在一家製造業企業的第四次 AI 課程上，一位同仁展示自己做的計算工具，說起過去夜班同事遇到問題，常要傳訊息請他協助判斷；現在同事把資料填進表格，就能依照他設定的規則取得計算結果，遇到超出範圍的情況也會出現警示，讓他終於可以比較安心地睡覺。
聽到這裡，我覺得這次課程的價值已經很清楚了。經過四次課程，各組交出的成果非常完整，從工作上的問題出發，做出可以實際操作的工具，也能說明哪些事情由人判斷、哪些交給系統處理，以及接下來還要怎麼調整。
這位同仁選擇從熟悉的 Excel 開始，把自己的專業判斷整理成計算規則，再請 AI 協助撰寫程式。當班人員依照現場資料操作，系統負責計算與提示，後續的處理仍依專業判斷和作業程序進行。
原本集中在一個人身上的經驗，開始變成其他同事也能使用的工作方法。
另一組做的是巡檢通報，將現場要走的路線與檢查項目放進手機介面，完成後可以留下數位紀錄，再把需要關注的狀況整理成通知。成果裡有個很實際的調整，是把設備未運轉與真正的巡檢異常分開呈現，減少重複訊息，讓管理者更容易看見要處理的事情；新同仁交接時，也有明確的項目可以依循。
還有一組把每月分散在不同單位的填報工作接了起來，讓系統依照排程發出通知，追蹤尚未填寫的資料，並在出現異常時引導填寫原因與改善對策。原本需要承辦人反覆對表、逐一催收的工作，有了可以持續運作的流程，填進去的資料也能接著查詢與產生圖表。
各組的成果長得很不一樣，有人做耗材管理，也有人把原本難以閱讀的量測數字轉成互動圖像。看著大家操作，我更確定，熟悉工作的人很清楚哪些欄位不能填錯、什麼時候需要提醒，以及同事實際會怎麼使用；這些細節逐步說清楚，AI 才有機會協助做出貼近現場的工具。
這次系列課程在規劃之初，企業就希望採用實務工作坊的形式，協助同仁聚焦工作痛點，再發展應用專題。課堂上的展示與追問，也讓我們能繼續檢查操作是否順暢、結果是否合理，並討論下一步要收集哪些使用回饋。對培訓負責人來說，這提供了一個很具體的合作方向，課前與講師一起找出值得處理的問題，課中再用實作成果持續校準。
第四次課程結束時，部分工具已開始使用，部分仍在測試與優化，後面還有成果整理與交流的安排。這個階段讓我感到精彩的，是大家已經能拿著自己的作品，清楚說明它解決了什麼問題，也知道還有哪些地方需要驗證。當工作經驗可以被整理、做出來，再交給同事試用，企業裡的 AI 學習就有了很扎實的進展。