案例01｜Personal AI-Literacy Coach：10–20 分鐘訪談與 12 個月進階計畫

核心表格

核心主題 主要觀點／方法 實務用途 重要條件／限制
Incremental gains 用小幅、持續改善取代一次性大型優化 降低改變成本並形成習慣 需要穩定回顧與回饋節奏
Green-light thinking 先探索可行性與可能性，再進入限制與審查 增加創意與實驗 不能忽略後續治理與風險
Feedback loops 建立個人、團隊、組織層級的回饋－改善循環 讓學習與採用持續修正 回饋必須真正改變行動
採用與 KPI 建立有意義的關鍵績效指標（Key Performance Indicator, KPI），同時看使用與業務影響 衡量 Copilot 採用價值 只看登入／活躍使用不足以代表成果
Dashboard 讓採用、技能、使用情境與 friction 可視化 協助 AI council 與領導層持續決策 資料定義與品質需一致
技能持續發展 tiered learning、community-powered learning、career development 建立長期 AI 能力 培訓內容要隨角色與能力進展更新
未來準備 監測 Microsoft AI roadmap、建立 scenario-based readiness 降低新功能造成的被動反應 不能把未發布功能當成確定計畫

文字說明

1. Continuous improvement 是採用的長期引擎

第 11 章把 Copilot 導入從 rollout 轉成 ongoing improvement。核心不是一次找到「最佳用法」，而是不斷根據回饋與結果調整工作方式。

2. Feedback loop 要跨三個層級

個人可調整自己的提示與技能；團隊可分享流程與教訓；組織則用治理、指標與資源配置處理系統性問題。

3. KPI 要連結價值，而不只連結使用

採用率、使用頻率可以提供訊號，但真正的成功需要看到時間、品質、決策與工作流程改善。精確指標應由 dashboard、Power BI 或試算表等可稽核系統計算。

4. 學習路徑也需要持續升級

原書主張從 implementation training 走向 tiered learning、社群學習與職涯發展，讓 AI 能力成為長期專業能力的一部分。

5. 未來準備需要平衡期待與彈性

組織可以監測 roadmap、建立情境式準備方案，但不應把尚未確認的功能納入不可逆決策。