在10月29日的午間直播中，我分享了一個觀點：在我們這個時代，面對AI，個體層次的工作者應該先回頭「解構」自己的工作流程（workflow）。我們要做的，是找出流程中關鍵的「工作節點」（work nodes），並定義出每一個節點的「規格」（specifications）。
想清楚這點之後，我們再回頭檢視，看看現有的生成式AI工具，到底能幫我們到什麼程度？又能幫到多深？
這支影片，是我給大一管理學學生的其中一週「補課」內容。我就想以這個熱騰騰的「產出」為具體範例，跟大家拆解，為了完成這份教材，我的工作流發生了什麼變化？以及我具體用上了哪些生成式AI來輔助。步驟一：教材製作 — 打造專屬的「課程專家GEM」
首先，是教材的製作。我建立了一個專門的GEM，也就是一個客製化的AI模型。這個GEM，是專門為了我這門《管理學》課程量身打造的。
我把這門課所有的「規格」都預先設定給它了。這就像是為一個新來的助教進行「職前訓練」，我把know-how都灌給它：
- 風格規格： 我希望的網頁視覺風格、需要具備的互動功能（例如筆記、匯出功能）、以及整體的語氣。
- 知識規格： 這門課所需要的所有管理學專業知識點，我都預先處理成Markdown格式餵給它。這包含了《新經營學》這本書的關鍵摘要，以及其他補充理論。
- 個案規格： 貫穿我們整個學期的核心個案——日劇《陸王》——我把每一集的劇情概要、關鍵轉折點、和我想引導學生思考的討論點，也都放進去了。
- 進度規格： 每一週的教學進度與具體要求，它都一清二楚。
這等於是建立了一個專屬於這門課的「專家系統」。
所以，當我要準備新一週的內容時，我不需要從零開始。我只需要下達一個總指令，例如：「請依據W9的進度，本週主題是行銷溝通，請融合《陸王》第6集劇情，生成一份包含4P、5A模型、關鍵指標（如CTR, ROAS）的互動式網頁教材，並設計一個工作坊練習。」
然後，生成式AI就能依據我預設的完整規格與資料庫，產出這份高度客製化、且完全符合我教學設計的網頁講義。
步驟二：講學內容 — AI基於「自身產出」的再創造
接著，是講學內容的生成。這一步非常關鍵，展現了AI工作流的「連續性」。
因為上一步產出的網頁本身，就已經是一個「完整的教學架構」和「討論流程」（就像各位現在看到的），我不需要再另外構思。
我直接讓同一支GEM，基於「它自己剛剛生成的那份網頁」，幫我產出一份完整的「英文版口說講稿」。
而且，我還會加入特定的「教學提示」（prompts），我會告訴它：「你現在是一個經驗豐富的管理學教授，在講解4P時，請模擬學生可能會混淆STP與4P的錯誤觀念；在講解5A時，請模擬學生會把『按讚數』（Likes）當成『擁護』（Advocate）的常見錯誤，並在講稿中設計橋段來澄清這些觀念。」
於是，我就得到了各位在上一支影片聽到的那份英文講稿。
步驟三：聲音克隆與合成 — 解決教學者的「痛點」
第三步，是聲音的克隆與合成。
這一步的動機，來自於我個人的「痛點」。因為長期講課，我的聲帶經常處於緊繃或不適的狀態。要我再花一兩個小時，去錄製一份逐字稿的補課影片，對聲帶是很大的負擔。
所以，我利用了像是「TopMediai」這類可以克隆聲音的AI工具，來「代」我發聲。
我的工作流是：
- 把GEM生成的英文講稿餵給聲音克隆工具。
- 它會用「我的聲音」把稿子唸出來。
- 接著，我需要花一些時間去「校正」。例如，調整某些句子的語氣、關鍵字的停頓，以及修正一些專有名詞（像是 "Kohazeya" 或 "ROAS"）的發音。
最終輸出的結果，大概有八到九分像我本人。
最後一步，就是「合成」：我開著螢幕錄影（Screen Recording），在背景播放這段克隆好的聲音，而我本人，則專注於配合聲音的節奏，捲動網頁、點擊互動元素、展示教材的重點，最終完成這支補課影片。
好，流程拆解完了。這就是這支影片的誕生過程。
大家一定會問我：「你這樣繞一圈處理，真的有比較快嗎？」
▮ 反思一：工作基準的轉移
這個問題非常棒，但答案是：很難直接比較，因為工作的「基準」（baseline）根本不同了。
如果我的教學目標，只是要做一份「靜態的PowerPoint簡報」，那我手動做，肯定還是比較快的。
但是，我對這份教材的要求，是產出一個（指著網頁）「帶有雙語切換、互動決策卡、可匯出學習成果的教學網頁」。如果要我手動去刻程式碼、去設計這整個互動流程，那所花費的時間將是AI的幾十倍，甚至我根本做不到。
所以，當我的教學要求從「單向講授」（簡報）升級為「互動體驗」（網頁）時，AI的介入，才讓這件事的邊際成本低到「可行」。
相較於過去我準備簡報內容、可能還要額外準備實體教具，現在用AI生成這份高品質網頁，兩者所花費的「總時間」或許差不多，但AI方案的可複製性與可延展性（scalability）是傳統方式無法比擬的。
▮ 反思二：錄製效率的比較
那，「用AI克隆聲音」跟「自己親口錄音」，哪個省時？
這也難說。以我的經驗，如果我親自錄音，我要一邊講、一邊操作網頁，很容易吃螺絲、講錯話、或者點錯地方，導致我必須不斷「中斷重錄」。這個「失誤重錄」的時間成本其實非常高。
而使用AI克隆聲音，雖然我必須花時間去校稿、去修正AI的語氣和錯誤發音，但這個「糾錯」的過程，是可控的、可分割的。我個人的體感是，修正AI的錯誤，還是比修正我自己的口誤來得有效率。
▮ 反思三：AI作為「教學鷹架」的價值
但坦白說，這整個流程中，對我個人衝擊最大、收穫也最大的，其實是「口說稿」本身。
我必須承認，過去十幾年的教學生涯，我從來沒有為了一堂課，去寫過「細部」的逐字講稿。我都是準備一個教學流程、幾個關鍵知識點，然後看著簡報或寫著板書，就開始「free style」講課、帶討論了。
但是，生成式AI產出的那份講稿（就像各位聽到的英文版），是「相當精緻且流暢的」，它甚至幫我設計了我想都沒想過的、承上啟下的轉折語，以及如何點出學生的「常見錯誤」。
這份產出物的品質，遠高於我即興發揮的平均水準。
所以，就算我最後決定不用AI配音，光是拿著這份AI生成的講稿，無論是我自己親自錄製，或甚至是我帶入實體課堂教學，它都是一份極佳的「教學鷹架」（Scaffolding）。它確保了我的教學邏輯嚴謹、表達流暢，這對教學品質的提升，價值非常高。
從「磨死老師」到「重塑歷程」
這整個過程，在我摸熟工具之後，其實並不複雜。
一旦流程順了，我就可以在很短的時間內，快速產出高品質的「數位教學資產」（Digital Assets），從而將我個人最寶貴的精力，真正釋放出來，放在「課堂的引導」與「和學生的深度互動」上。
這讓我回想起十幾年前，整個高等教育圈都在高喊「磨課師」（MOOCs）和「翻轉教育」是教學的未來。
但喊了這麼久，為什麼始終沒有成為主流？
我的答案很簡單：因為「未來未到，老師已經先被磨死了」。
一套高品質線上課程的開發、拍攝、剪輯、後製，所需要的製作成本與時間精力實在太高了。如果這個「門檻」高到只有少數人做得到，那它就不可能普及，永遠都只是教學的「輔助」，而不是主流。
而現在，生成式AI正在從根本上，徹底解決這個「高成本」的問題。
它在教育領域的顛覆性已無庸置疑。未來，教師的角色，必然會從「知識的唯一傳遞者」，轉變為「數個生成式AI工具的總指揮」，或者說，一個「學習體驗的設計師」。
我們將運用這些強大的工具，去真正重塑學生的學習歷程。
