感謝以前同事KK的牽線和June邀約，回到 Yahoo! 分享三小時的 AI 實戰通識課。
在需要兼顧線上同學的情況下，流程與節奏多了很多挑戰，也表示有很多優化的空間。即便如此，大家仍給了相當溫暖的回饋。
課程滿意度 4.74 分（滿分五分），其中「是否更清楚 AI 如何理解任務與需求」來到 4.85 分。
這次簡報也再次大幅調整，在 AI 協助下持續壓縮與精鍊，希望讓內容更好吸收。
課後回頭整理，這堂課帶給我的最大收穫，並不在於工具和教學本身，而是對 AI 轉型現場有了更清楚的認知。
那是一種很真實的矛盾感。
大家知道 AI 很重要，也願意往那個方向看；只是，大多數人的心力，仍然被眼前的任務、報告與交付節奏牢牢佔住。
真正的卡關點，不在工具
從課前需求到實際互動，我愈來愈確定一件事：
AI 導入的難點，不在工具，而是在節奏與分工。
在跨國外商環境中，這個問題尤其明顯。
單一部門能動用的資源有限，決策與驗證流程較長，很難像創業型組織那樣快速試錯。
於是常見的狀態是：
- 期待 AI 幫忙節省大量時間
- 希望看到系統級、工程等級的成果
- 基礎資料仍需整理，流程也需要標準化
方向感是對的，行動節奏卻還沒跟上。
三小時通識課，承接了顧問級期待
回頭看課前需求，其實可以理解焦慮來源。
需求裡面，混合了好幾個層級的期待：
- 工具理解與操作示範
- 跨工具的工作流想像
- 需要工程團隊才能處理的自動化專案
這讓一個原本定位在「通識課」的場域，承接了大量尚未準備好的系統想像。
在這樣的情況下，帶著大家去看「如果做到位，未來可能長什麼樣子」，幾乎是最直覺的選擇。
只是，這個選擇也會讓現場的落差被瞬間放大。
M 型化正在擴大
在課堂互動中，分裂其實非常明顯。
一小群人，已經在用 AI 解決實際問題，多半是個人自發嘗試，或本來就接近工程與資料角色。
更多的人，理解趨勢、問題問得很好，卻仍停留在聽過、看過、還沒開始用。
讓我特別意外的是，ChatGPT 的個人化自訂指令，九成以上同學仍是空白。
在 AI 協助下，八十分的能力正在快速普及，
真正拉開距離的，是能否挑戰過去做不到的事情。
那個常被簡立峰提起的「1%」超級人類，與其說是天賦，不如說是一種可被培養的角色，也是企業必須正視的結構現實。
給企業內部 AI 推動者的幾個參考
這次經驗沉澱思考後，對AI轉型有更多務實的理解。
1️⃣ 不要期待所有人同步前進
AI 轉型不會是整齊劃一的隊伍，
把資源平均分配，往往只會拉慢速度。
2️⃣ 讓那 1% 成為跨部門小組
目前走在前面的企業，幾乎都在做同一件事。
把分散在各部門的先行者拉出來，形成跨部門小組。
讓他們先跑，先撞牆，先建立方法。
這不是菁英主義，而是轉型現實。
3️⃣ 從 10% 的工作開始奪回時間
前一陣子有篇討論度很高的文章，Dcard CEO 林裕欽分享 2025 年導入 AI Agent 的實戰經驗，把 AI 打造成一套能對話、推理，甚至自動處理表格的智慧系統。
那樣的案例很精彩，也值得參考。
但更現實的是，你我都不是林裕欽，多數企業的文化、位置與資源條件，也未必都和 Dcard 相同。
對大多數組織來說，真正走得動的起點，往往沒有那麼華麗。
可能只是：
- 資料整理
- 結案摘要
- 會議記錄
- 固定格式的報告與彙整
當這些瑣碎工時被慢慢拿回來，組織才有餘裕去做更高價值的思考，甚至開始設計真正的AI Agent與流程。
AI 從來不是捷徑，它更像是一個放大器。
前期一定慢，卻會在方向對了之後，持續放大。
關於自己的覆盤
這堂課，也重新校準了我對教學節奏的判斷。
我發現，示範未來可能做到的高度，並不代表課堂中需要帶著所有人同步完成。
在複雜場景裡，按步就班前進，反而更重要。
從教學現場中，我很明顯感受到，當最後一小時，要來滿足原本直接能實戰的需求時，那整個掉落的斷層感。
就像是從M字的左端，瞬間往右邊前進，
那一刻，全班能跟上的人，可能只有極少數。
同時能提供 AI 技術與行銷視角，是我的優勢；知識點過密，也提醒我在節奏與取捨上仍有優化空間。
寫在最後
AI 導入真正困難的地方，很少出現在工具選擇。
更多時候，卡在組織如何分工，如何安排節奏，如何接受不整齊的前進。
這是一條需要耐心的路，
也是一條，一旦方向對了，就會持續放大的路。
對正在推動 AI 的企業來說，
也許現在最重要的問題不是「能做到多快」，
而是「選誰先開始跑」和「從哪裡開始」。
對個人而言，不管你之前是做什麼職位，
「只要開始，就會變得厲害」
