學習生成式AI，不僅僅是掌握幾個工具，而是從全方位了解AI的發展範疇及其潛力。我經常在企業教授AI課程時，會遇到HR詢問：某些工具用不上，可以不教嗎？當然可以，但如果同仁不了解生成式AI在「數位內容」上的廣泛應用，又如何掌握大語言模型的發展邊界？
我的初階課程目的是要讓學員全面了解AI在數位內容領域的發展性。即便某些工具在當前的工作環境中似乎不常用，但通過初階課程，學員將掌握這些工具運作的原理和潛在的應用場景，以為未來的數位趨勢變化做好準備，並徹底理解AI的發展邏輯。這不僅是應對現狀，更是提升長期競爭力的關鍵。
過於目標導向的培訓，適合固定的機械操作、系統工作流程或考證照，但對於生成式AI這種沒有標準答案的「通識訓練」，並不奏效。
學習AI的關鍵是激發興趣。如果在課堂上無法引發興趣，員工在工作中更難看到AI協作的效果。員工平日工作已經非常辛苦，學習新工具如果沒有興趣作為驅動，效果勢必大打折扣。而且，AI不僅僅能提升工作效率，還可以應用於自我學習、生活疑難排解、甚至輔導孩子功課等。若企業的訓練目標太過強烈，反而可能引起排斥感，學習效果也會不佳。
掌握AI趨勢後，首先要檢視的是手頭上的執行任務，與AI協作後是否變得更有效率？這是第一個指標。如果沒有，那麼你與AI協作的過程可能是在浪費時間，這時候應該重新思考並調整流程。
另外，擁有AI後，不必事事親自編程。除了必要的自動化程式（如Python），許多「簡單的轉檔工具」（如MP4轉MP3、JPG轉PNG）都可以輕鬆在網路上找到免費資源。網路資源豐富，只要善加利用，很多需求都能輕鬆解決。
之前看到一位工程師在YouTube上展示AI自動化工作流程，他用了很多技術堆砌出一個RAG程式（Retrieval-Augmented Generation）。但我看了八分鐘後，不禁感嘆，我什麼都不用學，因為我愛用的NotebookLM早已提供了更好用的平台，只要打開就能解決他花大量時間構建的流程，而且NotebookLM還是免費的好用工具。
所以，學習AI，應該先有「基礎的先備知識」，了解AI不僅僅是學習提示詞，還有很多捷徑可以走。以下是我的建議：
一、掌握AI發展的邊界
二、搜集可用於工作中的「實用工具」
三、與你的工作流逐步配搭
四、通過AI的深度應用，不斷優化工作流程
這樣一來，你的AI駕馭能力必定大幅提升！但學習AI不要只因它發展快速就急於求成，任何學習都是有曲線的。如果破壞了這個學習曲線，不按部就班，最後可能會導致什麼都學不會。以上建議，期望企業的HR能夠理解。
上圖學習曲線的範例，X軸代表時間，Y軸代表知識或技能的掌握程度。隨著時間的推移，學習者的知識或技能逐漸增加的過程。為求快而破壞學習曲線，往往得不到真正的學習效果！
