這個週末，我進行了Innovation & Marketing Communication in Digital Era總共9小時的線上課程 。很久沒有帶純線上的討論課了，而且還是純英文，挑戰很大。
然而，真正挑戰的是如何將生成式AI帶入到這門課之中，不僅只是工具應用，更重要的是與這門課的主題相關：如今，生成式AI重塑了我們對於創新與市場溝通的看法與作法 。
可是，課程進行不久，我注意到這一次上課的學員，都沒有買付費的生成式AI服務 。坦白說，這對我是個衝擊。畢竟我是生成式AI的重度用戶，而我的社群上充斥的更是一群走火入魔的用戶，以及滿滿的生成式AI焦慮。當得知原來這些高階管理層或具備實務經驗的學員都沒有訂閱時，這個落差感極大。
這到底是怎麼一回事？難道是免費的帳戶能做的事已經夠了？還是，我們可能對於生成式AI的焦慮過頭了？一直到這9小時結束，我還是沒有一個絕對的答案。
本來，若是照我的計畫，課程分為四個單元，每個單元270分鐘，遵循「個案討論、理論框架、工具實作」的固定結構 。但是，我想更推進一些。本來就已經規畫了不少利用生成式AI協助學生的課堂學習與互動，我再增加了更多的細節說明、理論解釋與上機實作。因為，我想看看，經過這一次的衝擊之後，再接下來的週末九小時，學員是否會提前訂閱生成式AI的付費服務。
至少，在已經上完的九小時內，我詳細地帶著大家操作，將生成式AI融入到課程活動中的具體方法，以及在商業實務上的生成式AI應用方式。雖然採用全英文講述，多少會有一點卡，但我仍完整的帶了一次，也讓學生分享成果。
我總共帶了以下幾個關鍵的實務橋段，將學術理論、商業情境與生成式AI進行橋接
- 建立數位知識庫與克服語言障礙
第一堂課的開頭，我必須解決學員沒有付費帳號且面臨大量英文個案閱讀的問題。我引導學員使用 NotebookLM，這是一個目前對免費用戶相對友善且沒有嚴格次數限制的工具 。我將課程的閱讀材料、個案研究（如星展銀行 DBS 轉型個案）、補充文件全部匯入一個共享的 NotebookLM 筆記本中 。針對非英語母語的學員，我親自示範如何對 NotebookLM 下達指令，將複雜的 DBS 英文個案逐步翻譯成繁體中文，以此降低學習門檻並確保討論基礎一致 。
- 重塑顧客旅程與危機公關的實境演練
這門課的核心議題之一是「數位轉型不只是把東西放上網」，而是作業系統與基礎設施的考驗 。我們深入討論了星展銀行（DBS）的個案。理論面上，DBS 為了成為一家科技公司，推動了「Gandalf」計畫，向 Google、Amazon、Netflix、Apple、LinkedIn 與 Facebook 看齊，將自己（D）融入科技巨頭的行列 。他們引入「Jobs-to-be-done」概念，徹底改造顧客旅程 。然而，DBS 為了快速推出微服務來滿足前端需求，後端架構變得異常複雜，最終導致 2023 年發生嚴重的系統當機 。就在這個關鍵時刻，我讓生成式AI介入。我要求學員打開 Gemini 或 ChatGPT，扮演 DBS 的公關經理（PR Manager），針對系統當機事件擬定危機處理策略 。AI 的產出令人印象深刻。它不僅寫出了標準的道歉聲明，還具體提出了引導客戶前往 7-11 實體 ATM 的備用方案。
- 基於證據的深度研究（Deep Research）
在商業決策中，我們不能只憑直覺，特別是針對市場上的重大事件。我設計了一個實作環節，要求學員調查過去三年內全球線上服務因系統故障而導致嚴重消費者權益受損的重大事件 。我示範了如何使用 Gemini 的「深度研究」功能，以及 ChatGPT 的網路搜尋功能 。Gemini 快速產出了包含 2023 至 2026 年基礎設施中斷的報告，指出某些服務需要數小時甚至數十小時才能恢復 ；而 ChatGPT 則花費了高達 27 分鐘，進行了 301 次的網路搜尋，給出了包含倫敦證券交易所（LSE）與 CrowdStrike 等事件的詳細繁體中文報告 。在這個環節，我特別強調了查核的重要性。AI 會產生幻覺，或是過度簡化資訊 。在產出報告後，必須點擊 AI 提供的來源連結進行二次確認，確保每一項聲明都有明確的證據支持（Triangulated sources），這是現代經理人使用 AI 的基本素養 。
- 企業轉型診斷與代理人工作流（Agentic Workflow）藍圖
課程的最終目標，是讓學員能夠理解並設計出人機協作的工作流程 。我請學員挑選一家正在進行轉型的知名跨國企業（例如星巴克或 Nike），並提供了一組極度複雜、以 Markdown 格式編寫的提示詞，要求 AI 扮演資深數位轉型顧問 。AI 必須主動上網搜尋該企業近期的投資者會議紀錄與公開報導，評估其價值主張、關鍵流程改變以及能力落差，最終產出一份中英對照的診斷報告 。更進一步，我展示了如何將現有的工作流程自動化。我讓 AI 直接生成 Mermaid 程式碼，將複雜的文字描述瞬間轉換為清晰的流程圖 。我也分享了我自己建立的「課堂神筆」AI 助理。過去，人類必須像「漿糊（Human glue）」一樣，在不同的系統與非結構化數據之間手工搬運資訊 。現在，只要把語音檔丟進特定資料夾，AI 就會自動轉錄文字、修正標點符號、產出摘要，完全自動化 。
- 世代差異與搜尋引擎的終結
在討論數位化與數位轉型時，我們不能忽略終端使用者的行為改變 。我帶入《行銷 4.0》與《行銷 6.0》的觀念，分析 X 世代、Y 世代、Z 世代到 Alpha 世代對於數位工具的不同態度 。年長世代仍然習慣傳統的資訊獲取方式，而年輕世代（Gen Z 甚至 Alpha）已經完全適應虛實融合的世界 。我指出一個明顯的市場趨勢：年輕世代遇到問題，甚至是感情爭吵，已經不再依賴 Google 搜尋文章，而是直接詢問 AI 。當顧客的發現路徑被 AI 代理人接管，傳統的搜尋引擎最佳化與內容行銷將面臨嚴峻挑戰，企業必須重新思考如何在 AI 摘要中保有能見度與品牌信任 。
我不禁地想，什麼時候生成式AI帶來的衝擊，會讓更多職場的人士真的花錢訂閱呢？別跟我說失業，那樣的景象太過遙遠且殘酷。我認為，或許比較可能的是在日後的考核中，生成式AI以某種方式成為必備的基礎能力。這就像是過去從紙本過渡到電腦辦公一樣，是一種「效能基準線的移動」。當企業發現，競爭對手的一名中階主管，能夠利用 AI 代理人獨立完成市場診斷、顧客旅程重塑、甚至自動化日常報表與危機監測時；當老闆認為一份包含交叉比對來源、具備深度觀點的商業分析，只不過是「擁有生成式AI該有的基本產出水準」時，那個不訂閱、不學習的代價，才會真正浮現。我們現在看到的免費工具，確實能應付簡單的文字潤飾與資料整理 。但在商業戰場上，你需要的是處理非結構化數據的靈活度、串接複雜工作流的穩定性，以及確保品牌信任不被機器幻覺摧毀的查證與管理能力 。這些，免費工具給不了。
課程還剩下一半，接下來的 9 小時，我們會深入探討 AI 時代的信任治理與最低可行代理人的原型設計 。我期待看到學員心態的轉變。