「教 AI，不是學 AI」這句話我講過很多次，但沒展開講過怎麼教。這篇把它拆成可以照做的四件事：先分清楚資料庫、知識庫、規則庫，知道自己缺哪一塊；再用 3X4 資料整理法把手上的文件變成 AI 讀得懂的系統；接著學會怎麼寫一條真正有用的規則；最後把你原本帶人的方式直接搬過來。文章後半有給不太碰數位工具的老闆的一段話，那是我在現場講最有效的版本。
- 覺得自己「還沒學會 AI」所以遲遲不敢開始的人
- AI 用了一陣子，但每次都要從頭講一遍需求的人
- 文件很多但 AI 找不到重點、老是答非所問的人
- 本來就會帶團隊、會做教育訓練，但覺得自己跟科技無緣的主管與老闆
- 資料庫、知識庫、規則庫的分法，知道自己缺的是哪一塊
- 3X4 資料整理法：三種日記 × 四種時效的完整說明
- 一條好規則長什麼樣，還有四種常見的教錯方式
- 一段可以直接對 AI 說的「新人上工說明」
把順序換過來
我從來沒有花過一天在學 AI。我用 AI 的時候，心裡想的一直是「我要怎麼教 AI」，覺得它應該可以更聽話一點、更聰明一點，思考模式一直都是這樣。
這不是文字遊戲，兩種順序會長出完全不同的結果。
把重點放在學，你會一直在追工具：這個模型比上個月強在哪、那個新功能怎麼開、又出了什麼新名詞。工具每個月都在換，你永遠在補課。
把重點放在教，你累積的是另一種東西：你的判斷標準、你的做事順序、你的價值觀。這些東西不會因為換一家模型就作廢，反而是換到更強的模型時，它們會發揮得更好。
還有一個現實的理由：現在的模型已經很強了。它缺的不是能力，是關於你的資訊。它不知道你的客戶是誰、你為什麼上次拒絕那個案子、你交件前一定要檢查什麼。這些東西再強的模型也猜不到，只能你教。
那到底要教它什麼
講到這裡，下一個問題自然就來了：既然要教，那到底教什麼。
我現在不會只講「知識」這兩個字，因為大家太容易混為一談。我會分成三個：
比較結構化的東西，數據、表格、名單、報價明細。
一般的文件，會議紀錄、簡報、SOP、教材、筆記。
我怎麼下規則、怎麼下判斷。什麼情況該怎麼選、什麼絕對不做。
大部分人做到第二層就停了。知識庫裡丟了一堆文件，但文件裡不見得含判斷。有些人的文件裡會寫他的價值判斷跟規則，但大部分的人沒有，所以我另外取名叫規則庫。
缺了第三層，AI 的表現就會停在「查得到資料，但選不出答案」。它可以把你的三份報價單都念給你聽，但它不知道你為什麼上次選了比較貴的那家。
而那個「為什麼」，正好就是隱性知識：老師傅的手感、業務的判斷、主管腦子裡沒寫下來的那條線。教 AI 的核心工作，其實就是把這些東西寫下來。
東西放哪裡，它才找得到
知道要教什麼之後，下一個問題是東西放哪裡、怎麼放，AI 才讀得懂。
我自己用的方法叫 3X4，一句話講完就是：三種日記乘以四種時效。
三種日記：解決 AI 的三個不知道
解決「AI 不知道你在幹嘛」。你今天做了什麼、卡在哪、怎麼解的。
解決「AI 不懂你怎麼想」。你對一件事的判斷與理由，這一種最接近規則庫。
解決「AI 不知道你的狀態」。這週狀態如何、什麼事情消耗你。
三種的優先順序不一樣。剛開始只要寫工作日記就好，其他兩種先不碰，寫得動比寫得全重要。
四種時效：越常用的放越近
四種時效解決的是「AI 該先找哪裡」。邏輯很像人腦的記憶：
- 最近幾天放工作台或看板：本週要動的任務、進行中的事
- 最近一個月放根目錄：新建的日記、草稿、進行中的文件。這是 AI 搜尋的第一站
- 半年內放分類資料夾：告一段落的內容，按用途歸類
- 超過半年搬到備存區：搬走，不是刪掉，名字保留，需要時還找得到
兩個關鍵習慣：新檔案預設先放根目錄，先求好找，過一個月整理時再歸位，不要一建檔就為了分類美觀塞進深層資料夾；過期的搬走、永遠不刪，備存區就是你的歷史。
還有一個小動作效益特別大：每個檔名都帶時間戳開頭，格式是 `YYYY-MM-DD-HHMM 標題`。這樣檔案天生按時間排序，AI 一看檔名就知道新舊，連內文都不用開，省下來的是實實在在的成本。
這也是為什麼我說 AI 換哪一家都沒關係。只要文件在、檔名清楚、連結完整，系統就在。
一條好規則長什麼樣
檔案擺好之後，剩下最關鍵的就是規則本身怎麼寫。規則庫是三層裡最少人做、但價值最高的一層，所以這一段講具體一點。
一條能用的規則，通常有三個部分：什麼情況、怎麼做、為什麼。第三個最容易被省略，但它才是讓 AI 能舉一反三的關鍵。只寫前兩個，AI 只會照抄；三個都寫，它遇到你沒寫過的情況才知道怎麼推。
「回覆客戶要專業一點。」
沒有情況、沒有動作、沒有理由。AI 只能猜什麼叫專業，猜出來的多半不是你要的。
「客戶問價格時，先問清楚他的使用情境再報價。因為同一個服務對不同情境的價值差很多，先報數字會讓對話變成殺價。」
情況、動作、理由都在，AI 換一個情境也知道要怎麼推。
另外四種常見的教錯方式，中了就會覺得 AI 很笨：
- 只給範例不給理由。丟三份過去的文件說「照這樣寫」，AI 會抄表面格式，抄不到你的判斷。
- 每次都重講需求。這次講完下次再講一遍，等於你在當永遠的客服，規則庫一條都沒長。
- 寫得太抽象。「要有溫度」「要精準」這種詞，你自己都很難定義，AI 更不可能。改成可觀察的動作。
- 只寫該做的，不寫不能做的。紅線比正面規則更重要，因為它擋掉的是你最不能接受的那種錯。
最有效的習慣只有一個：每次 AI 做錯，不要重講一次需求，改成把那條規則補進去。這是唯一會讓你越用越輕鬆的動作。每次都重講，你就是永遠在當客服；把它寫成規則，你才是在建系統。
有一種人學這個特別快
上面講的都是方法。但我在一對一裡看到一件事，比方法更能決定一個人上不上得了手。
想打造自己的 AI 員工，其實需要兩種能力。
知道它能做什麼、不能做什麼，知道怎麼把工作交給它。這一塊大家都在補。
會拆工作、會給標準、會驗收、會在對方做錯的時候把話說清楚。這一塊很多人本來就有，只是沒想過可以用在這裡。
大家目前幾乎都在補第一塊，很少人注意到第二塊才是真正的門檻。
正因為這樣，我在一對一裡常常遇到一種很有優勢的人：本來就有組織領導、組織管理，或是教育訓練經驗的人。他們一旦抓到怎麼跟 AI 說話，速度非常快，因為帶人的那套邏輯可以直接搬過來。
反過來說，如果你交代工作一向只講「你看著辦」，那用 AI 也會卡在同一個地方，因為 AI 也需要知道什麼叫做好。
給不太碰數位工具的老闆
我遇過一些五十幾歲的老闆，他們會這樣問：我不是很會用數位工具，也不太懂 AI，我真的做得出自己的 AI 員工嗎？
我的回答通常是：你會啊，你很會教人啊。
然後我會請他把 AI 想像成一個剛畢業的新進助理。更精確一點的說法是：一個大學剛畢業的學霸，很聰明，你講什麼他都聽得懂，但完全沒有實務經驗，不知道你們公司的規矩，也不知道你在乎什麼。
但他有一個一般新人沒有的好處：你認真、耐心地教過一次，他就記得了。不會忘記，不會請假，也不會因為你上週講過所以覺得你在囉唆。只要你把那一次教好，他就可以運作得很好。
通常講到這裡，老闆就知道要怎麼開始了，而且效果都還不錯。因為他不需要學新東西，他只是在做他做了二三十年的事：帶一個新人。
可以直接複製的新人上工說明
把下面這段補完之後貼給你的 AI，它會從「通用助理」變成「你的員工」。這就是規則庫的第一頁。
如果只做一件事，從這裡開始
整篇講完，如果只做一件事，我建議這樣排：
挑你最常做的那個決定，寫下你是怎麼判斷的，記得寫理由。這是規則庫第一條。
新檔案一律 `YYYY-MM-DD-HHMM 標題`，全部先放根目錄。這一步幾乎不花時間，但 AI 找東西的成本立刻下降。
AI 做錯的時候，改成補規則而不是重講需求。這一步是整套方法會不會滾起來的分水嶺。
不用等你學會 AI 才開始。你今天就可以開始教它。
收尾
學 AI 是追著工具跑，教 AI 是把自己的判斷寫下來。前者的成果會隨著版本更新作廢，後者的成果會隨著模型變強而變得更值錢。
而且教 AI 這件事有個副作用：你會被迫把自己一直以來憑感覺做的判斷講清楚。很多人做到一半會發現，最大的收穫不是 AI 變好用，是自己終於知道自己在幹嘛。
你的文件，就是你的系統。
延伸閱讀
- AI 知識焦慮的解法：在快速變動的時代，找到十年不變的錨點 規則庫要寫什麼，取決於你想完成的那件事是什麼。
- 為什麼你的 AI 導入沒有效果：從三層論到組織那面牆 把判斷寫下來，正好是那篇說的第三層入場券。
- 資訊時差與市場預測：怎麼比市場早一步，又不會早太多 工具會一直換，規則庫是換工具時唯一帶得走的東西。
- AI 常見問題 37 問 這篇的原始出處，一對一收到的問題全集。