跳到主要內容

適合對象

  • 需要評估部門 AI 導入 Use Case 的主管與承辦人
  • 準備把已排序的 Use Case 帶進真實產業共創專案的轉型負責人

學習成果

  • 理解 AI 的能力邊界、風險與人工審查方法
  • 完成 AI Use Case Discovery Canvas、Process & Pain Point Map 與 Use Case Portfolio
  • 把候選 Use Case 轉成 Project Charter,驗證 Proof of Value,並規劃企業轉型路線圖

培養的能力

  • AI 素養
  • Prompt 與 Context 設計
  • 驗證與佐證
  • Responsible AI 與資料安全
  • AI 應用與 Use Case 設計
  • AI 任務判斷
  • 指令設計
  • Context 與來源判斷
  • 輸出驗證
  • Human–AI–Human 工作流程
  • 負責任使用
  • 任務框定
  • Context 選擇
  • 執行設計
  • 輸出驗證
  • 人工把關
  • Use Case 設計
  • Use Case 探索
  • 問題框定(而非解法)
  • AI Use Case 模式判斷
  • User、Owner 與結果角色
  • 可衡量的期望結果
  • 資料需求與授權意識
  • 風險與人工審查框架
  • 流程探索
  • 中性、可追問證據的訪談問句
  • 有界限的現況流程繪製
  • 交接點辨識
  • 判斷點紀錄
  • 痛點分類法
  • 根因作為待驗證假說
  • 區分已觀察與已推估的基準值
  • 證據可信度判斷
  • 試點設計
  • 價值作為可衡量結果
  • 技術可行性評估
  • 組織準備度評估
  • 風險可見性與治理升級
  • 證據信心評估
  • Portfolio 思維
  • 可執行的下一步、負責人與檢視日期
  • 產業 AI 專案 Charter 撰寫
  • 產業 AI PoV 原型與評估設計
  • 企業 AI 轉型路線圖規劃

開始前需要完成

無

  • IL 301 · IL 301|企業 AI Pilot 與導入實驗室

課程順序

  1. 1.AI 101 Claude AI 工作力基礎課程
  2. 2.AI101L AI 工作力實作:從工作任務到 AI Use Case
  3. 3.AD 101 AI Use Case Discovery:找出值得做的 AI 應用
  4. 4.AD 102 Process & Pain Point Discovery:流程與痛點發掘
  5. 5.AD 103 AI Use Case Prioritization:AI 應用組合評估與排序
  6. 6.IL 101 IL 101|產業 AI 專案與價值設計
  7. 7.IL 201 IL 201|產業 AI Proof of Value 共創實驗室
  8. 8.IL 302 IL 302|企業 AI 轉型、擴散與價值實現

下一步

AI 101 · Claude AI 工作力基礎課程

開始這條路徑

返回學習路徑