分享會走到這裡，已經換過三種樣子。一開始，題目自由、沒有獎勵，大家分享的是自己生活或工作裡的 AI 使用經驗。後來大家輪過一輪，再把先鋒小隊的工作成果帶進來，讓更多同事看見，AI 可以怎麼接進部門的工作流程，但這個轉變一樣有極限，先鋒小隊的人數也有限。工作成果講過一輪後，新的嘗試還需要時間，總不能為了下一場分享會，就要求大家再做出一個新成果，我開始發現，如果內容只來自組織裡既有的經驗，分享會遲早會再次遇到同一個瓶頸，於是到了第三個階段，我開始主動往外找。

把自己吸收的新知，帶回組織裡

網路上不缺 AI 討論，我自己也會參加外部研討會，這些內容原本主要是我個人吸收的新知，後來我開始有意識地挑選其中跟組織工作有關的部分，帶回分享會，這件事需要做一些轉譯，外面的研究可能很有趣，但大家未必在意它使用哪個模型、技術架構多新。我需要先想：它跟我們正在做的事，有什麼可能的關係？哪些部分值得帶回來？講到什麼程度，大家才有機會接著想下去？

有一次，我分享怎麼把工作步驟寫成 Mermaid 流程圖語法，放進 System Prompt，嘗試讓 AI 更清楚掌握任務順序和不同條件下的處理方式。這延續的是大家已經在做的事：當一段工作有好幾個步驟，光用一大段文字交代，是否還有其他表達方法，可以幫我們把流程講得更清楚？

另一次，我帶來高露潔棕欖公司與 PyMC Labs 合作的消費者研究。研究者讓 AI 模擬消費者對商品的購買意願，先產生文字回應，再用語意相似度把回應轉成評分分布，最後與真實調查結果比較。研究使用 57 份個人清潔用品調查、約 9,300 名消費者的回覆進行驗證；在商品購買意願的相對比較上，達到人類重測可靠度約 90% 的表現。對於強調BML(Build Measure Learn)的我們，在正式投入資源以前，或許可以先用 AI 探索一些假設，幫助我們整理值得向真人確認的問題。

這些沒有直接替我們解決一項眼前的工作，卻打開了另一種想像。

當場沒有討論，不代表內容沒有留下來

這兩場分享，當下不一定引起很多討論。如果只看現場的反應，很難判斷大家到底吸收了多少，或是覺得跟自己有沒有關係，效果反而是需要隔了一段時間，才慢慢浮現。後來大家討論其他 AI 應用的可能性時，會回頭提起分享會聽過的東西。最近就有同事想到，之前介紹過用 AI 模擬消費者回答問卷的方法，現在也想找個情境試試看。

這讓我對分享會的效果，多了一種理解，有些內容不會立刻變成行動。聽到的當下，一個人可能還沒有合適的問題可以使用；等到工作裡出現新的需求，才突然想起：「之前好像聽過一個方法。」，分享會帶進來的內容，有時候會先成為一個留在腦中的可能性，等到有關係的問題出現，再被拿出來。所以，我也開始提醒自己，不必每一場都期待熱烈討論，或是分享結束後，大家立刻做出什麼。我更想觀察的是，這些內容會不會在後來的工作對話裡，再次出現。

大家需要的東西，也在慢慢改變

回頭看這三個階段，我覺得改變的不只是分享會的內容，還有大家需要從這個場合得到什麼。

一開始，很多人跟 AI 還有距離。分享會先讓人親近它，看見同事也在試，也會出錯，感覺自己好像可以參與。

後來，有一群人真的把 AI 放進工作裡。分享會讓他們帶著具體經驗站出來，讓其他人看見這些做法如何落地。

再往後，當組織裡累積了更多使用經驗，我們需要的又往前走了一點：除了交換已經做過的事，也需要持續接觸尚未想到的做法。

這不代表每個人都走到同一個位置。有些人還在摸索，有些人已經能自己做流程。但分享會可以同時讓大家看見組織裡的進展，也接觸外面正在發生的新可能。

技術持續演變，總要有人願意把新的東西帶進來，再跟眼前的工作連起來。

這個角色未必一直由我承擔。只是到了這個階段，我開始有意識地做這件事。

留下一個能持續帶進可能性的地方

分享會的頻率也跟著調整，一開始每週一次，後來穩定在兩週一次，這個節奏比較符合我們準備內容、實際嘗試，以及消化新東西需要的時間。我現在期待分享會能穩定承擔的，是這樣一個角色：讓組織持續有機會接觸新的方法，並一起思考它跟自己的工作有什麼關係，內容的來源可以換人，主題也可以改變，有時候來自同事的實作，有時候來自外部研究，也可能只是某個人帶回來、還沒有想清楚的一個問題，只要組織還有想完成的目標、還有卡住的工作，就值得留下一個地方，讓這些新想法有機會被看見和討論，分享會最初面對的是「怎麼讓大家願意分享」。

走到現在，我更在意的是：怎麼讓組織對 AI 的想像，不要停在我們已經會做的那些事情上。