最近社群上有一篇文章引發討論。作者是大型企業中負責 AI 內部培訓的人員,其觀察的重點如下。
「40~50 多歲的高階主管,AI 用得好到令人驚訝;反觀 20~30 多歲的年輕人,常常停留在『哇,好神奇!』就結束了。」這與直覺恰好相反。我們容易以為身為數位原生世代的年輕人,理所當然也會善用 AI,但現場的觀察並非如此。我在企業 AX 培訓與顧問現場,同樣一再看到這樣的場景:高階主管對 AI 的接受度與運用程度,明顯高於承辦人員層級的情況相當多。為什麼會出現這種矛盾?
第一,運用 AI 是「交辦工作經驗」的問題
較高職級的人,長年向資淺同仁交辦工作、檢視成果、要求修改。如何將工作結構化、如何傳達背景與目的、如何指出成果該從哪裡修改,這些都已內化成他們的習慣。對 AI 交辦工作,本質上與這個過程相同。好的提示詞說到底就是一份好的工作指示書:說明背景、定義期望的成果形式、提出判斷標準。近來流行的「Harness Engineering」一詞,拆開來看,其實也很接近「把工作指示下好」。反觀缺乏交辦經驗的承辦人員層級,對於將工作委託給他人本身就不熟悉。「自己做比較快」的態度在 AI 面前同樣會出現,拿到成果後給的修改回饋範圍也很窄。他們還傾向於只要得到一個片段的結果,就認為到此為止。
第二,急迫感的差異
有一則留言令我印象深刻:「這大概是從 IMF 金融風暴時期就磨練出來的生存能力,不是學經歷條件的問題。」另一位則總結為:「是急迫感與緊張感的差異。」較高職級的人為了生存,會想盡辦法學習更多,並尋找證明自己的機會。新工具一出現,他們首先想的是「如何用它節省我的時間,還能多展現什麼」。反觀對自身實務能力有自信的承辦人員層級,容易認為「沒有 AI,我自己做就行」。這不是與生俱來的生存本能,而是在實戰中磨練出來的生存本能之差異。
當然也有反對意見
這種觀點認為:「40 多歲以上的人做的是不必太精確的工作,所以才會這樣吧;20~30 多歲的人必須產出精確的結果,AI 反而可能幫不上忙。」這個看法有其道理。第一線人員的成果,常常是一個數字、一個條款都不能錯,而驗證 AI 產出的成本,可能比自己動手還高。然而,這個反駁反而點出了關鍵:運用 AI 的關鍵,在於「判斷哪些交給 AI、哪些自己來做的能力」。而這種判斷力,並非來自提示詞課程,而是來自看清工作結構的眼光。這正是高階主管擅長的地方。
企業 AI 培訓所忽略的事
這項觀察對企業教育訓練承辦人的啟示相當明確。目前多數企業的 AI 培訓都集中在工具操作與提示詞撰寫。然而,現場看到的落差,成因並非工具熟練度,而是管理能力:定義工作、委派工作,並對成果給予回饋的能力。缺少這項能力,只發提示詞範本,培訓結束後仍然會停在「哇,好神奇」。因此我主張,設計企業 AX 培訓時必須調整順序:在工具之前,應先從把自己的工作拿出來、加以結構化的訓練開始。讓學員當場把目前最煩人、最棘手的工作交給 AI,取得成果後反覆下達修改指示,透過這樣的體驗,資淺同仁也能很快掌握「交辦工作的感覺」。
結論
AI 時代的能力落差,不是世代問題,而是經驗問題。交辦過工作的人,也懂得如何交辦給 AI。答案因此只有一個:讓資淺同仁提早累積委派與回饋的經驗,並讓資深同仁明白,自己既有的管理能力正是面對 AI 時最強的武器。AI 培訓的目標不是培養提示詞專家,而是讓每一位成員都成為「新添一名團隊成員的管理者」。