📂AI 基礎⏱閱讀 2 分鐘📊入門🔗相關 7

什麼是生成式 AI?

一句話定義
能產生文字、圖片、程式碼、語音等新內容的 AI。ChatGPT、Claude 等大型語言模型是其代表。
這個主題,導入企業內訓📚 相關課程💬 教育諮詢
⚡ 3 行重點摘要
  • 產生新內容(文字・圖像・程式碼)
  • 以 ChatGPT·Claude 為主
  • 工作生產力創新

生成式 AI 真正改變的,與其說是產出品質,不如說是工作的起點。過去面對空白畫面、煩惱「該從哪裡寫起」就花掉工作時間的一半;現在則是在幾分鐘內產出的初稿前,判斷「該改什麼、該捨棄什麼」。原本的撰寫者轉變為編輯兼審稿者,因此反而更需要該業務的領域知識與判斷力。如果無法看出初稿有錯,速度只會變快,品質反而下降。

技術路線也不只一種。文字與程式碼是由預測下一個詞出現機率的語言模型負責,圖片與影片則是由逐步去除雜訊、建構出形體的擴散(Diffusion)系列模型負責。實務上能明顯感受到的限制有兩項。第一,一次能讀取的資料量(上下文視窗)是固定的,近期的模型可以處理約數百頁 A4 的量,但超過的部分就必須拆開輸入。第二,模型不知道訓練時間點之後的事實,也不知道公司內部文件。若要讓它處理公司規章或產品資料,就需要另外設計像 RAG 這類先找出依據文件、再一併輸入的架構。「用公司資料來訓練模型」與「找出公司文件讓模型讀取」,是成本與難度都完全不同的工作。

現場最常發生偏差的地方,是把這個工具當成搜尋引擎來用。模型被設計成寧可接著寫出通順的句子,也不願承認不知道,因此會很有把握地提出不存在的法條編號,或實際上不存在的判例與統計。若未經查證就放進高階主管報告或教育教材,收回的成本會比從頭寫稿還高。第二是資安問題。把未公開的業績、客戶名單、合約直接貼到個人帳號而非公司核准帳號,因而在稽核時被指出的案例正在增加。第三是「導入就能提升生產力」的期待。若沒有使用指南與審核流程,只會增加看似完整的文件,而閱讀與修改這些文件的人,工作只會跟著變多。

會出現此術語的課程 · AI・DX
推薦課程 · 推薦講師 · 迷你報價
🧮 迷你報價 · 講師費基準
約 KRW 1,200,000 (≈ US$900)專題講座 2 小時 · 20 人以下 · 韓語
依此條件取得正式報價 →
💡 簡單來說
分析型 AI 也能「創作」了——只要提出要求,就能產出文字、圖像與程式碼。
為什麼在實務上很重要
這不是特定部門的工具,而是會改變所有職務工作方式的通用技術,因此是全公司 AI 素養教育的起點。
由來與出處

今日生成式 AI 的基礎技術 Transformer,於 2017 年由 Google 研究團隊的論文「Attention Is All You Need」提出,此後 GPT、Claude、Gemini 等大多數模型都建立在這個架構之上。2022 年 ChatGPT 公開後,生成式 AI 才真正普及。

出處 · Vaswani et al.,「Attention Is All You Need」(2017, Google) · 查看原文
透過案例理解

以假設案例來看。這是員工 640 人規模的電子零件製造商 A 公司的故事。教育訓練團隊連組長在內只有 3 人,每年營運 42 門課程,因此開發一門新課程平均要花 3 週,即使現場提出需求,也要等兩個月才能開課,這種情況不斷重複。2024 年下半年,我們以為期 8 週的先導計畫,把生成式 AI 導入課程開發。

  1. 教育訓練團隊的 Kim○○ 課長以公司核准帳號請求「針對 2 年資生產技術職的客戶稽核應對教育,8 堂課程規劃初稿」,原本需要兩天才能完成的目錄與各堂課學習目標,40 分鐘內就拿到了。
  2. 看過初稿的生產技術團隊 Park○○ 責任表示「這是服務業的手冊,不是我們的現場」,於是我把近三年客戶稽核的 27 項缺失事項摘要後重新放入,並依照我們的製程標準調整實習案例。
  3. 與資訊安全團隊協商兩次後,制定了 12 項輸入規範:客戶名稱、單價與未公開良率須先遮罩再輸入,並全面禁止使用個人帳號。
  4. 在審稿過程中,Kim 課長發現 AI 引用的《產業安全保健法》(韓國的職業安全衛生法)3 條條文中,有 2 條的條號有誤,之後便將「法規・數字・人名須經原文比對後才標示」加入教材審核檢查表。
  5. 試辦期結束時,新課程開發的前置時間從平均 3 週縮短為 9 天;在 42 門課程中,有 18 門套用此方式,教育訓練團隊的月平均加班時數從 28 小時降為 11 小時。相關課程的滿意度也從 4.1 分提升至 4.4 分(滿分 5 分)。
相關術語
相關 AI 工具
與此術語相關的課程
📚ChatGPT、AI 工具教育Nanum 經營顧問 企業內訓 · 面授/線上查看課程 →
是否需要針對此主題進行企業內訓?
立即取得負責人為您量身打造的課程規劃與報價。
教育洽詢
最後修訂 2026年9月13日 · 監修 金鍾赫

常見問題

過去的 AI 主要做「分類・預測」,生成式 AI 則是「創造新的產出」,這是兩者的差異。
文件初稿・摘要・翻譯・資料蒐集可以直接開始使用。不過最好同時訂定機密資訊處理等使用指南。
過去的 AI 主要是「分析・分類」,生成式 AI 則是「產生新內容」。
初稿撰寫・摘要・構想可直接派上用場。但事實查核(幻覺驗證)是必做的。