課堂上，一組工程師打開自己的專題，畫面裡出現一張有高低起伏的立體圖；轉個角度，就能看見中間比較高、周圍比較低的分布。原本要對著表格逐一閱讀的量測數字，在這個畫面裡有了位置，也有了形狀。
他們來自一家製造業企業的研發團隊，平常會收到一份份量測資料，記錄產品不同位置的數值。光看表格，很難立刻辨認差異集中在哪裡，團隊過去也曾用程式把數據轉成平面色塊圖，協助觀察分布。
這次在 AI 課程裡，他們沿著原本的需求再往前做，讓 AI 協助建立可以互動的立體圖像。工程師提供量測資料，說明自己想觀察什麼，再持續調整顯示方式，讓起伏與色彩更容易判讀；
畫面上的每一次修改，都得回到實際使用時想看清楚的事情。
展示到這裡，我最感興趣的是畫面背後的判斷。工程師知道哪些差異有意義，也知道看到某種分布之後，下一步可能要檢查什麼，因此他們接著加入計算功能，希望讓工具提供後續調整的參考。這些需求來自長期接觸工作的經驗，AI 則協助把想法寫成可以操作的程式。
看到工具已經能提出建議，我在現場接著問，這些結果是否準確。團隊表示，還可以加入更多實際觀察到的條件，繼續提高參考價值；當時這個版本剛做出來，尚未取得客戶使用回饋，下一步仍需要拿既有資料比對，檢查不同情況下的結果是否合理。
這段討論對我來說，和前面的展示一樣精彩。學員已經能做出相當完整的工具，接下來的學習也變得很具體，大家可以對著同一個畫面，討論哪個功能有幫助、哪些假設要再確認，以及什麼結果才算通過驗證。
對培訓負責人來說，這類專題很適合從同仁既有的工作材料開始規劃。HR 可以協助找出大家經常卡住的場景，再與講師討論適合練習的資料，先處理匿名化與必要的遮蔽；講師則把問題轉成能逐步完成的實作，讓學員一邊做，一邊用自己的專業檢查結果。
當工程師可以把腦中的需求做成畫面，原本抽象的討論就多了一個共同參照。課程後續值得追蹤的，是這張圖能否幫同事更快理解資料，以及經過驗證後，能在實際工作中協助到哪一步，讓一個課堂上做出來的作品，慢慢長成團隊用得上的工具。