公司辦完生成式 AI(generative AI)課程後,員工開始用 AI 整理報價資料、摘要採購文件、草擬客服回覆,算是跨出了第一步。不過,主管很快就會碰到另一個問題:面對同一份報價條件,資深業務知道哪些折扣必須往上呈報,剛開始使用 AI 的同仁卻可能直接把模型產出的內容送出去;採購人員也可能把不該外流的供應商資料,貼進公司尚未核准的工具。
因此,企業培訓員工時,除了要讓他們把 AI 用在實際工作,也要讓他們知道哪些工作不能交給 AI,以及何時必須停下來請人判斷。提示詞只是基本工具之一。治理也不能等到試點成功後才補,因為員工從第一天開始使用 AI,就會碰到哪些資料可以用、出了問題由誰負責,以及操作過程要留下哪些紀錄。
培訓不要從提示詞開始,先選一份實際工作
《數位時代》整理 2026 AI 人才培育交流論壇的內容時指出,企業導入 AI 的重點,已經從單純學會使用工具,轉向調整工作流程、人才配置與組織文化。員工不必全部成為 AI 專家,但要會用 AI 解決工作上的實際問題;高階主管也要先確定方向、盤點流程,再依照預期效益與投入成本決定推動順序。
這個順序很重要。如果課程只教員工怎麼修改提示詞,結訓後每個人還是會用自己的方式做事,主管也無法確認產出的內容是否符合公司規定。比較實際的做法,是先選一項經常發生、範圍明確的工作,例如整理詢價資料、查找工程文件,或把客服紀錄分成需要立即處理與可以稍後回覆的案件。接著,再請現場主管說清楚四件事:這份工作需要哪些資料、根據什麼條件做判斷、遇到哪些例外必須停下來,以及合格的結果應該包含哪些內容。
製造業規劃 AI 培訓時,不能只考慮文件作業和模型能力;《數位時代》指出,AI 要進入製造現場,還必須配合設備運作、製程特性與現場需求。漢翔航空工業推動智慧檢測、工程知識檢索與複雜報價分析時,也把原本依靠個人經驗完成的工作,整理成可以運用資料協助判斷的流程。因此,第一批受訓人員應該包括真正負責這些工作的現場同仁,不能只由 IT 部門代替他們定義需求。開始培訓前,主管要先選一份所需資料、判斷方式與產出結果都能說清楚的工作,而不是先買工具,再回頭尋找用途。
把資深同仁的判斷整理成可審查的 AI Skill
資深同仁知道「遇到這種客戶,要多查一筆歷史價格」、「這個料號換過規格,不能直接沿用舊報價」。如果這些判斷只停留在口頭提醒,或只寫在某個人的提示詞裡,其他人就很難確認自己是不是按照同一套規則做事。企業可以把這些固定做法整理成 AI Skill,也就是 AI Agent 遇到特定情況時使用的工作規則。內容要清楚列出使用哪些資料、根據哪些條件判斷、碰到例外時怎麼處理,以及最後要用什麼格式輸出,不能只放一段看起來很完整的指令。
AI Skill 草稿完成後,先讓實際使用者拿日常案件測試,並記下三類問題:AI Agent 漏了哪些必要資料、哪些判斷條件沒有寫清楚,以及遇到什麼情況要交回資深同仁處理。修正後,再交給流程主管、資料負責人或資安人員審查,確認 AI Agent 按照這套規則執行時,不會讀取權限以外的資料,而規則也沒有把原本需要專業人員判斷的工作,誤寫成可以直接自動執行的步驟。完成審查後,企業再逐步開放給其他團隊使用。
以 EgentWrX 為例,資深同仁可以把常用的判斷方式寫成 AI Skill,讓使用者按照同一套規則工作;同事自行建立的 AI Skill 如果要推廣到全公司,則必須先通過後台審查。企業評估這類機制時,要問清楚由誰維護 AI Skill、修改後要不要重新審查,以及如何停用舊版本。
把人機分工寫進流程,不能只靠員工自己記得
由 AI Agent 處理重複工作、人員負責專業判斷,這個方向沒有問題,但企業還要把分工寫得更具體。以業務報價為例,AI Agent 可以整理歷史訂單、比對成本資料並草擬說明;不過,如果金額超過部門上限、客戶條件沒有寫清楚,或不同資料來源互相矛盾,流程就必須停下來,交給指定職務的人員確認。主管不能只在教育訓練時提醒大家小心,而要把哪些情況下流程必須停止、由誰核准,以及退回後怎麼處理,直接寫進工作流程。
試點準備擴大前,企業還要先完成角色權限矩陣,逐一列出各部門可以使用哪些 AI Agent、查看哪些資料、能不能啟動工作流程,以及發生異常時由誰處理。同時,每次操作都要留下紀錄,並指定由誰查看、多久檢查一次,以及發現問題後怎麼處理。否則,發生資料誤用或產出內容有爭議時,管理者很難查清楚當時的操作過程。
EgentWrX 可依組織架構分層設定哪些人可以使用哪些功能、查看哪些資料,也能在工作流程中加入人工核可,讓 AI Agent 完成前段工作後先停下來,等人員確認。平台另有可驗證完整性的稽核日誌,讓管理、資安與稽核人員查閱操作紀錄。企業在擴大試點前,應先完成權限矩陣與紀錄檢查辦法;如果負責人、停止條件與查核方式還沒有寫清楚,就不要急著把流程設成自動排程。



