如果只看「產出」，AI 已經可以做很多事：找資料、整理訪談、列課綱、寫教材初稿、產生練習題、做簡報文字、整理 FAQ，甚至幫忙分類學員問題。
但產出很多檔案，不代表已經做出一門能幫助學員完成結果的課程。
UNESCO 的 Guidance for Generative AI in Education and Research 把生成式 AI 放在以人為中心（human-centred）的教育框架裡，強調資料隱私、人類主導、倫理驗證與教學設計。2024 年的 AI Competency Framework for Teachers 也把 human agency、ethics、AI pedagogy 與 professional learning 列為教師 AI 能力的一部分。這些原則都指向同一件事：AI 可以進入教學流程，但教學責任不會因為用了 AI 就消失。
先把「做課」拆開，才知道 AI 能幫到哪裡
一門線上課程通常不只包含錄影。從前到後，至少會碰到：
- 確認學員與問題。
- 定義課程成果。
- 研究與整理專業內容。
- 設計課綱與學習順序。
- 製作教材、逐字稿與簡報。
- 設計練習、作業與成果檢核。
- 寫招生與說明內容。
- 處理學員問題與營運資料。
- 根據實際結果更新課程。
AI 對這些工作的幫助程度不一樣。最簡單的判斷方式，是看這個任務需要多少「既有資料整理」，以及多少「真實專業判斷」。前者越多，AI 越容易加速；後者越高，講師就越不能離開決策核心。
1. 市場與學員研究：AI 可以整理，但不能替你創造真實需求
你可以把訪談逐字稿、客服問題、舊文章、Email 回覆、問卷與社群留言交給 AI，請它協助分類高頻問題、找相似語句、整理疑慮與可能的學習需求。
這對資料量很大的講師很有幫助。原本要讀幾十頁內容，AI 可以先做第一輪整理，讓你比較快看到模式。
但 AI 整理出「大家可能想學什麼」，不等於市場已經被驗證。需求仍要回到具體情境：誰在什麼時候需要解決什麼問題、這個問題值不值得付費、過去用過哪些替代方法，以及願不願意採取下一步。
這也是 Jobs to Be Done 的核心：先理解學員想完成的進步，而不是先決定要賣哪一種課。
2. 課程成果：AI 可以提供選項，但成果承諾要由講師決定
AI 很容易產生「學完你將學會 10 件事」的清單，但課程成果不能只看文案是否完整。
講師要判斷的是：
- 學員目前從哪裡開始？
- 課程結束後，合理可以做到什麼？
- 哪些因素是課程可以控制的？
- 哪些結果還取決於學員執行、市場或其他外部條件？
- 要看到什麼證據，才能說學員真的完成？
AI 可以幫你把成果寫得更清楚，也可以比較不同版本，但它不能替你保證一個你自己都無法驗證的結果。
3. 課綱設計：AI 很適合找缺口，但順序要服務學員成果
課程規劃比較適合採用「成果 → 必要步驟 → 課程架構 → 教學內容 → 實際執行 → 品質驗收」的順序。放到 AI 協作上也一樣：先有成果，再請 AI 協助拆步驟，比一開始直接問「幫我生 10 章課綱」可靠。
AI 可以協助：
- 把大量素材分到不同主題。
- 找出重複內容。
- 檢查前置知識是否漏掉。
- 比較兩種課綱順序。
- 把太大的單元拆小。
- 找出某個成果缺少哪個必要練習。
但最後還是要回到一個問題：這個單元對學員完成成果有沒有必要？如果沒有，內容再精彩也可能只是增加負擔。
如果你已經累積很多專業內容，但不知道怎麼整理成可教的方法，可以延伸看專業人士如何建立自己的方法論？把多年經驗整理成可教、可賣的系統。
4. 教材與文案：AI 可以寫初稿，但不能自行補專業事實
教材、講義、課程介紹、Email、FAQ 和影片逐字稿，都很適合用 AI 加快第一版。
問題是，AI 很容易把語句補完整，卻不一定知道哪些內容是你真的做過、哪些案例可以公開、哪一個數字有來源、哪個方法只適用特定情況。
因此，正式課程文字最好先鎖定：
- 你的方法與流程。
- 可公開案例與證據。
- 價格與交付條件。
- 可承諾與不可承諾的成果。
- 引用來源與更新日期。
上一題AI 可以取代課程企劃、文案和行銷嗎？已經把這個分工拆得更細。AI 可以提高生成效率，但事實與承諾仍需要人確認。
5. 簡報與錄課：AI 可以縮短製作時間，但不能替你決定怎麼教
AI 可以把逐字稿整理成投影片大綱、縮短頁面文字、提出圖表建議、產生講者備註，也可以協助檢查前後重複。
但一份好簡報不是把教材切成很多頁。講師仍需要決定：
- 這一頁希望學員理解哪個重點？
- 哪裡需要示範，而不是只用文字說明？
- 哪個概念需要案例或比較才能懂？
- 什麼內容應該放講義，不該塞進投影片？
同樣地，錄課逐字稿可以由 AI 協助整理，但講師需要確認它能不能自然說出口、概念有沒有教清楚、案例是不是真的，以及學員聽完後知道下一步要做什麼。
6. 練習、作業與測驗：AI 很會出題，但不能只用「有題目」代表學會
AI 產生選擇題、反思題、情境題與練習題很快，這能省下大量初稿時間。
更重要的是檢查題目和成果之間有沒有關係。
如果課程成果是「能完成一份自己的課程定位」，最後只考名詞定義，就無法證明學員具備定位能力。比較合理的作業，可能是要求學員完成客群、問題、成果與適配條件，再用明確標準檢查。
AI 可以幫忙設計評分規準（rubric）與提供回饋草案，但完成標準仍要由懂這個專業的人決定。
7. 學員問答與陪跑：AI 可以先整理，但不該冒充講師判斷
課程上線後，AI 可以幫忙把重複問題整理成 FAQ、把學員提問分類、找出哪個單元最常卡住，甚至依既有教材協助產生初步回覆。
但遇到高度情境化、牽涉重要決策或超出課程範圍的問題，就需要人工接手。
尤其是高價課程，高價課程學員付費時，往往還期待少走彎路、得到判斷與回饋，不只是取得更多資訊。這部分如果全部交給通用 AI，方案本身的差異也可能一起被削弱。
8. 營運與更新：AI 很適合找模式，人要決定改什麼
AI 可以協助整理完課率、常見問題、作業回饋、客服分類、直播逐字稿與學員留言，幫你更快看出可能的卡點。
但發現「第三章問題最多」之後，還要判斷原因。是內容太難、前置知識不足、作業說明不清楚，還是這一章本來就是最需要練習的地方？
AI 可以提出假設，人需要回到真實資料與學員表現確認。
一張表看懂：AI 可以做到哪一層？
| 階段 | AI 適合做 | 講師必須負責 |
|---|---|---|
| 市場研究 | 整理訪談、分類問題、比較資料 | 確認真實需求與付費價值 |
| 成果設計 | 提供表達版本、找缺口 | 決定合理成果與限制 |
| 課綱 | 拆步驟、重排、去重 | 判斷必要性與學習順序 |
| 教材 | 初稿、摘要、改寫、格式整理 | 專業事實、案例與證據 |
| 簡報 | 頁面大綱、文字精簡、備註初稿 | 教學節奏與示範設計 |
| 作業 | 產生題型、回饋草案 | 完成標準與能力驗證 |
| 學員支援 | FAQ、分類、重複問題整理 | 情境判斷與重要決策 |
| 營運 | 整理數據、找模式、提出假設 | 確認原因並決定改版 |
判斷能不能交給 AI，可以用 4 個問題
- 輸入資料夠不夠真實？如果 AI 只能靠猜，輸出再完整也不可靠。
- 結果能不能驗證？越能用來源、規則或成果檢查，越適合 AI 協助。
- 出錯成本高不高？牽涉承諾、價格、法規、重要決策時，要保留人工檢查。
- 需要多少專業情境？越依賴例外、經驗與個案判斷，越不能只靠通用答案。
這四題可以用在任何 AI 導入決策。判斷重點在於你能不能提供可靠輸入、驗證輸出，並承擔最後的決定。
AI 參與做課，可以分成 3 個層級
每一種工作適合的自動化程度都不同。比較實用的做法，是依風險與可驗證程度分成三層。
第一層：AI 當整理助手
適合訪談摘要、素材分類、重複內容整理、格式轉換、FAQ 彙整。這類工作通常輸入明確、容易回頭核對，AI 可以多做一些，講師只需要抽查與確認。
第二層：AI 和講師共同完成
適合課綱、教材、練習、簡報、Email 與課程說明。AI 先提出版本，講師再依學員情境、專業方法、案例與教學目的調整。這一層最重要的是保留版本差異與事實查核，不把第一版直接當定稿。
第三層：講師主導，AI 只提供建議
成果承諾、價格、學員適配、重大案例判讀、專業例外、法規風險與高影響決策，都應該由講師或具責任的人主導。AI 可以列出選項或提醒缺口，但不能因為回答流暢，就自動取得決策權。
這三層沒有固定比例。同一門課在不同階段也可能調整。判斷原則很簡單：越容易驗證、出錯成本越低，AI 可以做得越多；越接近承諾、責任與重要判斷，人就要站得越前面。
AI 做課最容易犯的 5 個錯誤
- 先生成課綱，再找市場：看起來很完整，但可能沒有人需要。
- 把內容量當價值：AI 很容易生出更多章節，卻不代表學員更容易完成成果。
- 把通用資訊當自己的方法：文章很多、教材很多，卻沒有專業差異。
- 沒有查證案例與數字：AI 補出的細節一旦進正式教材，就會變成可信度風險。
- 只看製作完成，沒有看學員完成：影片上線不等於學習成果成立。
AI 時代，講師更像課程系統的負責人
UNESCO 的 AI Competency Framework for Teachers 強調 human agency 與 human accountability。放到知識型課程裡，可以理解成：講師不必親手完成每一個文字與整理動作，但要知道為什麼這樣設計、怎麼確認它是對的，以及出現問題時怎麼修正。
AI 可以把很多製作工作變快，講師的時間就更應該放在客群理解、方法萃取、案例、判斷、回饋與成果驗證。
這也和前一篇人人都有 AI 之後，專業工作者怎麼建立競爭優勢？相呼應：工具越容易取得，越需要把自己的專業整理成可驗證的方法與資產。
常見問題
AI 可以直接幫我生出完整線上課程嗎？
可以產生一套看起來完整的草案，但不代表市場需求、課程成果、專業事實與學習設計都已成立。比較安全的方式，是先提供真實客群、問題、案例與方法，再讓 AI 協助整理與製作。
我完全沒有課綱，可以先叫 AI 幫我規劃嗎？
可以先用來探索，但不要直接把第一份課綱當定稿。先確認學員要完成的結果，再檢查每一章是否是必要步驟，能避免內容越做越多卻沒有清楚學習路徑。
AI 可以幫忙做作業和測驗嗎？
可以產生題型與初稿，但作業要能驗證課程要培養的能力。講師需要決定完成標準、評分規準與哪些錯誤代表學員仍未掌握。
AI 可以代替助教回答學員問題嗎？
可以先處理有明確教材依據、重複性高的問題，但高度情境化、重要決策、課程邊界或可能造成實質風險的問題，應交由真人確認。
用了 AI 之後，做課是不是可以很快完成？
製作速度可以大幅縮短，但市場驗證、專業萃取、案例整理、教學測試與學員成果仍需要時間。AI 能縮短部分製作工時，不等於能跳過這些驗證。
參考資料
UNESCO, Guidance for Generative AI in Education and Research.
UNESCO, AI Competency Framework for Teachers.
International Labour Organization, Generative AI and Jobs: A 2025 Update.