公司辦完生成式 AI 課程，同仁也寫出漂亮的提示詞、交出像樣的摘要，主管接著就會碰到一個更難回答的問題：這些人真的懂得怎麼跟 AI 協作，還是剛好拿到一份看起來像答案的內容？如果考核只看完成速度與最後交出的成品，主管就看不出同仁有沒有發現錯誤、確認資料來源，也無法知道同仁是否清楚哪些結果不能直接交付。
會用 AI，除了會提問，還要懂得驗證、修正，並對最後交付的結果負責。企業要確認員工是否具備這些能力，最好讓員工在真實的工作情境中執行任務，觀察員工怎麼處理 AI 產出的內容、在哪些地方會停下來檢查、根據什麼理由修改，以及最後是否願意為核可的結果負責。
Google 把 AI 帶進面試，但評估的不只有提示詞
Google 正在分階段調整工程師招募流程，部分「程式碼理解」（code comprehension）面試已允許應徵者使用公司核准的生成式 AI 工具，閱讀、除錯及最佳化既有程式碼。不過，這套做法仍在試辦，尚未全面用於工程師面試，企業不宜把它當成 Google 已經定案的標準流程。
這項試辦值得企業參考，是因為面試官看的不只是最後答案。評估項目包括提示工程（prompt engineering）、輸出驗證（output validation）與除錯（debugging）；應徵者拿到 AI 的建議後，還要檢查內容是否正確、找出程式錯誤，並確認修改結果是否符合需求、有沒有漏掉特殊情況。HackerRank 也建議應徵者先弄懂 AI 提出的建議，再向面試官說明自己的推理過程。不過，這是 HackerRank 提出的面試建議，不能寫成 Google 已經確立的要求。
Google 表示，75% 的新程式碼由 AI 生成，再交給人類審查，最後仍由工程師決定是否採用。也就是說，可以使用 AI，不代表員工原本應具備的專業能力就不重要；如果缺少需求理解、邏輯判斷與除錯能力，就很難判斷 AI 給的答案能不能用。主管若要參考這套做法，應該先問清楚：公司要評估的是員工會不會操作工具，還是員工能不能確認結果沒有問題，並把結果安全地用在工作流程中？
別辦提示詞比賽，拿真實任務檢查四個環節
公司若要評估現職員工的 AI 協作能力，可以先挑一項範圍清楚，而且主管熟悉成果標準的任務，例如業務報價檢核、採購比價、品管異常摘要、客服回覆草稿或程式碼審查。題目要保留工作中真的會碰到的資料缺漏、條件衝突或例外狀況，員工才有機會展現自己的判斷能力，而不是只比誰的提示詞寫得比較長。
接著，可以把任務分成 AI 產出、人工驗證、修正與核可四個環節。主管可以要求員工保留提示詞與 AI 回覆，每次修改都要註明理由，最後再說明哪些內容可以採用、哪些必須退回重做。評分時，可以從以下四個面向檢查：
- 需求理解：員工能不能先說清楚任務目的、限制與交付對象，而不是一拿到資料就直接丟給 AI 回答。
- 錯誤辨識：員工能不能找出內容矛盾、引用錯誤、欄位遺漏，以及不符合公司規定的地方。
- 特殊情況檢查：員工有沒有主動確認金額門檻、例外條款、不同客戶的要求，以及資料不足時該怎麼處理。
- 修正與核可理由：員工能不能說明修改的原因與依據，並交代為什麼願意讓這份結果進入下一個流程。
同一套評分方式可以用於招募、訓練後驗收與部門試辦，不過，題目必須符合各職務的實際責任。採購人員不必接受程式除錯測驗，工程師也不該只做文件摘要。主管應先選定一項實際任務，再把可以接受的答案、不能接受的錯誤，以及遇到哪些情況必須停下來確認寫清楚。
主管要看得到員工怎麼判斷，也要留下可以回頭查核的紀錄
單次測驗可以看出員工當下怎麼處理任務，卻無法證明他回到日常工作後，還會不會照同樣的方式執行。因此，試辦團隊可以保留提示詞、AI 回覆、人工修改、查證依據與核可理由，再由主管抽查失敗案例，分辨問題究竟是員工不熟悉任務、沒有查證、流程缺少確認關卡，還是 AI 產出的內容本來就不適用。
保留這些紀錄，不是為了監看員工輸入了哪些字，而是要讓公司在出問題時說得清楚：誰採用了 AI 的建議、誰修改過內容、誰決定放行，以及發現錯誤後應該回到哪一步修正。評估時也不能只算提示詞數量、使用次數或完成速度，因為光看這些數字，無法知道員工的判斷是否正確。公司可以每月抽查幾件成功與失敗的任務，確認同仁是否真的按照標準查證，再決定要加強訓練、調整題目，或修改工作流程。
企業若使用 EgentWrX，可以把幾個任務串成工作流（workflow），並在交棒前設置人工核可關卡；AI Agent 完成前一段工作後，流程會先停下來，等待人員確認。EgentWrX 的稽核日誌（audit log）會記錄 AI Agent 做過的操作，紀錄可以匯出，也能用雜湊鏈（hash chain）驗證完整性。不過，試辦團隊仍應另外保存提示詞、AI 回覆、人工修改與核可理由，再把這些資料與平台紀錄放在一起檢視，才能同時看清楚工具做了哪些事，以及人員如何判斷。
企業不必一開始就替全公司設計一套統一考試。可以先挑選風險可控，而且主管有能力判定品質的任務，讓少數使用者實際跑完流程，再根據留下的紀錄修正評分標準。等到團隊能清楚說明哪些結果可以放行、遇到哪些情況一定要退回，才適合把這套評估方式擴大到其他職務。
