每年的教育訓練，常常落入同一個循環：花錢請外部講師上一整天課，員工坐在台下滑手機，課後發了問卷，三個月後沒人記得講過什麼，門市的服務水準照樣參差不齊。錢花了、時間耗了，能力卻沒留下來。
這篇要解決的問題：怎麼用 AI 把教育訓練從「一次性的活動」，變成「能持續產教材、出測驗、做演練、追進度」的學習系統？ 適合誰讀：要帶團隊卻沒有培訓資源的主管、人資與訓練負責人、靠老鳥手把手帶人的中小企業老闆，以及想自學補職能的上班族。 讀完你會得到：一套從定義職能、生成教材、設計測驗、情境演練到個人化學習路徑的完整 How-to，可複製的 Prompt、Workflow 流程圖，以及兩個台灣團隊的導入前後數據。
為什麼傳統教育訓練留不住能力？
問題不在「員工不認真」，而在三個結構性缺口：
第一，教材製作的門檻太高。一份像樣的訓練教材，要懂內容、會設計、有時間。中小企業沒有專職培訓人員，這活就落到主管頭上，主管又最忙，於是教材永遠停在「等有空再做」，最後變成口頭帶人、各教各的。
第二，訓練是「單向灌輸」，沒有練習與回饋。聽課跟會做是兩回事。沒有實際演練、沒有人指出你哪裡做錯，知識就只是過了一遍眼睛。尤其是客服、業務、門市這類靠臨場反應的職位，光聽課等於沒練過。
第三，所有人吃同一份大鍋飯。資深員工早就會的，還得陪著重聽；新人真正卡關的點，課程又沒講到。一刀切的訓練，對誰都不剛好，自然留不住能力。
AI 真正能改變的，不是「把講師換成機器人」，而是讓教材生成、測驗設計、情境演練、進度追蹤這四件原本各需要專人的事，能由一兩個人加上 AI 一條龍完成，而且可以無限次迭代。
核心概念：把教育訓練拆成四個可被 AI 加速的環節
很多人一聽到「AI 做教育訓練」，就想到「丟個主題給 AI 生一份投影片」。那只解決了第一個環節，而且是最淺的那個。真正的教育訓練是一個閉環，AI 在每一環都有不同的切入點。
下面這張表，把傳統做法與 AI 加速後的做法放在一起對照：
| 環節 | 傳統做法 | 用 AI 加速後 | 你要餵給 AI 的素材 |
|---|---|---|---|
| 教材 | 主管熬夜做投影片 | 模組化教材＋範例＋檢核點 | SOP、真實案例、職能目標 |
| 測驗 | 隨手出幾題選擇題 | 情境題＋評分量規 | 職能目標、合格標準 |
| 演練 | 同事互相 cosplay 客戶 | AI 即時扮演客戶並給回饋 | 角色背景、難纏情境 |
| 路徑 | 全員上同一套課 | 依落差排個人化學習順序 | 每人測驗與演練表現 |
這張表的重點是最右欄：AI 的產出品質，幾乎完全取決於你餵的素材。同樣一句「幫我出客服測驗」，餵了職能目標與合格標準的，跟什麼都沒餵的，差距是天與地。所以本文的第一步不是急著叫 AI 生東西，而是先把「做得好長什麼樣」講清楚。
可以用一個比喻來理解：AI 像一位反應極快、但完全不認識你公司的新進培訓助理。它打字飛快、不喊累、隨叫隨到，但你不告訴它你們門市的眉角、客戶的脾氣、合格的標準，它就只能給你教科書答案。把它當「助理」帶，而不是當「外包」丟，才是用對方法。
實際教學：五步驟打造 AI 教育訓練系統
下面以一個常見情境貫穿全程：為連鎖門市的新進服務人員設計一套教育訓練。每一步都附上可直接調整使用的 Prompt 思路。
Step 1：把「職能」拆成可觀察的行為
別一開始就問 AI「門市服務員要學什麼」，那會得到一份正確但無用的清單。先自己（或找一位績優店長）把「服務做得好」拆成具體、可被看見的行為，例如：「客人進門 10 秒內主動招呼」「結帳時主動提醒會員集點」「遇到客訴先同理再處理」。
把這份職能清單當成接下來所有教材與測驗的「北極星」。沒有它，後面每一步都會失準。這步通常只需要半小時，卻決定整套訓練的成敗。
Step 2：生成模組化課程教材
有了職能清單，再請 AI 把素材轉成教材。重點是要求「模組化」——每個職能對應一個小模組，每個模組都要有：概念說明、正反範例、檢核清單。這樣員工才能一塊一塊吃，主管也能一塊一塊驗收。
把 SOP、真實案例（去識別化後）、職能清單一起餵進去，明確要求輸出格式，AI 才會給你能直接用的教材，而不是一篇散文。
Step 3：設計測驗與評分量規
考試的目的不是淘汰人，是確認「學會了沒」。請 AI 依職能目標出兩類題：選擇題測基本知識（流程、規定），情境題測判斷力（「客人這樣說你會怎麼回」）。
關鍵動作是同時要 AI 產出評分量規（rubric）——把每道情境題的滿分答案該包含哪些要素列出來。有了量規，不同主管改同一份考卷才會給出一致的分數，這份分數之後也才能拿來排學習路徑。
Step 4：建立 AI 情境演練
這是 AI 最被低估、卻最有威力的用法。請 AI 扮演各種難纏的客戶，跟員工一對一即時對練。員工不會像跟真人演練那樣怕丟臉，而且能反覆重來、無限次磨同一個情境。
每輪演練結束後，再請 AI 切換成「教練模式」，針對剛才的對話給出具體回饋：哪句話踩雷、哪裡可以更同理、流程有沒有漏。下一節會給完整的 Prompt。
Step 5：依表現排個人化學習路徑
把每位員工的測驗分數與演練回饋，整理成一張簡單的表（連 Google 試算表都夠用），貼給 AI，請它找出每個人的職能落差，排出「下一步該補哪個模組、建議花多久」。
資深員工跳過已經會的、新人補上真正卡關的，這就是個人化學習路徑。人數少時人工跑就行；等流程順了、人變多，再用 n8n 或 Make 把「成績進來→AI 分析→產出個人化建議」自動化。先把邏輯跑通，再談自動化。
範例：Prompt 與 Workflow
以下提供兩段可直接複製調整的 Prompt，以及一張把整套流程串起來的文字版流程圖。
Prompt 一：生成模組化教材
角色：你是有 10 年連鎖門市培訓經驗的教育訓練講師。
任務：依下列職能目標與素材，為新進服務人員設計一份「模組化教材」。
職能目標（北極星）：
1. 客人進門 10 秒內主動招呼
2. 結帳時主動提醒會員集點與當期優惠
3. 遇到客訴先同理再處理
素材：
（在此貼上你公司的 SOP 與 2~3 個去識別化的真實案例）
輸出要求：
- 每個職能拆成一個獨立模組
- 每個模組包含：①為什麼重要 ②做法步驟 ③一個正面範例對話 ④一個反面範例對話 ⑤新人可自我檢核的 3 點清單
- 語氣口語、舉的例子要貼近台灣門市實況，避免空泛說教
- 全程使用繁體中文（台灣用語）Prompt 二：AI 情境演練（客訴對練）
我們要進行門市客訴情境演練。請嚴格分兩個階段。
【演練階段】
你扮演一位客戶：已在門市等了 30 分鐘、語氣不耐、買的商品有瑕疵想退貨，但嘴上先說「只是來問一下」。
請完全沉浸在角色裡，一次只說一句話，像真實對話一樣等我回應，不要跳出角色、不要幫我寫答案。
【教練階段】
當我輸入「結束演練」後，請切換成培訓教練，針對我整段回應給回饋：
- 我哪一句處理得好、為什麼
- 我哪一句踩雷、客戶當下會有什麼感受
- 依「先同理→確認問題→提供方案」的流程，我漏了哪一步
- 給我一個更好的版本示範
現在請以客戶身份說第一句話。Workflow 文字版流程圖
定義職能目標（北極星）
↓
餵素材給 AI → 生成模組化教材
↓
AI 出題 → 情境題＋選擇題＋評分量規
↓
員工做 AI 情境演練 → AI 即時回饋
↓
彙整測驗分數＋演練表現（Google 試算表）
↓
餵回 AI → 分析職能落差 → 排個人化學習路徑
↓
員工依路徑補課 → 再測驗 →（回到上一步，持續迭代）這張流程圖的精神是「閉環」：訓練不是辦完一場活動就結束，而是讓「學→測→練→補」不斷循環。AI 讓每一圈的成本低到可以每月、甚至每週跑一次。
常見錯誤
錯誤一：把 AI 當投影片產生器，跳過定義職能。 沒有北極星，AI 生的教材正確卻不貼合你公司，員工讀了也用不上。一定要先做 Step 1。
錯誤二：只出選擇題。 選擇題只能測「知不知道」，測不出「會不會做」。服務、業務這類職位，務必加情境題與評分量規。
錯誤三：情境演練給 AI 的角色設定太薄。 只說「你扮演客戶」，對話會乾到沒有訓練價值。要給足背景、情緒、潛台詞，AI 才演得逼真。
錯誤四：個人化路徑想一步到位上系統。 還沒跑通邏輯就先買昂貴的學習管理系統，常常變成蚊子系統。先用試算表＋AI 人工跑，順了再自動化。
錯誤五：把客戶個資直接貼進公開版 AI。 案例一定要先去識別化，個資、合約、薪資不上傳。這是底線。
最佳實務
- 讓績優員工當「審稿者」而非「寫稿者」。 AI 出草稿，請店長級的人挑錯補眉角。他工作量小、又掛名貢獻，配合度高，教材也更道地。
- 教材與測驗都當「活文件」。 每次有新狀況、流程變動，就把差異餵回 AI 更新對應模組，別每次重做一本。
- 演練先讓主管自己跑一輪。 確認 AI 扮演的客戶夠逼真、回饋夠中肯，再讓員工用，避免第一印象就是「機器人很假」。
- 把職能量規公開給員工。 讓他們知道「做到什麼程度算合格」，訓練從被考核變成自我提升，動機完全不同。
- 小步快跑。 先挑一個職位、一個職能試做，跑出成果再擴大，比一次想做全公司的訓練系統務實得多。
實際案例：台灣團隊的導入前後
案例一：連鎖手搖飲品牌（約 12 家門市）
導入前：新人訓練靠店長口頭帶，各店標準不一，客訴中「服務態度」佔比偏高；店長平均每帶一位新人要額外花約 8 小時手把手教，常壓縮到自己的排班與營運。
導入做法：店長與店經理花一個下午，用上面的方法把「招呼、結帳推會員、客訴處理」三項職能做成模組化教材與 AI 情境演練腳本，新人報到第一週先在手機上自學＋與 AI 對練客訴，店長只負責驗收與補強。
導入後（約三個月後回看）：新人獨立上線的時間從平均 3 週縮短到約 12 天；店長帶一位新人的投入時間從約 8 小時降到約 3 小時；客訴中「服務態度」相關件數較前一季下降約四成。店長的回饋是：「最有感的是客訴對練，新人在 AI 那邊被罵過一輪，真的遇到奧客就不會當機。」
案例二：B2B 軟體公司業務團隊（約 9 人）
導入前：新進業務的產品知識與應對話術全靠資深前輩帶，前輩一忙就斷層；新人平均要 2 個月才敢獨立跑客戶會議。
導入做法：把產品規格、常見客戶異議、成交案例（去識別化）做成模組教材，並用 AI 設計「客戶質疑價格／比較競品／要求折扣」三種情境讓新人反覆對練，再依每人演練表現排個人化補強路徑。
導入後：新人獨立跑客戶會議的時間從約 8 週縮短到約 5 週；資深業務每週被新人打斷問問題的次數明顯下降；團隊把演練腳本沉澱成資產，人員流動時不再從零重來。
兩個案例的共同點，不是 AI 多神，而是把原本只存在資深員工腦中、且需要大量真人時間的訓練，轉成可重複、可迭代、可個人化的流程。AI 負責量產與陪練，真人負責定標準與驗收，分工到位，能力才真正留得下來。
結論
教育訓練留不住能力，從來不是員工的問題，而是教材沒人做、練習沒地方練、進度沒人追的結構問題。AI 的價值，是把這四個原本各需要專人的環節，壓縮成一兩個人加上 AI 就能一條龍完成，而且可以無限迭代。
落地的順序很清楚：先定義職能（北極星），再生成教材、設計測驗、建立情境演練，最後依表現排個人化學習路徑，並讓整套流程閉環、持續跑。從一個職位、一項職能開始小步快跑，跑出成果再擴大。
當你的訓練從「一年辦一場的活動」，變成「每月都在迭代的學習系統」，你會發現省下的不只是講師費，而是把整間公司的隱性能力，一點一滴變成留得住、傳得下去的資產。
❓ 常見問題 FAQ
用 AI 做的訓練教材，會不會只是把網路文章拼一拼，沒有公司特色？
AI 出的測驗題會不會太簡單、考不出真實能力？
情境演練讓 AI 扮演客戶，真的有用嗎？員工不會覺得在跟機器人聊天？
個人化學習路徑聽起來很複雜，沒有 LMS 系統也能做嗎？
把公司內部教材、客戶案例貼給 AI 安全嗎？
🔗 延伸閱讀
每週把這類實戰教學寄給你
訂閱 AgentAI 智庫情報週報，新的 Prompt、AI Skills、工作流與教學第一時間收到。
免費 · 隨時取消