重點先講：教一群人用 AI，最難的不是教他們指令，是讓他們課後真的還在用
2026 年 8 月有則研究討論戳中我（來源：Hacker News，2026-08）——AI 讓學生作業變漂亮，考試分數卻下降，因為它把「學會」需要的摩擦拿掉了 這件事在企業培訓裡更嚴重：主管上完一堂 AI 課，當場覺得很有收穫，回去三天就打回原形
我幫一家教育媒體集團帶了一班主管的 AI 課 這篇講我怎麼設計，讓它不是「上完就忘」，而是留下真的能用的東西——最後我交出了 19 份「每一位主管都不一樣」的個人化回饋
我是 Young，20 年產業經驗，橫跨醫療、教育、長照——教育是我的起點（帶高中生用真專案學程式寫在〈他們第二週就發現了我沒看到的 bug〉，開發 AI 口說批改系統寫在〈那個不敢開口的學生〉）
這班主管班長什麼樣
一家教育媒體集團，找我幫他們的主管開一個 AI 專班 學員是集團裡的中高階主管——他們不是工程師，是每天要做選題、寫稿、核稿、帶團隊的人
教非工程師的主管用 AI，跟教工程師完全不同 他們不缺聰明，缺的是「這東西跟我每天的工作到底怎麼接」 所以我沒有教他們寫 prompt 的技巧，我教他們把 AI 接到自己真實的工作流上
為什麼是「19 份不一樣的回饋」
課程的核心設計，是不給統一的結業評語 每一位主管，我根據他當天真實交出來的東西、課堂觀察、跟一對一的對談，寫一份專屬於他的回饋
19 位主管，19 份 全部彙整了他的一對一內容、課程觀察、成果簡報 交付當天，HR 回覆我「每一位同事的個人報告內容好豐富」
為什麼要這麼費工？ 因為這正是對抗「上完就忘」的方法——當一個主管收到一份「只講他自己」的回饋，他會真的回去看、真的記得課堂上發生了什麼 統一的評語沒有人會留著，個人化的回饋會被收好
這件事 AI 幫了很大的忙（處理 19 份的量），但「每個人到底該講什麼」的判斷是我做的——這又回到那個原則：AI 做量，人做判斷
最有價值的產出，發生在成果發表會的最後
課程辦了一場成果發表會，19 位主管全員上台 但這場最高的商業價值，出現在會末——
集團的執行長當場拋出了組織級的三個方向：資料流程的治理、一套符合他們調性的選題到核稿系統、活動企劃的自學工具
這三個方向，就是下一期合作的需求來源 一堂課的價值，不只是課本身，是它讓客戶看見「原來 AI 可以幫我們解決這些組織級的問題」，然後主動把下一個題目交到你手上
這才是教育型 AI 服務真正的樣子：課是入口，信任是產物，下一期是結果
這說明我能替你的組織做什麼
| 一般 AI 培訓 | 我做的 |
|---|---|
| 教通用的 AI 技巧 | 把 AI 接到你們真實的工作流 |
| 統一的結業評語 | 每個人一份客製化回饋 |
| 上完就結束 | 讓客戶看見組織級的下一步 |
| 講師來、講師走 | 一個能持續替你們解問題的夥伴 |
我做過的教育相關工作不只企業培訓——還包括帶高中生用真專案學程式、開發 AI 口說批改系統、用可量化的方法把教育 AI 的品質變成數字 教育這條線我走了很久，因為我自己就是從軟體老師走進 AI 的
常見問題
Q：非工程師的主管真的學得會嗎？ 學得會，前提是你別教他們技巧、教他們接到自己的工作 這班主管最後都能上台展示自己的成果
Q：客製化 19 份不會很貴嗎？ 量的部分 AI 扛，判斷的部分我做——所以做得到 這正是一個人 + AI 的產能優勢
Q：怎麼讓課後真的還在用？ 個人化回饋 + 讓客戶看見組織級的下一步 當 AI 開始解他們真正的痛，就不會停
我是 Young，20 年產業經驗，橫跨醫療、教育、長照，從軟體教育一路走進 AI 這篇的教育媒體集團已匿名 如果你想讓團隊真的會用 AI、而不是上完就忘，跟我約一次免費諮詢