企業 AI 自動化內訓

讓你的團隊 把日常工作 拆成 AI 工作流。

適合已經開始使用 AI，卻還看不到明確成效的團隊。3 天內，員工會用自己的工作，拆出一條能執行、能維護的自動化流程。

預約 30 分鐘免費對談 → 先看 3 天怎麼上
3 小時的人工整理，
變成8 秒跑完的 AI 工作流。示意情境
↗ 5 分鐘了解 AI 自動化的核心方法論
趨勢

AI 已經進入
「代理人執行任務」階段。

AI 的重點，已經從「問答」走向「執行」。但多數員工還停在潤稿、摘要、複製 prompt。真正的落差，是工作還沒被拆成 AI 能接手的流程。

2022-2023
單一對談
以前多半把問題貼進 ChatGPT 或 Claude，請它回答、潤稿、摘要。
2024-2025
連到資料
與工具
Connectors、MCP 讓 AI 不只看聊天框，也能連文件、程式庫、資料庫與內部工具。
現在 · 2026
代理人
接手流程
ChatGPT agent、workspace agents、Codex 這類工具，已經能研究、操作、寫 code、產報表、跑長任務。
下一步
多代理
協作
A2A 這類協議正在解決「不同代理人如何互相溝通」，企業會開始管理一群 AI 工作者。
企業端
公司變成
AI 可讀系統
官網、文件、SOP、資料庫都會成為 AI 的工作來源。內容不只給人看，也要讓 AI 能讀懂。
所以呢

企業缺的不是更多 AI 工具。而是有人能把工作拆成 AI 跑得動的流程。這堂課，就是把團隊從「會問 AI」帶到「會管理 AI 工作流」。

現況

大部分人卡在
「每天用」，
離「自動化」
還有一階。

課程目標
第二階　自動化
「按一下就跑」的境界
★ 你的員工在這
每天用 AI
會用，但每次都要重做
起點
還沒開始用
3 天
3 天課程
帶你的員工
登頂
對團隊的意義

很多員工已經會用 AI，但每次都從頭問、從頭貼。Mii Lab 的 3 天課程設計就是把員工從中間階直接拉到第二階，不只會用，還能自動化。

常見卡關

已經買了 AI 工具，
為什麼員工還是沒在用？

問題 01

公司付了 ChatGPT Team / Gemini for Workspace 的訂閱費，但員工只用它寫祝賀詞和潤稿。

問題 02

上完坊間的「ChatGPT 入門課」，員工拿到的是「100 個 prompt 模板」，回到工作流程還是手動。

講師的話
這些問題的共同原因：員工學的是「工具按鈕」，不是「拆解工作流」的能力。
工具會被取代，拆解力不會。
採購視角

差別不在課程內容，
在結業之後。

一般內訓

一般內訓交付知識

課後只有滿意度問卷，員工回到座位，還是不知道自己的工作哪一段可以交給 AI。

Mii Lab

Mii Lab 交付流程

每位學員帶走一條自己的流程，主管也看得到下一步該從哪裡導入。

交付成果

不只聽懂 AI，
而是帶走
能落地的工作流。

我不把課程設計成工具展示。每位學員都會帶一件真實工作進來，判斷適不適合自動化，再把它拆成可以執行的流程。

成果 01

部門自動化機會清單

用重複頻率、資料取得難度、風險程度和預期效益，判斷哪些工作適合先做，哪些應該保留人工判斷。

成果 02

學員自己的工作流原型

每位學員選一件真實、重複、可練習的工作，拆成目標、資料、規則、輸出，現場跑通第一個版本。

心法 01先判斷：一次性工作，還是重複性工作
心法 02AI 寫程式，程式才動資料
心法 03用目標 / 資料 / 規則 / 輸出拆需求
三條心法

3 條心法，
讓員工帶走
自己的判斷力。

工具會換，判斷邏輯不該跟著失效。這堂課要留下的，不是某個 prompt 模板，而是員工回到工作現場後，知道哪裡值得自動化、該怎麼拆、怎麼驗收。

01第一條
once repeat

一次性的事 vs 重複性的事

不論工具怎麼進步，第一個判斷永遠是這個：你要做的這件事，是「做這一次」還是「以後會一直做」？答案不同，工具就完全不同。

一次性
直接走網頁版
  • 寫一封給供應商的信
  • 整理一次會議記錄
  • 查一個產業數據
  • 把一段英文翻成中文
Claude.ai · ChatGPT · Gemini
重複性
走 AI + 程式自動化
  • 每週彙整加盟店業績
  • 每月整理進貨價格
  • 每天寄日報給主管
  • 每次月初做請款附件
寫一次，下次按一下就跑
02第二條
AI 程式 Data bridges AI never touches data

把 AI 跟資料分開

很多人會問：「我直接把資料貼進 ChatGPT 不就好了嗎？」一次可以。但第十次、第一百次，會出兩個問題。

理由 01 · 安全

資料不會被餵給 AI 訓練

你把公司業績、客戶名單貼進個人版 ChatGPT，預設會被拿去訓練。讓「程式」當橋樑：資料留在公司系統，AI 從頭到尾沒看過一筆真實資料。

理由 02 · 可重用

寫一次，下次按一下就跑

貼進網頁版：每週都要重新貼、重新講、重新等回答。讓「程式」做事：寫一次存起來，下次資料更新，按一下「執行」，從 8 小時變 8 秒鐘（示意）。

AI 寫程式，程式才動資料。 AI doesn't touch your data, the code does.

※ 課堂使用 Google Apps Script (GAS) 是因為員工已有 Workspace、零門檻起步。但這只是 implementation，同樣的原則也可以用 Python、Zapier、Make、n8n 達成。

03第三條
目標 資料 規則 輸出 Goal Data Rules Output

怎麼把需求跟 AI 講清楚

很多人只丟一句短指令給 AI；結果好的 prompt，通常交代了角色、情境、格式和限制。不是寫長就好，是有結構。員工學完，每次跟 AI 講話都用這 4 步驟。

01第一步
目標Goal

一句話：什麼進來、什麼出去。

02第二步
資料Data

資料在哪裡、長什麼樣子。

03第三步
規則Rules

計算什麼、判斷什麼、例外怎麼處理。

04第四步
輸出Output

產出什麼、什麼格式、寄給誰。

使用前：給 AI 的指令常常只有一句話 使用後：會交代目標、資料、規則、輸出，一次拿到能用的結果
核心
原則
「AI 寫程式，
程式才動資料。」
Day 1, Module B
Sandra, 2026

這句話是課程的軸：員工學完，會自己分辨什麼問題該用 AI、什麼問題該用程式、什麼問題該找人。

課程架構

3 天課，3 個模組：
從判斷、拆解，到跑起來。

模組 A
01

判斷力

對象 管理層 / 全員　・　解決 不知道什麼事該用 AI 的問題

先建立判斷標準：哪些工作適合自動化，哪些只需要用 AI 輔助，哪些不該硬做。

Input各部門日常工作清單
In class評估重複性、風險與效益
Output部門自動化機會清單
學員帶走
  • 「一次性 vs 重複性」判斷框架
  • 部門自動化機會清單，挑出值得優先嘗試的工作
  • 4 步驟需求引導表（目標 / 資料 / 規則 / 輸出）
模組 B
02

拆解力

對象 關鍵流程員工　・　解決 問 AI 問不清楚的問題

把一句模糊的交辦，拆成 AI 能理解、員工能驗收的具體任務。

Input一個真實、重複、卡住的工作
In class拆成目標、資料、規則、輸出
Output跑得起來的 GAS 自動化
學員帶走
  • 把「模糊主管交辦」拆成 AI 能執行的具體任務
  • 1 個自己工作流程的 GAS 自動化，跑通、能改、能重複用
  • 「看得懂 code 的 4 個地方」，不需要學程式語法，也能改 AI 給你的程式
模組 C
03

自動化力

對象 數位轉型小組 / IT　・　解決 單點工具串不成流程的問題

把單點工具串成流程：資料從哪裡來、誰要收到、什麼時候自動執行。

Input跨工具、跨資料來源的任務
In class串接資料、工具、通知與回報
Output個人 AI 助手與 Agent 流程
學員帶走
  • 部署一個串 Sheet 後台的網頁應用（公開連結，同事可以用）
  • 個人 Gem 助手 / Claude Desktop 工作環境配置
  • 1 個 Agent 自動化流程（自動爬資料 + 寫日報 + 寄信）

※ 3 天可以分階段上完（如：上午班 / 下午班 / 隔週上）。也可單獨採購 Module A 作為高階主管 workshop。

學習路徑

從「我問 AI 答」
到 AI 跑完
一條流程

這段讓主管快速看懂課程推進路徑：不是多學幾個工具，而是把團隊帶到能管理 AI 工作流。

01
起點 · 大多數人停在這
?

單一問答

一問一答，每次從零開始

員工把問題輸入、AI 給回答、員工貼出來用。看起來方便，但工作量還在員工身上。

  • 每次都要重新講背景
  • 同樣工作每週重做一次
  • 資料貼 AI 有外洩風險
  • 工具換版本要重學
結果

多數員工停在這個階段。

02
這套課程的核心
? auto

工作流自動化

員工拆解需求，AI + 程式做事

把重複工作拆成 AI 能執行的步驟。寫一次，下次按一下就跑。換什麼 AI 工具都還能用。

  • 員工學會拆解模糊需求
  • AI 寫程式作為橋樑
  • 資料留在公司系統
  • 同樣的工作 8 小時 → 8 秒（示意）
結果

每位員工帶走至少 1 個跑得起來的自動化流程。

03
進階 · 課程延伸
A ✓ ✓ ✓

解放雙手

從工具人 → 變 manager

AI 不只回答，自己跑完整條流程。員工只看結果，不看 code。

  • 員工交付目標（一句話）
  • AI 自己決定怎麼做
  • 多步驟自動串聯
  • 員工只看結果
結果

帶走 個人 AI 助手 + Agent 自動化流程。

課程會帶到的 AI 名詞
Agent
AI 不只回答，會自己執行多步驟任務、做完回報。
Claude Cowork
Anthropic 桌面 agent app，AI 可讀寫你的電腦檔案。
Codex App
OpenAI 的 agent 模式，整合在 ChatGPT 裡。
MCP
Model Context Protocol，AI 串接公司系統的標準協議。
實際案例
★ Field Notes
真實案例：跨部門內訓現場紀錄
第一手紀錄

課程結束之後，
我陸續收到學員的訊息。

沒人要求、課堂沒教，他們在課堂之外又自己寫出新東西。下面是其中一段對話。

合作內容

台灣某大型企業集團 · 跨 8 部門 · 3 天全員內訓

入課前

多數只會單一問答

把問題貼進 ChatGPT、複製回答。每次都要重講一遍背景。

課程中

每人寫完一條按一次就跑的工作流

把自己負責的重複工作拆成 AI + Sheets + Apps Script 自動化原型。3 天結業時全員完成。

結業之後

有人課外又寫了一個

學員把同樣方法用在課程之外，做出自己的存股財務儀表板。下方是這位學員結業數週後傳來的訊息。

第 2 天亮點

一位將近 50 歲、0 工程背景 的員工，
第 2 天就把 GAS 自動化 自己跑了出來。

而下面這段 LINE，是另一位學員下課後主動傳來跟我分享的：

學員
結業數週後
某個週五晚上
學
老師，沒丟妳的臉吧。
22:46
學
學員自製存股儀表板示意（Google Sheets + Apps Script） 學員自製存股儀表板 · Google Sheets + Apps Script · 示意重繪
22:46
你好棒唷。
22:48
S
你用什麼做的？
22:48
S
資料存哪？
22:48
S
學
資料存在 Google Sheets。
用 GPT + Apps Script 做的。
22:51

值得留下的，從來不是 prompt 模板或工具操作。是員工結業之後，還在自己長。

※ 公司因保密協議未具名 · 對話經學員同意截取，已做匿名與細節脫敏處理。

另有多件作品 Selected builds & experiments
許多 AI-built 工具 · 2024-2026
  • 產業電子報Data
  • 業績總整理Data
  • 校友會報名網站Web
  • 甜點品牌官網Web
  • 水餃訂購系統Web
  • 電子雞養成（PWA）App
  • 手寫風貼文產生器App

大部分作品沒有公開連結，它們不是給市場的產品，是「我自己用的工具」。但我用 AI 寫得出這些東西，意味著我教你的方法是真的可行的，不是課堂理論。
看完整作品集（50+ 件）→

講師介紹

為什麼是我來教？
因為我懂
工具之外的現場。

Sandra
Sandra · 2026

我是 Sandra。行銷企劃出身的 AI 實作者，用 AI 把自己的重複工作一個個拆掉。

我做過品牌、產品、電商、通路、活動、連鎖營運與跨部門專案。這讓我在內訓現場，不只看工具，也看得懂員工手上的工作為什麼卡住。

  • 13 年品牌行銷 PM · 跨 8 個產業：文化觀光、FMCG、設計、電商、餐飲採購、連鎖餐飲、二房東、自媒體
  • 長期跨部門協作：研發、採購、營運、財務、IT、業務與生產端
  • 非傳統工程師背景的 AI 實作者：我知道第一次看到 code、流程和資料時，員工會怕什麼
我課後給學員的問答工具 LiveBoard，
是我自己用 AI 寫的。我不只在教 AI，
自己每天都在用 AI 做真實產品。

這堂課會由我本人從需求對談、課程設計到現場教學一路負責。不是制式教材，也不是只教工具操作。

合作流程

我怎麼工作，
兩面攤開給你看。

左邊是時間軸，你會經歷的 4 個步驟。右邊是工作信念，4 件你不用懷疑的事。兩邊一起看，比看任何客戶 logo 都實在。

流程：4 個步驟，看見時間軸

步驟 01 · 第 0 天

30 分鐘需求對談

我會問你 5-8 個問題：員工現在做什麼工作？卡在哪？團隊背景？預期成效？誠實告訴你「這個需求適不適合做內訓」。

步驟 02 · 第 1-5 天

客製課綱（3-5 天）

依貴司產業、部門組成、既有 AI 工具，調整教材與練習題。你會收到完整課綱 + 教材樣本，再決定要不要委託。

步驟 03 · 第 14-21 天

3 天交付

課程以線下實體進行。每位學員會收到「上課手冊 + 範本 Sheet」。

步驟 04 · 第 22-52 天

結業 30 天追蹤

結業 30 天內提供一次線上 office hour。

承諾：4 條你不用懷疑的事

承諾 01 · 誠實

30 分鐘對談我會誠實告訴你「不適合」

如果你的團隊現在不適合做內訓（人數太少、老闆還沒對齊、流程還太亂），我會直接說，不會塞單。

承諾 02 · 不推銷

沒看到報價單前，你不用決定任何事

對談結束後你會收到具體報價 + 客製課綱。預算、節奏、要不要做，全部你說了算。

承諾 03 · 教材授權

教材授權，學員無限期使用

上課手冊、範本 Sheet、引導表、Code 片段，所有檔案結業後員工帶回工作崗位無限期用。教材不對外販售。

承諾 04 · 本人親回

30 天追蹤期，Sandra 親自回

不是 chatbot、不是 junior 助教。學員 30 天內遇到的問題，office hour 由我本人回答。

常見問題

FAQ

01
最少幾人可以開課？
建議 8-15 人。少於 8 人不符成本；超過 15 人個別實作的指導品質會下降。如貴司需要小班（如 4-6 人高階主管 workshop），可單獨討論。
02
費用怎麼計算？
依 人數 × 天數 × 客製程度 估價，依實際客製內容報價。30 分鐘對談後我會給你具體報價單，沒看到報價前不需要決定任何事。
03
可以只上 1 天嗎？
可以。Module A（判斷力 + 部門自動化機會清單）可單獨採購為「高階主管 4 小時 workshop」，適合公司想先讓決策層理解 AI 在做什麼。
04
員工程度差異很大怎麼辦？
完全沒問題。課程會分成基礎任務與進階任務：新手先把一條流程跑通，熟悉工具的人則挑戰更複雜的資料串接或自動化情境。
05
課後員工不會用怎麼辦？
這是我和坊間 AI 內訓最大的差別：我們有 30 天追蹤期。學員回到工作崗位後卡關，可以在 office hour 直接問。
06
有沒有政府補助方案？
有。政府有針對企業與在職員工的訓練補助，方案與資格會隨年度調整，建議直接到勞動部產業人才投資方案查詢系統看最新適用方案。30 分鐘對談時我也可以協助你判斷適合哪一條。
07
線下要去你那邊還是你來公司？
老師到府（北中南皆可，台南為主場）。你只需要準備會議室 + 投影 + 學員筆電 + Wi-Fi。
08
教材是你的還是我們的？
教材著作權屬於 Sandra，但學員可以無限期使用結業時帶走的所有檔案（範本 Sheet、引導表、Code 片段、上課手冊）。教材不對外販售。
聯絡我

如果你想知道公司
適不適合上這堂課，
我們可以先聊 30 分鐘。

我會直接和你判斷：現在該不該做、適合從哪個部門開始、3 天內能期待什麼成果。

預約 30 分鐘免費內訓對談 →
sandra@mii-lab.tw 1 個工作天內回覆

不確定要從課程還是從流程開始？先看企業顧問怎麼合作 →