兩個工作坊，一個從早坐到晚的老闆
最近連續開了兩場比較進階的 AI 工作坊。
兩場都有高層支持，其中一場，公司的執行長從早上開場坐到下午結束。中間沒有進辦公室，也沒有中途離席。這件事比多數人以為的更重要。
我常說，AI 導入會不會成功，看的是老闆願意花多少時間在裡面。不是花錢，是花時間。錢可以交給專案負責人，時間只能自己給。一個從頭待到尾的執行長，等於在現場告訴所有人：這件事不是某個部門的實驗，是公司要做的事。
反過來說，如果老闆只在開場講十分鐘就離席，後面學員的投入程度通常也跟著打折。不是他們不認真，是他們在讀空氣。
大家都把 AI 當助手
兩場工作坊有一個共通的發現：對「把 AI 當作助手」這件事，大家的想法很根深蒂固。
就算已經很大量在使用 AI 的人，也還是用助手的角度在看它。你下指令，它產出，你再修。下一件事，重新再來一次。
這不是誰的錯。過去兩年，大家被教的就是這樣用：打開對話框、輸入提示詞、複製結果。這個模式很有效，但它有一個天花板，每一次任務都要人從頭描述一次，人也永遠是那個負責收尾的人。
助手模式有三個隱形成本。第一，每次都要重新交代背景，資深的人特別有感，因為他知道的比說出來的多。第二，品質不穩，同一個指令今天給出好結果，明天可能差很多，你很難判斷是它退步，還是你描述得不夠好。第三，人永遠是瓶頸，因為每一段工作都要等你按下送出。
所以這兩場，我都花了一段時間介紹 Agent：把一些常用的工作流程打包給 AI，讓它照著流程自己去跑，直接產生結構性的結果。不是回答一個問題，是完成一段工作。
所謂打包，長得並不複雜。一份工作說明、一組固定的輸入、幾個檢查點、一個交付格式。寫完通常只有一兩頁，但這一兩頁會逼你面對很多原本可以含糊帶過的地方。
同樣 100 分鐘，有人 30 分鐘就做完
工作坊中間有一個環節，是做出一個 POC。我給大家 100 分鐘。
同樣的時間、同樣的題目，結果差得非常明顯。有人 30 分鐘就做完，剩下的時間拿去修細節、加功能。也有人一路做到時間結束，才把東西收好。
這件事比多數人以為的更值得注意。很多人把 AI 的能力當成一個整體，好像裝了就會用。但實際上是，熟悉度會在短時間內拉開巨大的差距，而且這個差距會隨著時間複利。
差別在哪裡？不在打字速度，也不在誰的指令寫得漂亮。在於怎麼拆工作。熟的人知道哪一段交給 AI、哪一段要自己先想清楚、哪裡必須停下來檢查。不熟的人會把整件事丟進去，然後花時間修一個方向就錯的結果。
這也是我在課堂上最常提醒的一句話：先想清楚你要的長相，再叫它做。
那個問得很好的問題
示範到一個段落，有位夥伴舉手。他問：「AI Agent 最大的效益，是節省我們 key in 提示詞的時間嗎？」
這個問題問得很好，因為它很誠實。多數人心裡想的就是這個：以前要打一長串，現在不用打了，所以省時間。
我笑了一下，回他：不是。省下打字時間是最小的那一塊。
最大的效益，是把公司的作業標準化，減少各部門之間的溝通障礙，以及訊息傳遞的錯誤。
為什麼標準化才是效益
要讓 Agent 自動跑一段流程，你必須先把那段流程寫清楚：第一步做什麼、資料從哪裡來、什麼情況要停下來問人、做完之後交給誰。
這件事本身就很有價值。因為多數公司從來沒有把流程寫清楚過。流程活在資深員工的腦子裡，活在「我們一直都是這樣做」的默契裡。
一旦要交給 AI 執行，那些模糊的地方全部會浮出來：這個欄位的定義是什麼、這個判斷誰有權做、這兩份報表的數字為什麼對不上。
寫清楚的過程，等於做了一次跨部門的對齊。而 AI 跑出來的結果是結構化的，同一個格式、同一組欄位，大家終於在用同一份東西討論。
我看過太多例子，真正的成本不在做那件事，而在「我以為你知道我要什麼」。一句話在部門之間轉三次，意思就變了。Agent 把這段路徑縮短，不是因為它比較聰明，是因為它只能照寫下來的規則走。
所以那個問題的答案，可以再說得直白一點：Agent 幫你省下的不是打字時間，是部門之間來回確認的時間。
不是所有事都該交給 Agent
也要說清楚，不是所有事都適合包成 Agent。
需要判斷取捨的、需要跟人建立關係的、資料本身還沒整理乾淨的，硬做成 Agent 只會把原本的混亂自動化，而且跑得更快、錯得更多。
我通常先問三個問題：這件事一個月做幾次、步驟是不是固定、做錯了能不能救回來。三個都過，才值得花時間包成流程。三個裡有一個不過，就先維持人工，或者先回去把資料整理好。
這個判斷本身就是管理。它跟工具好不好用無關，跟你對自己工作的理解有關。
真正帶走的，不是工具怎麼用
工作坊結束後，我覺得最值得的，其實不是教會他們怎麼操作某一個工具。
是讓他們打開眼界，知道現在的 AI 工具能做的事情，已經非常多元。
多數人對 AI 的印象還停在一問一答：你問，它答，不合用再問一次。這個印象不是錯的，只是停在兩年前。現在可以做的，是把一整段工作流交給它：讀資料、做判斷、產出格式固定的結果、遇到例外停下來問人。
差別在角色的位置。一問一答的時候，人是執行者，AI 是比較快的打字機。把工作流交出去之後，人是定義者：你定義要做什麼、什麼叫做好、什麼情況要停。品質是你設的，不是它猜的。
所以我在課堂上花最多時間的，不是工具介紹，是這件事：你手上這份工作，從頭到尾長什麼樣子？中間哪幾段可以交出去？交出去之後，你要用什麼標準檢查它？
把這三題答完，工具反而變成最簡單的部分。
我自己也是這樣走過來的
講這些的時候，我心裡很清楚，這不是一個「懂了就會」的觀念。
我自己一開始也是把 AI 當助手用。問它問題、讓它寫草稿、再自己改。直到有天發現，同一件事我已經問過它十次，每次都要重新交代一次背景，才開始想：能不能把這件事寫成一個流程，讓它自己跑。
那個轉折點不是技術問題，是管理問題。你願不願意花時間，把一件你已經很熟的事，拆成別人（或別的東西）可以照著做的步驟。
一個可以帶回去的問題
工作坊結束前，我留了一個問題給大家：
你們公司現在最常重複做的那件事，如果明天要交給一個新的同事，你有沒有辦法在三十分鐘內把它講清楚？
如果講不清楚，那不是 AI 的問題。那是這件事還沒有被定義清楚。
而 Agent 只是把這個問題，提早攤在桌上。