AI 趨勢三部曲：從生成內容到可靠交付
title: AI 趨勢三部曲：從生成內容到可靠交付 subtitle: 這份簡報將帶你了解 2024 到 2026 年 AI 的三大核心轉變，以及知識工作者應如何調整學習方向。 seal: 教材 eyebrow: Courseware · AI 趨勢分析 lead: AI 的學習重心正在改變。除了提示詞，我們更需要理解工作流程、資料來源與驗收標準。 notes: 開場時，可以先問學員：「今年以來，你用 AI 完成過最複雜的一項任務是什麼？過程中卡關最久的地方在哪裡？」從學員的經驗來連結今天的主題。 學習 AI，為什麼越來越像在學專案管理？ {#學習-ai-為什麼越來越像在學專案管理} 意思是：AI 的能力正在從「回答問題」演進到「完成專案」。因此，我們對它的期待，以及需要學習的技能，也跟著改變。 <!-- notes: 這是今天簡報的破題。用一個提問引導學員思考，AI 的價值已經不只是寫文案、畫圖，而是開始進入更複雜的工作流程。強調「專案管理」這個比喻，讓學員有個具體的想像。 --> 本次議程：AI 趨勢三部曲 {#本次議程-ai-趨勢三部曲} ::: steps 2024 生成內容 學習如何提出好問題，並查核 AI 產出的內容。 2025 執行任務 學習如何拆解任務，讓 AI 使用工具完成工作流程。 2026 可靠交付 學習如何設定標準，驗收與管理 AI 的工作成果。 ::: <!-- notes: 快速介紹今天的議程，用「生成、執行、交付」這個框架貫穿全場。這會是我們接下來分析的骨幹，讓學員對整體結構有清晰的認識。 --> 三年趨勢，一張總覽 {#三年趨勢-一張總覽} 年度 核心期待 技術焦點 學習方向 :--- :--- :--- :--- 2024 幫我產生內容 多模態、長上下文 描述需求，查核輸出 2025 幫我完成任務 推理強化、工具使用 拆解任務，設計流程 2026 持續工作並可靠交付 狀態管理、代理評測 設定標準，驗收與管理 <!-- notes: 這一頁是整份簡報的精華。請學員先快速瀏覽，告訴他們：「這張表就是我們今天的地圖。接下來的內容，都會圍繞著這三個階段展開。你可以看到，人的角色越來越像一個稱職的甲方或主管。」 --> 2024 生成內容 {#2024-生成內容} AI 成為我們日常工作的內容產生器。 <!-- notes: 進入第一個章節。這裡的重點是「內容」。請學員回想自己最常用 AI 做什麼？大概不脫寫信、寫文案、做摘要。這就是 2024 年的普遍情境。 --> [單元 1-1] 技術焦點：更多元、更大容量 {#技術焦點-更多元-更大容量} 多模態互動 能同時理解文字、圖片與聲音，讓溝通更自然。 (例如：GPT-4o) 長上下文處理 能一次讀完長篇報告或影音，但理解正確性仍需驗證。 (例如：Gemini 1.5) 推理能力萌芽 在回答前投入更多運算，提升複雜問題的表現。 (例如：o1) <!-- notes: 介紹 2024 年的幾個關鍵技術名詞，但不用講得太深。重點是讓學員理解「技術如何影響我們的使用體驗」。例如，多模態讓我們可以用手機拍照提問，長上下文讓我們可以丟整份財報進去。 --> [單元 1-2] 人的課題：內容能不能相信？ {#人的課題-內容能不能相信} 意思是：當 AI 產出越來越像樣，我們更需要扮演「事實查核者」與「品質把關者」的角色。 事實是否正確？ 引用是否存在？ 素材來自哪裡？ 我能否解釋 AI 幫我完成的成果？ <!-- notes: 帶出 2024 年的核心痛點：信任。可以問學員：「有沒有被 AI 一本正經地胡說八道騙過的經驗？」引導大家思考，工具越強大，人的判斷力就越重要。可以提到 UNESCO 的師生 AI 能力框架，代表這是全球教育的共識。 --> 金句 {#金句} 「一份好的提示能減少誤解，但品質仍需要專業判斷。」 — 本份教材觀點 <!-- notes: 這句話總結了 2024 年的學習心法。提示詞是基本功，但它不能取代你的專業判斷。在這裡可以稍微停頓，讓學員消化這句話的意義。 --> 2025 執行任務 {#2025-執行任務} AI 從內容產生器，進化成能使用工具的任務執行者。 <!-- notes: 進入第二章。氛圍要從「聊天、問答」轉向「工作、流程」。AI 不再只是我們的秘書，更像是可以被指派任務的實習生。 --> [單元 2-1] 技術焦點：推理、代理與串接 {#技術焦點-推理-代理與串接} 推理能力強化 透過強化學習等方式，提升解決問題的步驟規劃能力。 (例如：DeepSeek-R1) AI 代理 (Agent) 能依目標自主選擇工具、觀察結果、決定下一步。 資料與工具串接 建立共同介面，讓 AI 能穩定連接外部資料與工具。 (例如：MCP) <!-- notes: 說明 2025 年的技術核心是「讓 AI 動起來」。推理是思考，代理是行動，串接是賦予它手腳。可以用一個比喻：「就像教一個新人，不只要讓他會說話，還要教他怎麼用公司的軟體、怎麼找資料。」 --> [單元 2-2] 人的課題：能不能放進真實工作？ {#人的課題-能不能放進真實工作} 意思是：展示成功一次，不代表每次都能穩定完成。導入真實工作流程前，必須考慮各種隱藏成本。 人工返工的機率有多高？ 資料存取權限如何管理？ 流程的維護成本是多少？ 任務失敗時，如何補救？ <!-- notes: 這裡要從技術的理想拉回到管理的現實。展示影片裡的 AI Agent 看起來很神奇，但實際導入時，穩定性與錯誤處理才是關鍵。提醒學員，評估 AI 效益時，不能只看省下的時間，也要把監督與維護的成本算進去。 --> [單-元 2-3] 學習方向：從提示到流程設計 {#學習方向-從提示到流程設計} ::: pair [2024 的提問] 像在交代一件事 「幫我寫一份關於 AI 趨勢的報告，讀者是行銷部門，格式要像商業週刊。」 [2025 的提問] 像在設計工作流 「為了完成 AI 趨勢報告，請先搜尋過去三個月的資料、比較至少三個來源、分析後再動筆，最後附上引用連結。」 ::: <!-- notes: 透過一個具體的例子，讓學員感受「提問」的進化。2024 年是下指令，2025 年是給 SOP。這也代表，我們自己要先對「如何完成這項任務」有清晰的藍圖，才能有效地指導 AI。 --> 2026 可靠交付 {#2026-可靠交付} AI 挑戰長時間、多階段的複雜任務，成果的可靠性成為焦點。 <!-- notes: 進入第三章，也是最前沿的部分。這裡的關鍵字是「可靠」與「管理」。當我們敢讓 AI 跑一整天、甚至一整週的任務時，我們需要全新的管理思維。 --> [單元 3-1] 技術焦點：長任務支撐與評測 {#技術焦點-長任務支撐與評測} 支撐系統 (Harness) 為 AI 代理打造的工作環境，包含工具、紀錄、檢查點與停止條件。 託管代理服務 (Managed Agents) 將支撐系統平台化，降低開發者自行組裝的門檻。 系統化評測 (Evals) 建立自動化測試，驗證代理是否確實完成任務、符合要求、且未超出權限。 <!-- notes: 介紹 2026 年的工程實務重點。Harness 可以比喻成「給 AI 的辦公室跟工作規則」，Evals 則是「績效考核系統」。這些都是為了讓 AI 的工作過程變得可管理、可預期。 --> [單元 3-2] 人的課題：誰來驗收？出錯誰負責？ {#人的課題-誰來驗收-出錯誰負責} 意思是：當 AI 開始操作真實世界的工具（例如修改檔案、發送郵件），我們必須建立清晰的權限管理與人工介入機制。 AI 的操作權限範圍？ 什麼情況下必須暫停，並通知人類？ 如何復原 AI 的錯誤操作？ 監督與查核的時間成本如何計算？ <!-- notes: 這一頁討論的是風險與責任。AI 越能幹，犯錯時的影響也越大。可以問學員：「如果 AI 代理自動回覆了一封重要客戶的客訴信，但內容不恰當，責任在誰？」引導大家思考治理與監督的重要性。 --> 金句 {#金句-2} 「當你知道什麼問題值得解決，也知道什麼結果才算好，才更容易把 AI 的能力轉成可靠成果。」 — 本份教材觀點 <!-- notes: 這句話點出人的核心價值。技術會變，但定義問題與判斷品質的能力，是無法被輕易取代的。這也是我們學習的最終目標：不是成為 AI 的操作員，而是成為駕馭 AI 的指揮官。 --> 行動計畫 {#行動計畫} 了解趨勢之後，我們該如何開始？ <!-- notes: 這是簡報的最後一個章節，目標是將前面的知識轉化為具體的行動。學員聽完理論後，最需要的就是「那我現在可以做什麼」。 --> [單元 4-1] 我現在應該學什麼？ {#我現在應該學什麼} 角色 優先學習 實作方向 :--- :--- :--- 一般工作者 問題定義、資料整理、查核 建立每週報告流程，記錄省時與返工 教師與學生 來源判讀、理解解釋、學習歷程 說明 AI 如何協助，以及如何驗證 內容創作者 敘事、視覺判斷、素材管理 完成風格一致且可追溯來源的內容 工程師 工具串接、評測、權限與紀錄 建立可追蹤、可測試的代理 管理者 任務選擇、成本效益、責任分工 比較導入前後的品質與完整工時 <!-- notes: 提供一個依據不同角色設計的學習路徑圖。請學員對號入座，找到最適合自己的起點。強調這不是一份標準課表，而是一個思考方向。重點是結合自己的工作，找到能創造價值的地方。 --> [單元 4-2] 你的第一個 AI 導入練習 {#你的第一個-ai-導入練習} 注意：這是一個思考練習，目標是釐清流程，而非立刻實現自動化。 ::: steps 選定任務 挑選一項你每週都會做的、重複性高的工作。 定義規格 在一頁文件中，寫下這項任務的「交付物、所需資料、成功標準」。 設定邊界 思考：「在什麼情況下，AI 必須停下來找我處理？」 記錄與改善 實際用 AI 輔助完成一次，記錄哪些地方需要人工修改，然後回頭改善你的規格。 ::: <!-- notes: 給出一個非常具體的回家作業。這個練習的價值不在於省下多少時間，而在於「強迫自己把隱性的工作知識，變成清晰的規格文件」。這個能力，無論未來 AI 如何發展，都至關重要。 --> 帶走三句話 {#帶走三句話} 學習重心轉移：從「問答」到「流程」，從「提示」到「規格」。 人的價值不變：領域知識、問題定義與品質判斷，是駕馭 AI 的基礎。 從今天開始：選定一個小任務，練習定義「什麼才算完成得好」。 <!-- notes: 這是今天的總結。用三句簡潔的話，幫助學員記住核心觀念。第一句是趨勢，第二句是心法，第三句是行動。最後可以開放 Q&A，並再次感謝大家的參與。 -->