GM815 / Module 12026-09-16

先認識彼此,
再一起把 AI 變成工作能力。

GM815 生成式 AI 與智慧管理應用 · Week 01

盧政良 助理教授財金學群 / 元智大學管理學院
W01 / 開場Module 1 · 02

先理解這一班的組成:我們帶著不同的產業經驗進入課堂。

36 筆課前回覆;以下只呈現彙總資訊,不展示公司、姓名、生日或個別職稱。

製造、科技、物流

從工廠、品質、硬體、供應鏈到營運與倉儲。

金融、建設、醫療

從金融服務、工程管理到照護與行政流程。

公共行政、教育、零售與服務

不同組織的制度、客戶與工作限制也會不同。

這門課最重要的學習資源之一,是學員彼此所帶來的領域知識。

參考:課前調查 · 36 筆 · 2026-09-15

W01 / 開場Module 1 · 03

多數學員已經使用 AI;真正的落差在於能否納入正式工作流程。

本班多數學員已有 AI 工具使用經驗,因此課程不從基礎聊天操作開始。

33 / 36

已用 AI 做資料搜尋與資訊整理。

23 / 36

已用 AI 做文字、報告或提案撰寫。

3 / 36

曾用 AI 做工作流程自動化。

25 / 36 希望學會 Agent 與工作自動化:學習需求已從單次使用進一步延伸至工作流程整合。

參考:課前調查 · 36 筆 · 2026-09-15

W01 / 開場Module 1 · 04

學員期待的,不只是更好的 Prompt,而是可持續的工作方法。

期待與痛點幾乎都指向:決策、流程、資料與可持續的工作方式。

26 / 36

期待 AI 輔助問題分析與管理決策。

25 / 36

期待 Agent 與工作自動化。

23 / 36

期待 Excel/數據分析;同樣有 23 筆期待報告/簡報。

最常遇到的困難人數
不知道如何整合進既有工作流程19
不知道如何問/擔心資料正確性與幻覺17 / 17
不知道不同工作該選哪種工具/擔心機密個資資安13 / 13

參考:課前調查 · 36 筆 · 2026-09-15

W01 / 開場Module 1 · 05

認識一位不同產業或職能背景的同學。

請優先與原本不熟悉,且產業、職能或 AI 使用方式不同的同學進行交流。

90 秒/人

① 我現在主要負責什麼?
② 有哪一件工作每週反覆做?
③ 目前 AI 已協助到哪一個環節?仍有哪些限制?

最後共同辨識一項問題

找出一個跨產業皆可能出現的共同問題:資料、判斷、文件、交接或核准。

分享時不需重述對方履歷;請聚焦說明你們辨識出的共同工作問題。
W01 / 開場Module 1 · 06

授課者背景:工作長期位於三個領域的交會處。

Finance × Software × AI;這也是本課程的主要設計視角。

Finance

金融工程、衍生品、量化交易、風險與金融資料。

Software

軟體工程、系統設計、平台、基礎建設與可重現流程。

AI

Machine Learning、Generative AI、LLM、Agent 與 AI-assisted development。

現職:元智大學管理學院財金學群助理教授;Ph.D. in Computer Science & Information Engineering, National Taiwan University.

參考:元智大學教師資料 · 盧政良個人頁面 · Arthur Lu

W01 / 開場Module 1 · 07

目前進行中的專案,也圍繞同一個核心問題。

如何將 AI 從概念展示轉化為可使用、可管理且可交付的系統?

ScholarOS

把知識、課程、研究與專案變成可結構化、可追蹤的平台。

AI Coaching

領導/管理情境模擬:角色狀態、多輪對話、策略與評分。

Local AI / Agent

地端 LLM、Coding Agent、RAG、Workflow;處理隱私、成本與控制權。

Knowledge Copilot

把內部規則、專業知識與即時資訊接到決策流程。

成功與失敗案例皆可作為系統分析、驗證與設計反思的材料。
W01 / 開場Module 1 · 08

學員提供領域知識;課程提供系統化方法。

這門 EMBA 課程的價值,在於結合產業領域知識與系統化的 AI 設計方法。

學員提供

產業規則、真實流程、例外、責任、客戶與組織限制。

課程提供

AI 能力邊界、資料與工具架構、規格、測試、驗證與自動化方法。

Domain expertise理解工作與判斷條件
→
AI system design安排資料、工具與責任
→
Usable workflow形成可執行、可查核的流程
本課程不以培養 AI 工程師為目標;18 週後,學員應能將自身工作問題定義為可供工程實作與驗收的需求規格。
W01 / 開場Module 1 · 09

因此,本課程不以 Prompt 技巧作為主要學習主軸。

Prompt 是重要介面,但能進入組織的工作方法必須可交付、可驗收且可重跑。

回答 → 成果

不只一句好答案,而是能交接的表格、文件、分析或草稿。

對話 → 規格

把「幫我處理」改成輸入、輸出、限制、例外與驗收條件。

工具 → 系統

把搜尋、計算、資料、權限、核准與失敗處理組成流程。

Prompt 是介面;規格、證據與流程才是管理制度。
W01 / 開場Module 1 · 10

四個模組,完成同一條能力升級。

每個模組都留下下一階段可直接使用的成果。

階段核心問題累積成果
M1 · W01–04怎麼讓 AI 的輸出可用、可查、可控制?任務卡、規格、證據表、微型流程
M2 · W05–08資料如何支持管理判斷與表達?分析、管理備忘錄、決策簡報
M3 · W10–15如何把多步工作做成可重跑系統?原型、工具串接、測試、交接
M4 · W16–18什麼條件下組織才應該部署?治理、成本、風險與部署提案

參考:課程頁工作稿

W01 / 開場Module 1 · 11

第一週即選定一項工作情境,後續逐步將其轉化為可驗收的系統設計。

專案題目自第一週開始累積,不延至期中才啟動。

W01任務卡 v1
→
W04可控微型流程
→
W09期中設計報告
→
W18成果+證據+部署判斷
剛才互訪中提到的重複性工作,即可作為第一個候選題目。

參考:課程頁工作稿

W01 / 驗收Module 1 · 12

共同核心不以工具方案區分;以可驗證的學習證據為準。

20 筆免費版、15 筆付費版、1 筆尚未使用工具。

每次至少留四樣

Input:資料與版本
Instruction:任務與限制
Output:可比較的成果
Check:誰驗證、如何修正

資料界線

真實公司資料先確認可使用範圍;敏感資料不直接拿來做課堂示範。

證據優先於流暢表達:文字表述完整,不等於工作已完成。

參考:課前調查 · 36 筆 · 2026-09-15課程頁工作稿

W01 / 開場Module 1 · 13

先記錄三項初始判斷;主課結束後再次回答。

不查閱資料;每題以一句理由說明當下判斷。

  • AI 列出來源,是否代表已查證?
  • 你貼入一份文件,是否就是重新訓練模型?
  • AI 寫好一封信,是否代表可以寄出?
講者提示

Module 1 導覽正式課程入口
投影片總覽