞技巧上的原因。Prompt 可以協助溝通，規格與測試才決定工具能不能工作。
三、興趣通常從第一次成功操作開始
一位學員課後提到，他原本也在研究 Shopify，看到 Codex 能進入工作協作後，對後續應用更有興趣，並回覆這是一堂「很讚的課程」。
這份回饋不能代表所有學員，也不能證明工具已為企業創造特定營運成效。但它反映一個重要學習訊號：當 AI 從抽象概念變成自己可以修改與測試的工具，學員更容易開始思考下一個可用場景。
一堂六小時 AI 工作流課程，可以合理期待什麼？
六小時足以讓學員走過一次完整循環：選定問題、寫出規格、完成第一版、加入資料、交換測試、修正核心問題，並規劃下一步。
但六小時不適合承諾完成企業正式系統，也不能取代後續的權限、資安、資料整合、使用者管理與維護工作。
企業可以依目標選擇不同深度：
- 2 至 3 小時講座：建立 AI 工作流與資料邊界的共同認知。
- 半天工作坊：聚焦一項高頻任務，完成規格與第一版流程。
- 全天實作課：加入建構、真實情境測試、修正與成果展示。
- 系列培訓：跨週收集使用回饋，逐步調整欄位、規則與部門協作方式。
- 導入專案：處理帳號、權限、正式資料、跨系統串接與維護責任。
如果還不確定公司適合哪一種形式，可先閱讀企業 AI 內訓怎麼規劃，從學員、工作問題與預期成果開始盤點。
課後 14 天：讓第一版工具進入真實工作
課程最後不以成果展示作為終點，而是請學員寫下 14 天導入計畫：預計在什麼日期前，邀請誰使用工具、完成幾次真實操作、蒐集多少回饋，以及準備修改到第幾版。
企業若要追蹤課後成效，可以先看以下指標：
- 有多少學員在兩週內重新開啟並使用工具。
- 第一版是否完成至少一次真實流程。
- 同事操作時最常卡在哪一步。
- 哪些欄位與規則經過實際使用後被修改。
- 工具是否減少遺漏、重複整理或進度催問。
- 哪些情境需要轉交資訊、資安或管理單位評估。
滿意度可以反映課堂體驗，但能否持續使用，需要回到實際工作與版本修正觀察。
AI 工作流課程常見問題
沒有程式背景，也能參加 Codex 實作課程嗎？
可以。課程會先從工作問題與功能規格開始，再進入工具建構。學員需要能描述自己的工作流程、判斷結果是否正確，並願意實際操作與測試；不以會寫程式作為前提。
六小時真的能做出一套工具嗎？
在題目範圍清楚、先完成規格，而且聚焦三項必要功能的前提下，可以完成可操作的第一版原型。若涉及登入、多人權限、寄信、LINE、自動抓取資料、ERP 串接或正式資料庫，通常需要額外整合與測試。
可以使用公司的真實資料練習嗎？
應先依企業政策判斷。課堂建議使用模擬資料、代碼或去識別化內容，不直接輸入客戶個資、未公開報價、員工薪資、合約、帳密或 API 金鑰。正式導入前仍需由企業法務、資安、個資及相關權責單位審查。
課程可以依部門客製嗎？
可以。業務、人資、財會、管理與技術團隊需要的欄位、規則與驗收方式不同。課前可透過需求訪談與工作盤點，選定共同基底，再依部門設計練習與成果。
如何判斷課程結束後是否真的有用？
先追蹤學員是否完成第一版、是否有同事實際操作，以及兩週內是否持續修改。再依工具目的觀察遺漏次數、處理時間、返工情況、進度透明度或實際採用率，不宜只看當天滿意度或工具數量。
結語：AI 生產力從重新設計工作開始
這堂六小時課程再次提醒我，AI 工作流的起點不是知道更多工具名稱，而是能不能把一件工作說清楚。
當使用者知道誰要使用、要輸入什麼、有哪些判斷規則、最後需要什麼結果，也知道如何測試與修正，AI 才可能從聊天工具變成工作協作者。
第一版不需要無所不能。它只需要解決一個真實問題，經得起一次實際操作，也讓團隊知道下一版該改什麼。
如果你的企業正在評估 AI 工作流培訓，不用先準備完整課綱。先提供產業、學員職務、人數、目前最想改善的高頻工作，以及預計時數，我會協助判斷適合從講座、工作坊、全天實作，還是導入盤點開始。
企業要導入 AI 工作流？
不用先準備完整課綱。提供產業、學員職務、人數、目前最想改善的高頻工作與預計時數，我會先協助判斷適合從講座、工作坊、全天實作或導入盤點開始。
延伸閱讀：