在金控集團連開五梯、累積三十小時的生成式 AI 內訓，講義一路爆改了四個版本，今天總算～教～完～了。
原本以為大家常說的「量變帶來質變」，是指學員課上得越多、手感練得越熟，自然會開竅；後來才發現，這整趟下來最先發生質變的，其實是站在台上的自己。
第一梯開課前，我對教材簡直雄心壯志。講義要夠厚、觀念要最新、技術含金量絕對不能低，恨不得把 Prompt、Project、Skill、Agent、自動化流程、資料分析到風險治理一口氣全搞定。說白了，我那時就是妄想在短短六小時內，把生成式 AI 這幾年的演進史加未來趨勢，通通硬塞進大家腦袋。
結果第一梯剛結束，我心裡立刻亮起大紅燈：大事不妙。
現場大部分同仁根本消化不良。這完全不能怪學員程度跟不上，問題全出在教材根本沒有做好引導。我平時常吐槽企業導入 AI 很容易淪為「採購秀」：工具買了、簡報變好看了、大家看似忙得團團轉，但實際工作流程完全沒變。沒想到自己的第一版課程，差點也演成一場自嗨的教學秀。我充分展示了自己準備有多充足，學員則用眼神充分證明：人類的專注力真的有極限。
到現在回想起來，我對第一梯的學員依然充滿歉意。
企業內部的真實環境是這樣的：有人有企業旗艦版、進階功能全開，有人只有陽春基本版；有人早就在搭自己的 AI 自動化管線，有人連 GPTs、Project 或 Skill 是什麼都還沒概念；甚至還有人的 Token 點數燒到下午就直接見底亮紅燈。把這群背景落差極大的人放在同一間教室，現場體感大概就像把博士生跟幼兒園小朋友編在同一班，還規定大家必須在下午五點前交出同一份作業。
從第二梯開始，我的講義直接進入大規模拆遷重建工程。內容從單純的功能介紹，轉向真實工作流程的拆解，接著才逐一補上企業權限、資料邊界、停止條件與人工查核；後面再慢慢帶入可重複套用的 Skill、Agent 與協作模式，最後才把系統穩定度、排程、內部知識庫、專有名詞對照表與組織治理拉進來。整個主軸一路從「你問它答」，走到「你交辦它做」，再到「你排定它自動跑」。過程中我也不斷打預防針：這傢伙有時會非常認真地把事情搞砸，然後用一種彷彿剛幫你爆肝加班三天的誠懇口氣，回報「任務已搞定」。
教材雖然變得沒那麼「完整」，但總算是不會讓學員在中午之後就呈現僵死狀態。把內容化繁為簡，只留下學員當場聽得懂、能動手做、也能帶回辦公室執類的操作路徑。該有的思考深度沒有打折，而且能讓大家願意跨出一小步了。
其實，我是到最後這兩梯突然想通的： 管他的，先抓它來亂生一通再說！
仔細想想，我們自己當初是怎麼一頭栽進生成式 AI 的？還不就是從瞎玩開始的嗎？先叫它隨便寫幾句廢話、整理混亂的筆記、玩角色扮演、隨手生張怪圖，卡關了就追問，做不出想要的結果就換個講法。那時哪有什麼嚴格的約束條件，更不會在上工前先聽四十分鐘的大架構簡報。我們純粹只是覺得這玩意兒挺神奇、又蠻好玩的，才會興致勃勃地一直試下去。
反倒是我在設計企業培訓時，把這份初衷忘得一乾二淨。我硬生生把生成式 AI 包裝成一套必須具備高度嚴密思維、精準提示詞和龐大架構才能碰的高門檻技術。學員都還沒親自踩過那些坑，就被迫吞下一堆高度結構化、看起來專業無比的大道理。這種教法不但沒有縮短學習曲線，反而讓大家覺得：天啊，我是不是得先去讀個資工所才能開始用 AI？
當「動手玩」的元素重新回到課堂，教室裡的氛圍才真正活了過來。這裡說的「玩」是為了降低心理門檻，並不等於放水或降低標準。先讓大家體驗到「AI 真的能幫我省下做一件事的時間」，再帶他們看「它在哪裡容易胡說八道」；先累積一次順手的小成功，再來聊邊界、查核機制和責任歸屬。只要心裡的恐懼降下來，大家才有餘裕去摸索模型的極限，團隊也才熱烈互動。
我真正要處理的，是大家對 AI 的過度腦補、對出錯的恐懼，以及如何喚醒他們原本就擁有的專業判斷力。
銀行同仁帶著深厚的業務經驗、作業專業與內控責任走進教室，在各自的領域裡，他們才是真正的行家。AI 能幫忙摘要、交叉比對、草擬內容與發出提醒，但最後的決策、驗收與責任承擔，始終在他們身上。能夠帶著「這傢伙隨時可能講錯」的戒心去使用它，同時也懂得利用它來挑戰自己的盲點，這種身為專業者的自覺，遠比知道介面上有哪些功能要重要得多。
這五梯跑下來，同仁展現出對學習與實踐的強烈渴望，一直是最棒的定心丸。每一梯現場也總有幾位特別熱血的夥伴，勇於狂測、積極發問，甚至樂在其中地陪著我現場一起翻車。這些即時回饋給了台上的我極大支持，也讓講義能隨著現場的真實反應越改越精準。
三十小時的修練告一段落，我手邊依然沒有一套一勞永逸講義。但改了四個版本至少讓我認清一件事：所謂的完美教材，跟完全不會胡說八道的生成式 AI 一樣，目前大概都只適合存活在願景簡報裡。
這三十小時走完，量變確實引發了質變，只不過第一個被徹底打掉重練的，居然是我自己。