先鋒小隊帶到現在，開始有一群人，用 AI 用得愈來愈深，方向也愈來愈靠近寫程式，一開始，我以為這是遲早的事，只要大家真的把 AI 用起來，所有人就會慢慢從問問題、整理資料，走到讓它動手做事，最後給它一個目標，讓它自己決定怎麼完成。但真的跟大家相處下來，我發現，不是每個人都需要走到同一個地方。更準確地說，就算是同一個人，手上的不同工作，也未必適合交給 AI 到同一個程度。

這讓我開始重新整理：我們說「把 AI 用起來」，到底是在說什麼？

把 AI 當成一個剛報到的新人

這段時間，我慢慢整理出一套框架，用來描述 AI 怎麼融入工作。比喻的原型，還是我一直習慣的那個想法：把 AI 當成一個人。

第一個階段，它像一個剛報到的博士。博學多聞，很多事情都能聊上幾句，卻還沒真正待過這個組織，公司在做什麼、大家怎麼合作、工作裡有哪些眉角，它並不知道。知道很多事情，跟能把這裡的工作做好，中間還有一段距離。所以接下來要做的，是幫它 onboarding。

到了第二個階段，它開始像一個剛上手的新人。我們把職務、規矩和需要參考的資料交給它，讓它回答問題時，能夠依照組織的脈絡來思考。對應到我們當時使用的做法，System Prompt 比較像職務說明與工作原則；RAG 則像是讓它查得到工作需要的參考資料。這些安排，是把原本只存在我們腦中的背景，整理成 AI 用得上的脈絡。

第三個階段，則開始讓它真的動手做事。這時候，除了知道事情，也要能操作工具、接進工作流程。我們把組織裡的 SOP 整理出來，讓 AI 在適當的步驟參與判斷，再透過工具完成後續動作。早期用 n8n 串接，或後來直接寫程式，都可能是在做這件事。

到了第四個階段，才更接近我想像中 Agent 的工作方式：我們交付目標，讓它在約定的範圍裡，判斷中間該怎麼做。就像帶一個新人，開始時需要把步驟講清楚；等到確認它能穩定完成工作，才逐漸增加授權。但即使走到這裡，目標、驗收標準，以及哪些事情需要回來確認，還是要說清楚。信任累積起來，改變的是我們交付工作的方式。

一張是人的學習地圖，一張是工作的交付地圖

先鋒小隊剛開始上課時，我也整理過一份四個階段的教材：從跟 AI 聊天，到設定 GPTs 或 Gem，再到用 n8n 串接流程，以及透過 Vibe Coding 做程式開發。那張地圖，幫大家看見有哪些東西可以學，也知道自己接下來可以往哪裡探索。現在這套新人報到的框架，看的則是另一件事：**在這份工作裡，我們準備把多少責任交給 AI？**兩套框架都有四個階段，看的角度卻不同，這是我持續跟先鋒小隊互動，加上分享會裡聽到的各種回饋，才慢慢整理出來的。學會寫程式，不代表就能把工作中的判斷全部交出去；只用對話介面，也可能已經把組織脈絡整理得很好，讓 AI 成為可靠的工作助手。

要走多深，得回到眼前的工作

一開始，我以為大家會走到哪個階段，跟職務比較有關。像是比較單純的行政工作，也許停在前兩個階段就夠了。後來我發現，這樣想太粗略，同樣是行政業務，裡面可能有規則清楚、重複性高的部分。每次都要做，而且做法差不多，就值得多花一些時間，把它整理成流程，讓工具接手。但也有一些工作，每次遇到的情況都不同，需要先理解當下的脈絡，再做判斷。這時候，讓 AI 協助整理資料、提出可能的方向，也許已經很有幫助。要不要再往下交付，就得看它能不能可靠地處理那些差異，以及我們有沒有能力驗證結果。

所以，真正要問的，逐漸從「這個人能不能學到下一階段」，變成了「這份工作，值得投入到什麼程度」。省下多少時間、會重複多少次、出錯之後能不能發現，以及後續要花多少力氣維護，都會影響這個判斷，有些工作值得做成自動化，有些工作適合保留人的確認。

技術，是順著工作需要長出來的

回頭看先鋒小隊裡那群愈來愈靠近技術的人，他們走到那裡，是因為手上的工作，開始出現值得繼續往下做的部分。想讓流程真的跑起來，就得研究串接；想處理原本工具做不到的事情，就開始碰程式；想讓 AI 更穩定地完成任務，就得進一步理解那些原本陌生的技術名詞。**工作裡有了需要，學習才有了方向。**這也驗證了：先聽大家正在做什麼、卡在哪裡，再補上需要的概念，往往比我先把所有新技術介紹一遍，更容易讓人真的用進工作裡。

而不論走到哪個階段，中間運作的心法仍然是同一套：把脈絡交代清楚，觀察表現，確認結果，再逐步增加責任。帶先鋒小隊到這裡，我開始放下原本那個「大家最後都會走到同一個終點」的想像。把 AI 用好，是知道這份工作適合交給它什麼，也知道哪些判斷，還需要自己留下來。