有人問我，怎麼有這麼多東西可以寫？

有人問我，怎麼有這麼多東西可以寫？因為我每天都在上課，每一次上課都會試新作法，試了就有心得可以寫。

今天就來寫國際企業管理第三週課程的AI操作過程。

國際企業管理跟管理學這兩門課一直以來都是相當困擾我的課程。尤其是國際企業管理，對學生來說，既沒有管理經驗，更不用講國際經驗，所以這門課學生幾乎是全憑想像進行學習。而且全英授課，更是一大挑戰。

過去我也嘗試過非常多的做法，包含使用個案教學，但是已經是很抽象的內容了，再加上個案教學，抽象再加抽象，一整個抽象。

因此在這一學期的課程裡，我使用了韓劇《未生》的內容。

我對這齣劇有非常高的評價，裡面的人物描寫非常立體，劇情的…

我對這齣劇有非常高的評價，裡面的人物描寫非常立體，劇情的推進速度也相當快，對於國際貿易的描述更是相當完整。因此，當初在選擇影視教材時，《未生》就是我的首選。雖然這齣劇已經有一段時間了，但是裡面所描述的情境放到現在來看，依舊不過時。日本跟韓國都能夠拍出這種貼近時代的職場劇，也期望我們之後也能有類似的商業職場劇。

有了上學期的操作經驗，這學期我有比較成熟的操作方法了。無論是在給予劇情的介紹，或是在上課時切換劇情內容，這些做法上都有了比較長足的進步。但關鍵點在於我要如何有效導入 AI 工具。在之前管理學的課程中，我們是使用《陸王》這齣劇，但當時使用生成式 AI 的部分非常有限。今年在所有的課程裡，我大量導入生成式 AI，讓它作為整個課程建構的基底。

因此，我在課程裡面做了幾個與生成式 AI 結合的做法，或許可以提供給其他在設計這類課程的老師一些想法。這種情境加上生成式 AI 的操作方法，具體而言是沿著以下的時間序與邏輯脈絡展開的：

在學期初的第一階段，也就是課程正式啟動之時，我並沒有急著將龐雜的國際貿易理論直接填鴨給學生，也沒有要求他們毫無頭緒地去註冊各種 AI 工具並從零開始建立專案。相反地，我花費了相當的心力，預先為這門課建構了一個專屬的 NotebookLM 筆記本。這個筆記本的定位非常明確，它不是一個單純的搜尋引擎，而是我為這堂課量身打造的「教學引導底層作業系統」。在這個系統中，我已經預先上傳了所有關鍵的授課素材，包含 Hill 的《國際企業管理》教科書章節、個案、《未生》的關鍵對話逐字稿，以及與課程相關的學術文獻。這樣的設計目的在於建立一個收斂的資訊邊界 ，大幅降低學生在廣大網路上漫無目的搜尋所消耗的認知資源，並免除他們自行篩選真偽資料的麻煩。

這也是因應現在大學生不買教科書的狀況。現在要學生購買並認真研讀教科書是非常困難的，與其強求，不如適應當前環境與學習模式的改變。我認為透過 NotebookLM 內載教材是一個很合適的做法，甚至教科書公司應考慮以此方式推出進階付費方案，這可能比自行開發的多媒體教材或附屬網站更具價值。

除了預載資料，這個 NotebookLM 筆記本的核心價值在於其內建的互動指令（System Prompt）。為了防範學生對 AI 產生「大腦外包」的依賴，我在系統中設定了嚴格的互動規則：它被禁止直接給予標準答案。當學生在介面中針對某個商業概念提問時，這個系統會化身為一位遵循蘇格拉底詰問法的導師，反過來向學生提出具有引導性的問題。我們期望透過這種刻意製造的「認知摩擦」，促使學生必須回到教材的脈絡中去進行思辨，進而拼湊出屬於自己的邏輯模型。然而，這套系統也具備高度的彈性。針對國際企業管理課程中無可避免的語言障礙，我設定了一道例外原則：當學生需要翻譯原文文章、解析複雜的英文合約條款或艱澀的財務專有名詞時，筆記本會直接提供最精準的在地化解釋。這樣的機制設計是為了將「思考的難度」與「語言的難度」徹底脫鉤，讓學生能將腦力與注意力放在商業邏輯的辯證上。

在確保每位學生都能熟練操作這個作為教學引擎的 NotebookLM 筆記本後，我們隨即在課堂上導入了《未生》的情境。透過播放第一集主角張克萊初入「One International」這家大型綜合貿易公司的片段，我們向學生展示了一個充斥著外語交涉與密集商業術語（如 B/L、L/C、FOB）的高壓職場環境。在教學設計上，我們期望這段寫實的影音畫面能夠作為一種情境的催化劑，模擬出真實商業世界中那種龐大且複雜的運作體系。在觀影後，我要求學生立即開啟 NotebookLM，將劇情中出現的這些商業術語進行萃取，並要求 AI 結合教科書的定義，解釋這些術語在真實商業環境中的具體用途與脈絡 。

緊接著，在學生對跨國貿易的複雜度有了初步感知後，我立刻引…

緊接著，在學生對跨國貿易的複雜度有了初步感知後，我立刻引導他們進入實作探究環節。我向全班拋出了一個核心的商業探問：「像劇中這樣既沒有自有工廠，也不生產實體產品的貿易公司，究竟是依靠什麼機制在國際市場上攫取利潤？」

我導入了香港貿易巨頭「利豐集團」的真實個案。在這個環節，我要求學生跳脫 NotebookLM 的封閉資料庫，轉而開啟具備聯網與深度研究功能的進階 AI 模型。我給予的任務是：調查這類沒有自有實體工廠的中間商，究竟是如何在跨國供應鏈中攫取利潤。學生必須運用提示詞，讓 AI 協助梳理龐雜的財務報導與發展歷史。我再以這些結果，對應到中間人的「資訊不對稱」與「協調溢價」的商業價值。

隨著基礎概念的建立，課程進入了更具挑戰性的情境演練，這也是我們利用 AI 進行深度互動的核心。第一個演練是關於「提單（B/L）」的壓力測試。我提供了一段具體的情境提示詞（Prompt），設定時間為凌晨三點，負責某項專案的員工被經理緊急叫醒，因為一份重要的正本提單在辦公室遺失了 。學生必須將這段提示詞輸入 NotebookLM，提供 AI 充足的情境脈絡，讓 AI 扮演那位嚴厲的經理，與學生進行角色扮演對話 。在這個過程中，學生必須向 AI 解釋為何沒有正本提單就絕對無法提領貨物，並且需要精算貨物卡在港口所產生的延滯費（Demurrage）將如何吞噬掉這筆訂單微薄的淨利 。學生必須在對話中提出具體的補救方案，藉由與 AI 的攻防，看看自己是否會被這個虛擬經理給「開除」 。

第二個演練則聚焦於「信用狀（L/C）」，並導入了資訊視覺化的練習。我給予學生一個新的劇本：中東的買方透過一家不被國際廣泛認可的在地小銀行開立了信用狀，導致出口商面臨極高的無法收款風險 。由於跨國資金的流動與單據的交換過程非常抽象，我要求學生改用 Gemini，輸入情境並下達指令，要求 AI 不僅要解釋 L/C 與 P/I（預估報價單）在正常貿易中的運作流程，還要針對這個付款危機提出解決方案，最後必須將這整個流程繪製成一張資訊圖表（Infograph） 。在實作過程中，若遇到 Gemini 的製圖引擎（如 Nano Banana 2）未能順利產出圖表，我也引導學生學會變通，迅速切換至 ChatGPT 來完成製圖任務 。學生完成圖表後，需將產出的視覺化結果上傳至 Microsoft Teams 進行分享與討論 。這項練習有效地將艱澀的金融操作流程具象化。

最後一個演練則是關於國貿條規「FOB（船上交貨）」的風險談判。這個情境設定在貨櫃運輸過程中發生了不可預期的狀況導致貨物受損，衍生出究竟該由買方還是賣方負責賠償的嚴重爭議 。我要求學生再次利用 NotebookLM 生成這個談判情境，並與 AI 進行至少三個回合的交涉與博弈 。這項任務不僅要求學生熟悉 FOB 的風險轉移物理界線，更考驗他們在面對 AI 提出的法理挑戰時的臨場應變能力。這個談判歷程最終被設定為該週的課後作業，學生必須將與 AI 的完整對話紀錄匯出，並由小組成員統整後提交 。

透過這些循序漸進的環節，從初期的資訊梳理、中期的視覺化製圖，到後期的角色扮演與極端情境談判，生成式 AI 可以融入了課程的每一個步驟，成為驅動現代商管課堂深度互動與知識建構的引導方法。