企業導入 AI 為什麼這麼難？｜買了工具同事都沒在用，AI 要從一件每天做的事開始養

這篇在講什麼

很多公司導入 AI 的方式，是買好工具、開好帳號、請人來上一堂課，然後等大家開始用。結果過幾個月，用的人越來越少。我的看法是，AI 比較像要養成的東西：工具買完那天才開始養。這篇整理養 AI 要做的四件事（整理資料、講清楚工作標準、做錯就修正、把修正後的規則留下來），每一件都附上我最近陪跑時遇到的真實狀況，最後給一套從一件事開始的三步做法，和一段做錯時可以直接貼給 AI 的回饋提示詞。

工具買好、帳號開好、課也上完，AI 還是沒人用

很多公司決定導入 AI，會依序做三件事：買好工具、開好帳號、請人來上課。做完這三件，大家會覺得導入完成了。

我的看法剛好相反。這三件做完，才開始真正的工作。

導入 AI 不像買一台新機器，插上電就能用，比較像在帶一位新同事。養的過程大概會經過三個階段：

很多公司卡住，是因為把買工具當成終點，第一個月答案怪怪的，就判定 AI 沒用。

這幾個階段沒有辦法跳過。

但是，如果有專業的顧問或教練陪伴，其實可以縮短大家試錯的過程，因為前期的試錯會非常辛苦。像我自己去輔導大家，就會用我這個知識庫累積兩三年的經驗，盡量引導大家，提醒大家哪邊會出錯、哪邊需要防雷、哪邊可以更有效率地整理，把我這幾年的經驗濃縮在一到三個月之內，帶著團隊一起快速把整個架構打起來。

養 AI 要做的四件事：整理資料、講清標準、修正錯誤、留下規則

工具買完之後，接下來要做的事其實很具體：

1. 公司的資料要整理
2. 工作標準要講清楚
3. 做錯的地方要修正
4. 修正後的規則要留下來，下次做同一件事才有依據

下面四段，每一件我都用最近陪跑時遇到的狀況來講。案例都經過去識別化，只保留跟這篇有關的部分。

資料要整理：圖片先辨識一次，用途寫進檔名

一位陪跑學員常用 AI 做簡報，要從自己的圖庫挑照片配圖。每次都讓 AI 去看圖片，非常耗 Token（AI 處理與計費的單位），也很慢。

我們的做法是讓 AI 把每張圖片辨識一次，把用途直接寫進檔名：這張通常是封面用、這張是首頁、這張是結尾。之後 AI 只要讀檔名就能配圖。

學員問能不能從過去的簡報整理出這份分類，我的回答是可以，整理完再叫 AI 跟實際用過的比對，有落差就以實際用的為準。

資料整理就是這麼具體的事：把 AI 每次都要重新弄懂的東西，整理成它一讀就懂的樣子。

工作標準要講清楚：先把標準寫出來，AI 才有得對照

同一位學員遇到另一個問題：叫 AI 改簡報，改第五頁的一個字改不好，叫它加一張圖也加不好。

很多人這時候的反應是換一個 AI 試試看，或是再多買一家來互相檢查。我當時跟她說，現在還不用買第二家，因為審核機制都還沒建立，要先把標準寫出來再說。

要 AI 自己檢查，前提是你先給它標準：大標怎麼下、文字多大、圖片怎麼放。標準給了，它才有東西可以對照。沒有標準，換幾家 AI 都一樣在猜。

做錯的地方要修正：改完要回頭告訴 AI 差在哪

那一場陪跑我講了一句話：「你們都對 AI 太仁慈了，所以 AI 才做不到。」

太仁慈的意思是，AI 做錯了，我們自己默默改完就算了，AI 永遠不知道自己錯在哪。下次同樣的事情，它還是照原本的方式做。

我教她的做法是，自己動手改完之後，要回頭問 AI 兩個問題：

1. 你知不知道我改了哪些地方？
2. 你知不知道我為什麼要這樣改？

答不出來，就直接告訴它：我改了標題、刪了一張照片、補了一張照片，這張照片是為了強調什麼。

就像帶實習生，你接手做完之後，要讓他看「我做的跟你做的差在哪」。這樣做一陣子，八成會變九成，九成會變九成五，到某個點就可以變全自動。

修正後的規則要留下來：下次做同一件事才有依據

改過一次，如果沒有留下來，下次開新對話，AI 又忘了。

另一次陪跑，學員開始讓 AI 幫她操作電腦。我們一起定了兩條紅線：註冊或登入帳號一定要先問她，刷卡付錢一定要先問她。

接下來的重點是讓 AI 記住。做法是開一個新視窗，請 AI 想辦法把這兩條規則記死，並請它告訴你應該怎麼記。當時她原本想「記成技能包」（技能包是把做法和規則存成檔案，讓 AI 每次做這件事都會讀），我當場改口：核心目標是記住，不一定要寫成技能包，有更好的方式就用。

我自己判斷要不要留下來的方式很簡單：確定這件事會不停重複做，就做成技能包；做得很好、但不確定下次會不會再做，就寫成工作日記，先記下來，之後要用再找得到。公司裡不用照我的名稱，重點是兩件事有人負責：固定做的事，規則放在 AI 每次都會讀到的地方；還不確定的，先留成紀錄。

從一件每天都會遇到的工作開始：三步做法

前面四件事是要養的內容，那第一個月要從哪裡起頭？我會建議三步：

接下來是擴的時機。從一件事開始，做到同事真的願意每天用，再往下一件擴。

我之前遇過一個單位，老闆一決定導入，就拉一群年輕同仁和各部門主管一起來學，結果自然沒有用，因為大家都很忙，自己的事都做不完。我的建議是先找最需要優化的主管，把一條工作流程做好，讓同仁覺得「我用 AI 就立刻解決我原本的東西了」，大家才會覺得 AI 有用，才會去用。

有人用、有人回饋、有人維護：導入 AI 要先指定負責的人

三步裡被指定的那個人，要扛的不只是檢查。要有人用、有人回饋、有人維護，AI 才會越來越好。

我覺得這就是養成的意思。上面四件事，每一件都需要有人做：

這三個角色不一定是三個人。小公司常常是同一個人兼著做，重點是要有一個人被指定出來，持續檢查 AI 的結果。

AI 做錯時可以直接貼的回饋提示詞

下面這段，是把前面「做錯要修正、修正後要留下規則」整理成一段提示詞。在你改完 AI 的成果之後，在同一個對話裡（ChatGPT、Claude 或 Gemini 都可以），把你改好的版本和它原本的版本一起貼給它，再貼上這段：

我剛剛修改了你做的成果，上面是你原本的版本和我修改後的版本。

請你回答：
1. 你知不知道我改了哪些地方？請逐條列出。
2. 你覺得我為什麼要這樣改？請逐條說明你的推測。
3. 如果你的推測和我的原因不同，我會告訴你，請以我說的為準。

確認原因之後，請把這次的修正整理成「下次做同一件事要遵守的規則」，
每條規則一句話，寫出要做什麼、不要做什麼。
最後告訴我：這些規則適合放在哪裡，才能讓你下次做同一件事時一定讀得到。

第三題很重要。AI 推測的原因常常跟你真正的原因不一樣，這時候你補一句真正的原因，那一句就是最值錢的規則，因為它只在你腦袋裡。

最後一題的答案依你用的工具而定，可能是專案說明、自訂指令、技能包或一份規則檔。放在哪裡都可以，只要下次一定讀得到。

養成的也包含我們自己：把腦中的經驗整理成 AI 能照做的知識

最後一件事，是我在陪跑裡最常遇到的。

最近幫一個農業團隊盤點流程，對方補了一份 73 步的流程文件，看起來已經很完整。結果拿去跟會談逐字稿一對，會中談最久的三條工作線，一條都沒有畫進去。

這些沒畫進去的工作線，很可能就是員工知道怎麼做、卻從來沒寫下來的經驗。AI 讀不到你腦袋裡的東西，你沒寫下來的，它就不會做。

所以養成的也包含我們自己。把原本只在腦中的經驗，一次一次整理成 AI 能照著做的知識。前面講的四件事，整理資料、講清標準、修正錯誤、留下規則，其實都是在做這件事。