▋ Belief｜非技術團隊不是排斥 AI，而是排斥看不懂的改變
很多教學失敗，不是因為 AI 不夠強，而是因為教學設計從一開始就站錯了位置。你直接丟工具、丟功能、丟操作畫面，對非技術背景的讀者來說，就像把一台飛機拆開，然後要求他先背完每個螺絲名稱才准上路。人們真正需要的，不是更多選單，而是「這東西到底跟我有什麼關係」的清楚答案。
當一個老師、顧問、主管、或內容創作者想導入 AI，最常見的迷思是：只要把工具講清楚，大家就會用。但實際上，學員不會因為知道功能很多就自然採用；他們會先判斷這件事有沒有價值、會不會增加工作量、會不會讓自己看起來很笨、會不會最後還是回到原本的手工模式。換句話說，教學不是展示功能，而是降低心理成本。
好的 AI 教學，不是讓人記住哪個按鈕在哪裡，而是讓人相信：這件事值得學，而且學得會。
為什麼 BDI 特別適合拿來設計 AI 教學
- Belief 先處理認知：先讓學員看見現實、破除迷思、理解為什麼舊方法已經不夠。
- Desire 再處理動機：把學員真正想要的結果說清楚，例如省時間、少重工、增加產出、降低焦慮。
- Intention 最後才是行動：給出能立刻試的步驟，讓學員今天就能做出第一次成功。
▋ Desire｜你要的不是「會上課」，而是「學完真的會用」
如果你是教練或老師，你真正賣的不是簡報，而是轉變。學員來上課，不是想欣賞你的知識量，而是想知道自己回去之後能不能少花 30 分鐘、少打一封信、少改三次文件、少重做一次提案。對非技術背景的人來說，AI 的價值不在於潮，而在於是否真的能進入日常工作。
所以，教學內容一定要從他們熟悉的場景開始：整理會議摘要、生成回覆草稿、把零散靈感變成文章、把客戶需求整理成提案、把課後紀錄整理成下一步行動。這些場景比「模型原理」更有感，因為讀者立刻知道：原來 AI 不是另一個要學的系統，而是替我省力的助手。當讀者有了具體渴望，學習動機才會真的站穩。
另一個常見錯誤，是把所有人當成同一種學習者。其實，完全沒碰過 AI 的人，先需要信心；已經用過的人，先需要方法；會用但不穩定的人，先需要流程。教學設計如果不分層，就會變成對新手太快、對老手太慢，最後誰都沒被照顧到。
如果你要把 AI 導入課程、團隊訓練、工作坊或一對一顧問案，先別急著做出「完整教學包」。先做出一個能讓學員在 15 分鐘內成功的場景，因為第一次成功會直接決定他們會不會繼續學。教學真正的 KPI，從來不是你講了多少，而是對方願不願意回去再做一次。
▋ Intention｜用 BDI 把一堂課變成一套可複製的學習路徑
第一步：先寫 Belief 段。 用一個真實問題開場，不要先講工具名稱。你可以從「為什麼你現在寫報告還在手動整理」或「為什麼你明明很忙卻總覺得沒有產出」這種句子開始，先把舊模式的痛點照亮。
第二步：再寫 Desire 段。 明確講出學員想要的結果，最好用生活化語言。不是「提升效率」這麼空，而是「把一份會議紀錄從 40 分鐘縮成 8 分鐘，還能保留重點與待辦」。越具體，越容易讓人相信這件事值得做。
第三步：最後才給 Intention。 不要一次塞十個功能。先設計一個能在 10 分鐘內完成的成功經驗，例如：輸入一段原始文字，請 AI 產出摘要，再讓學員手動修正一次。當學員真的做出第一個成果，信心會比你講一百句更有用。
第四步：把成本講清楚。 若使用雲端 AI，要提醒 token 與訂閱費用；若使用地端工具，要說明設備需求與維護成本。教學不該假裝工具免費，因為低估成本的人，最後最容易中途放棄。
第五步：安排人回來。 AI 可以輔助，但不能取代判斷。任何涉及對外發布、客戶承諾、敏感資訊與決策風險的內容，都應該加入人工覆核。這不是保守，而是讓學員知道：我不是被工具推著走，而是我在駕駛工具。
如果你想把 AI 教學、內訓、工作坊，做成真正能落地、能被不同背景學員接住的版本，先不要急著加功能。先把 BDI 認知模型設計好，學習就會開始變得可理解、可接受、可執行。立即預約 AI 系統健檢：https://rd.coach/contact/
