Day 1 - 115/05/14
重新認識生成式 AI：看懂 AI 的新位置
今天的目標不是背工具名稱，而是看懂一個核心轉換：AI 不是 App，而是新的工作系統入口。
10:00-12:00
趨勢講座
AI 是系統
Safety First
開場 3 分鐘：AI 使用三條紅線
1. 機密資料不要貼公開 AI
公司機密、客戶個資、真實金額、敏感資料，先脫敏再使用。
2. AI 輸出永遠要人類覆核
AI 很會講話，但不一定講對。數字、名字、專業判斷一定要查。
3. 高風險決策不能交給 AI
法律、醫療、財務決策可以請 AI 整理資料，但最後由人負責。
講師口訣：先講安全，再講熱情。三分鐘建立信任，比後面一百多分鐘都重要。
Opening
破冰：你最想用 AI 幫你做什麼？
活動方式
- 講師先示範一句自己的答案
- 學員寫下一句：「我最想用 AI 幫我...」
- 貼到期待牆或填進共用表單
- 講師快速分類：寫作、整理、規劃、設計、分析
核心導入
三天後，你不只是「用 AI 更快做同樣的事」，而是開始學會「用 AI 設計一個會幫你工作的系統」。
核心句：你不是在用 AI，你是在設計一個會幫你工作的系統。
Cognitive Shift
生成式 AI 到底改變了什麼？
| 時代 | 基本單元 | 代表 | 人的角色 |
|---|---|---|---|
| 桌面時代 | Application | Word、Excel | 操作者 |
| 行動時代 | App | Uber、Line | 使用者 |
| 雲端時代 | Service | AWS、Google Workspace | 設定者 |
| 代理時代 | Skill | ChatGPT、Cursor、Agent | 設計者 |
核心轉換：新的基本單元不是單一 App，而是可被 AI 調用、組合、重複執行的能力。
Four Stages
從搜尋到執行：四個階段
| 階段 | 發生什麼事 | 人的工作 |
|---|---|---|
| 1. 搜尋 | Google 給你十個連結 | 你自己讀、自己整理 |
| 2. 聊天 | ChatGPT 給你一個答案 | 你問它答、你判斷好壞 |
| 3. 產出 | AI 幫你寫完文章、做完簡報 | 你設定方向、改稿、確認 |
| 4. 推理與執行 | AI 拆任務、查資料、跑完整串流程 | 你設計系統、檢查關鍵點 |
關鍵訊息：你現在大概在第 2 階段，三天後你會到第 4 階段。
Visual Model
角色演進圖
Three-Layer Model
三層簡化模型：大腦、手腳、肌肉記憶
大腦：LLM
GPT、Claude、Gemini。理解、推理、寫作，但沒有工具就只能「想」。
手腳：Tools / Agents
查網頁、讀檔案、寄信、畫圖、控制軟體。讓 AI 從回答走向行動。
肌肉記憶：Workflow / Skill
你教它照你的方式做事。下次它知道順序、工具和檢查方式。
傳統軟體是確定性的；AI 是概率性的。所以你需要設計檢查機制。
Five-Layer Analogy
同一個比喻貫穿五層模型
| 層 | 白話 | 比喻 |
|---|---|---|
| LLM | 理解你說什麼、做推理 | 大腦 |
| Tools | 查網頁、讀檔案、畫圖、寄信 | 四肢 |
| Skill | 你教它「照我的方式做這件事」 | 肌肉記憶 |
| Agent | 自己決定用哪些 Skill、自己跑完 | 經理人 |
| Interface | 聊天框、Cursor、Notion 等你看到的入口 | 辦公桌 |
大部分人在用的只是大腦跟辦公桌。三天後你會開始訓練它的肌肉記憶。
Visual Model
三層簡化模型圖
Shock Demo
震撼 Demo：30 人活動規劃的三種做法
任務：下週要辦一場 30 人活動，請幫我規劃活動流程、預算、人力分工、邀請文案與報名表單。
傳統做法
搜尋範例、開 Word 寫邀請信、Excel 做預算、Google Form 建表單、Canva 做海報，再把所有東西整合成計畫書。耗時約 3-4 小時，而且每個工具都要重新同步上下文。
Observation Sheet
流程成本觀察表
| 問題 | 傳統做法 | ChatGPT | Agent 工作流 |
|---|---|---|---|
| 誰決定流程？ | 你，每次重想 | AI，但通常很通用 | AI 按你的邏輯跑 |
| 能不能下次複用？ | 每次重新來 | 可複用 prompt，但仍要搬資料 | 流程可以複用，改資料即可 |
| 出問題誰檢查？ | 你自己查漏 | 你驗證 AI 答案 | 每一步都有檢查點 |
| 能不能教別人？ | 要解釋很多細節 | 要教 prompt 寫法 | 流程圖 + 檢查點即可操作 |
金句：第一種是我在做事；第二種是我在跟 AI 聊天然後自己做事；第三種是我在設計一個系統，系統幫我做事。
Visual Comparison
三種做法對比圖
Hands-On
即時體驗：同一封邀請信，兩種做法
方法 A：直接問
幫我寫一封邀請客戶參加下週活動的信。
方法 B：先拆步驟
先列出這場活動的三個亮點。
再根據這三個亮點，寫一封邀請客戶參加活動的信。
語氣專業但親切，250 字以內。
觀察：哪一封更像 CEO 的風格？哪一封更強調活動特點？哪一封更容易被客戶接受？
Closing
AI 的邊界：概率性系統需要檢查機制
最強的情境
任務清晰、標準明確、有人覆核。
要小心的情境
模糊創意、高風險決策、無法驗證的答案。
Day 2 預告
明天學三問框架：探索或生產？需要最新資訊？需要長流程嗎？
傳統 App 是確定性的：你按儲存，它就儲存。AI 是概率性的：同樣問題問兩次，可能有不同答案。這不是 bug，這是本質。所以你要學會設計檢查機制。
Homework
收尾與回家作業
核心記憶點
AI 不是 App，是新的運算層。我不只是使用者，我要成為設計者。
全員複誦一次，讓這句話成為 Day 1 的認知錨點。
明天來之前
打開 ChatGPT 或任何你常用的 AI，把工作上一個重複性任務丟給它，看看它做得怎麼樣。
請記錄：它哪裡做得好？哪裡做得爛？明天我們分析為什麼。