一問一答
你貼一段內容，AI 回一段內容。下一段資料、下一個動作，通常還是由人自己接。
- 問一次
- 回一段文字
- 人自己整理
給第一次接觸 Agent 的經理人
AI 不只回答，還能幫你把一件工作往前推。
這門課不是教你收集更多 AI 工具，而是教你把工作說清楚、交給 AI 做一部分，再在重要地方把判斷接回來。
一句話版本人定義方向，Agent 推進工作，人確認決策。
目標
資料
檢查
成果
講師與 Agent 一起把工作往前推
巡環中：四個工作節點
confidential briefing
主講Javier．張仕霖
人定義→
Agent 推進→
人確認→
成果
01 / 先懂差別
Chat AI 回答一題；
Agentic Working 推進一件事。
想像你說：「幫我分析本月銷售。」真正的工作，不是吐出幾行文字，而是找資料、檢查、分析，最後交出能拿去開會的東西。
交付一件工作
先說清楚目標、資料、規則與成功標準，讓 AI 把可重複的部分往前做，再把重要決定交還給人。
- 交付工作
- 讀資料
- 分析
- 人確認
- 交付成果
差別不在聊天，而在是否能完成一段可追蹤的工作。
02 / 全課程共用的引擎
所有 Agentic 工作，先拆成四格。
四格讓模糊的「請 AI 幫忙」變成大家看得懂、分得工、驗得收的工作設計。
Input
AI 可以看什麼資料？來源、版本、權限、品質，都要先說清楚。
Processing
AI 要做哪些動作？讀取、比較、計算、研究、起草或驗證。
Gate
哪裡一定要人看？付款、風險、法遵、對外承諾與重大決策。
Output
最後交付什麼？報告、表格、簡報、Brief、決策或下一個行動。
AI 可以加速，但重要決定仍要有人接手。
03 / 課程路線
從安裝工具，走到組織可以重複使用的方法。
課程不把工具當終點，而是一步一步把工具放進有邊界、有脈絡、有驗收的工作裡。
- 1
工具環境
先確認登入、資料夾、Browser 與最小測試能運作。
- 2
資安邊界
先決定資料能不能進來、誰能看、何時要停。
- 3
Context / Prompt / Skill
把公司規則與穩定方法寫下來，不靠個人記憶。
- 4
四步框架
用 Input、Processing、Gate、Output 重新設計工作。
- 5
四個案例與產業轉化
做完案例，再帶回自己的部門與 30 天試點。
04 / 四個企業實作
四個案例不是四個工具展示，而是四種管理工作。
每個案例都走同一條路：情境 → Input → Processing → Gate → Output。
模擬公司
髒資料 → 可信報告
Data Room｜拾光生活科技
Files→Clean→Validate→Management Artifact
- 情境銷售、退貨、客戶與產品資料散落又不一致。
- AI 幫忙清理、合併、重算，留下 transformation log。
- 交付物
cleaned-sales.xlsx、management-summary.md
人要決定：哪些清理規則可以安全執行？
公開公司練習
公開資料 → 董事會選項
Competitive Intelligence Room｜Sony
Research→Evidence→Reasoning→Recommendation
- 情境董事長要評估是否和 Sony 建立策略合作。
- AI 幫忙研究、交叉驗證，分開 Fact、Inference、Conflict。
- 交付物
source-register、evidence-matrix、董事會簡報
人要確認：重要主張能不能追溯到可信來源？
模擬公司
報價 → 總風險
Procurement Room｜行動電源採購
Browser + Files→Compare→Human Gate→Decision
- 情境三家供應商競爭價格、規格、認證與交期。
- AI 幫忙比較條件、算總成本、列出品質與合規風險。
- 交付物供應商比較表、風險登錄、談判重點。
人要記住：最低價格，不一定是最低風險。AI 不能直接下單。
公開公司練習
分散脈絡 → 一頁會議意圖
Meeting Intelligence｜TSMC
Calendar + Email + Drive + CRM + Web→Brief
- 情境14:00 開會，13:45 才發現資料散在多個系統。
- AI 幫忙壓縮脈絡，整理 WHO、WHY NOW、MONEY、RISKS。
- 交付物一頁式 Executive Meeting Brief。
資料衝突不能猜：保留 Unknown、Conflict、Need Confirmation。
報告
董事會簡報
採購決策包
一頁會議 Brief
Output 不是「AI 生成了文字」；而是有人能在下一個管理時刻直接使用它。
05 / 安全不是附註
資料越敏感，工具、權限與人工確認越要受控。
Agent 看得到，不代表 Agent 可以執行。每一次讀取、修改、寄送與承諾，都要有清楚的責任鏈。
個人資料
姓名、Email、電話、客戶與員工識別資訊。
先問：誰可以看？組織機敏資料
商業策略、財務、報價、合約、採購與營業秘密。
先問：可以送到哪裡？高度管制資料
政府、公務、政策、國家或法規高度管制內容。
先問：誰能核准？何時停止？可以使用 AI，不等於可以把所有資料交給任何 AI。
資料擁有者
工具權限
執行紀錄
審核者
最後按下送出的人
為什麼要留下紀錄？
出了錯，才分得出來是資料、模型、權限、流程，還是人的判斷出了問題。
什麼是 Human Gate？
不是最後形式上蓋章，而是在付款、下單、對外溝通與重大決策前，讓有責任的人看得到證據並能停止。
06 / 從一次性指令變成組織能力
Prompt → Context → Skill → Workflow → Organization Agent
每往右一步，工作就少一點靠臨場記憶，多一點靠共同規則與可追蹤的流程。
01
Prompt
這次，請 AI 幫我做什麼？
02
Context
AI 工作時，需要知道什麼背景？
03
Skill
把穩定的方法封裝成可重複單元。
04
Workflow
把多個步驟、工具與 Gate 串起來。
05
Organization Agent
跨部門共享資料、規則與責任。
07 / 課後帶回自己的工作
30 天，先做一件真的有用的事。
不要先追求最大的 AI 願景。先選一件可被看見、驗證、接手的重複工作。
- 1選一件重複工作例如週報、供應商比較、會議準備或異常檢查。
- 2填四個欄位Input / Processing / Gate / Output，先說清楚再選工具。
- 3用小批資料試跑不要直接碰全部機密資料，先用合成或去識別化資料。
- 4量結果看時間、錯誤、人工修改量與決策品質有沒有改善。
- 最後的問題不是「AI 會不會做」，而是「這件工作，哪些部分值得交給 AI，哪些判斷必須留在我們手上？」