過去幾年我累積了 500+ 場培訓、1,100+ 小時授課，平均一年要產出 50–80 場新的或客製化的課程。我可以很坦白地說：如果沒有 AI 工具，這個產量根本不可能。
但坊間很多文章列「30 個 AI 工具推薦」這種清單，對講師其實沒幫助。重點不是「有哪些工具」，而是這些工具在備課的哪個階段，能解決什麼具體問題。
這篇文章直接拆解我每堂課實際走的 5 個階段：內容研究、課程架構、視覺化、學員資源、課後回饋。每個階段會說明用的工具組合（Claude、Gemini、ChatGPT、Gamma、Canva、PPT、NotebookLM、Midjourney、Typeless）、需要的時間、預期產出物，以及一段我從上百場培訓中歸納出來的「階段心法」。
最後附上完整時間配置對照表，讓你看清楚「為什麼這套工作流能把備課從 16 小時壓到 3 小時」。如果你只想看精華，可以直接跳到每個階段最後的「心法」段落。
1. 內容研究 / NotebookLM + Gemini
備課最浪費時間的，是「為了 1 個 case study 翻 20 篇文章」。內容研究階段的目標，是把外部資料快速轉成可用的內部 know-how，不要被搜尋與彙整吃掉所有時間。
我習慣用兩個 AI 工具搭配：NotebookLM 負責「深度消化一批指定文件」，Gemini 負責「補上 NotebookLM 看不到的最新即時資訊」。
我的工作流
- 把客戶給的 RFP、公司簡介、部門關鍵字丟進 NotebookLM。
- 補進 3–5 篇行業最新趨勢報告（PDF 或網頁皆可）。
- 用 NotebookLM 問：「這個產業現在最關心的前 5 個問題是什麼？」「過去 3 個月有哪些變化值得帶進課程？」
- 開啟 Gemini 的 Deep Research 模式，補上 NotebookLM 沒有的最新動態與行業新聞。
為什麼是這個組合
NotebookLM 適合「深度整合一批文件」，但它不會自己上網。Gemini 接 Google 搜尋且有 Deep Research 模式，可以在 5 分鐘內生出一份結構化的行業最新動態報告。兩個一起用，能在 30 分鐘內掌握過去需要 3 小時翻資料的內容。延伸閱讀：《有了 NotebookLM 跟 Nana Banana Pro 後，我們還需要教／學簡報嗎？》。
研究不是「窮舉」，是「為了一個具體答案而問」
很多人開始備課就一直收集資料，最後手上有 50 份 PDF 但還不知道要講什麼。好的研究是先設定一個具體的問題（例如「B2B SaaS 業務團隊現在最大的提案痛點是什麼」），然後針對這個問題去找最相關的 3–5 份資料，問 AI 把答案整理出來。
如果你發現自己在「收集」而不是在「回答問題」，就是該停下來重新問問題的時候。AI 不會幫你解決「想不清楚要講什麼」這件事，它只能幫你加速「找答案」的過程。
2. 課程架構 / Claude + Gemini
備好材料後，下一步是把它變成 1 份「能講 3 小時」的課程大綱。這個階段最大的陷阱，是直接把 AI 出的大綱當成成品。AI 給的大綱通常太工整、太「標準答案」，需要你加入經驗來判斷哪些段落要展開、哪些要捨棄、哪裡會讓學員打哈欠。
我的工作流
- 把 NotebookLM 的研究摘要丟進 Claude，給一個 prompt：「請以一位資深企業講師的角色，把這些素材設計成一個 3 小時的內訓課程大綱，學員是 30 位中階主管，預期成果是『離開教室能立刻在週會上用』」。
- Claude 出第一版（通常會偏「理論架構」），先存起來。
- 用 Gemini（內建搜尋）補上「最新案例」、「具體 KPI 數字」、「行業競品做法」。
- 把兩個輸出 merge 成最終大綱，再回去看一次：哪些段落學員會打哈欠、哪些段落需要互動。
為什麼 Claude + Gemini，不是只用 ChatGPT
- Claude 在「長文邏輯推導」與「結構性思考」上體感最強，適合搭課程架構。
- Gemini 接 Google 搜尋，補資料最即時。
- ChatGPT 我留給後面的視覺化與學員資源階段更有效率。
AI 不是「大綱產生器」，是「議題壓力測試器」
與其問 AI「幫我寫一個簡報課的大綱」，不如先自己丟一份已經寫好的初稿，然後問：「如果學員是 35 歲業務主管，這份大綱哪些段落她會覺得『又是這套』？哪裡可以拆得更深？」
AI 在「發散與壓力測試」上比「冷啟動產出」更有用。先寫初稿、再讓 AI 挑戰，這樣產出的大綱含金量遠高於「AI 從零開始寫一份」。你會發現自己的判斷力被 AI 放大，而不是被 AI 取代。
3. 視覺化 / Gamma + PPT + Canva + Midjourney
過去做一份 60 頁的簡報是 8–10 小時起跳，現在大約 1 小時內能出第一版。但前提是要「分工分對工具」，每個工具只做它最擅長的事，不要試圖用一個工具完成全部。
我的工作流
- 把第 2 步定下的大綱丟進 Gamma，讓它生成簡報初版（架構、文字、基本排版）。
- 下載 Gamma 輸出的 PPT 檔，丟進 PowerPoint 精修排版細節（字距、對齊、動畫、母片邏輯）。
- 用 Canva 補上品牌素材、icon、配圖，讓視覺風格統一。
- 真正需要「主視覺感」的 hero image 或抽象概念插畫，丟給 Midjourney 生（避免 Canva 通用素材的撞圖感）。
別在 Gamma 過度客製化
Gamma 適合「快速產出 80% 完整度」。剩下 20% 的精修要丟給其他工具：細排版去 PPT，品牌素材去 Canva，主視覺去 Midjourney。Gamma 的精修功能不如 PPT 順手，硬磨在 Gamma 是浪費時間。
工具的順序比工具本身重要
很多人會問「簡報該用 PPT 還是 Canva 還是 Gamma？」，這個問題本身就錯了。正確的順序是：用 Gamma 生架構，用 PPT 做精修，用 Canva 加素材，用 Midjourney 補主視覺。每個工具都用在它最擅長的環節，不要試圖用一個工具完成全部。
順序錯了，你會卡在「Canva 排不出我要的精細動畫」「Gamma 出不來品牌色」這類本來就不該由那個工具處理的問題上。理解每個工具的「最佳使用區間」，比掌握工具本身重要 3 倍。
4. 學員資源 / ChatGPT
企業端越來越要求「課後資源」，一份學員可以帶回去自學的講義、模板、答題集，是區分「一次性講座」與「長期合作講師」的關鍵指標。
這個階段的目標是「讓課堂的能量在學員回到工位後還能延續」，所以資源不能只是「簡報 PDF 下載連結」那麼陽春。
我的工作流
- 用 ChatGPT 把大綱轉成「學員自學版講義」（pre-class reading），語氣調整成「跟學員對話」而不是「跟自己對話」。
- 建立一個可分享的課後資源頁，把講義、模板、Q&A、行動清單整合在同一個連結。
- 把 Canva 的關鍵頁面導出成 1 張 cheatsheet，便於學員列印或存在手機。
- 課程當天傳一個總連結，學員 1 個 click 就能進到所有資源。
課後資源不是「課的延伸」，是「課的定錨」
很多人把課後資源當成「送禮物」，覺得有就好。但真正的功能是：當學員 3 天後想回想「那堂課講了什麼」時，他能不能在 30 秒內找到答案。
如果課後資源做得好，學員會主動傳給同事看，這就變成你 organic 的口碑來源。所以這份資源要被設計成「可獨立流通」，而不只是「課程的附件」。檢驗的方式：把資源連結傳給一個沒上過你課的同事，他能不能 5 分鐘內看懂你在教什麼。如果可以，就達標了。
5. 課後回饋 / ChatGPT
這是最容易被講師忽略的階段，課後資料的回收。沒有回收，下次備同類型課程就還是要重來；有回收，每場課都在累積你的「AI 備課素材庫」。
我的工作流
- 課堂結尾的 Q&A 時段全程錄音（用手機或會議室錄音設備）。
- 把錄音檔丟進 ChatGPT（GPT 現在內建語音轉文字 + 分析）。
- 給 ChatGPT 一個 prompt：「請整理這段 Q&A 的逐字稿，並列出：3 個學員最關心的主題、2 個我講不清楚的地方、1 個下次可改進的環節」。
- 把這份 retrospective 存到你的「課程素材庫」，下次備同類課直接套用。
為什麼這比「滿意度問卷」更有用
滿意度問卷有強烈的 social desirability bias（學員傾向給高分）。真正的線索藏在 Q&A 裡的問題，那是學員「真正不懂」的地方。當學員問同一個問題第三次，你就知道你的教學現場有缺口。
學員不會告訴你「不懂」，要從問題的形狀推回去
成人學員很少會直接舉手說「我聽不懂」，他們會用問題包裝。例如「這個如果套到我們公司的場景會是怎樣？」，可能背後的意思是「你講的太抽象，我串不到我的工作」。
當你能從學員提問的「形狀」反推他真正的卡點，你的課程設計就會進入下一個層次。AI 在這裡的角色，是幫你大量、快速地做這個分析，讓你不需要每次自己慢慢回想 8 個小時的課堂錄音。
參考時間配置對照表
| 階段 | 工具組合 | 新流程 | 過去要花 |
|---|---|---|---|
| 內容研究 | NotebookLM + Gemini | 30 分鐘 | 3 小時 |
| 課程架構 | Claude + Gemini | 45 分鐘 | 2 小時 |
| 視覺化 | Gamma + PPT + Canva + Midjourney | 60 分鐘 | 8 小時 |
| 學員資源 | ChatGPT or Claude | 30 分鐘 | 2 小時 |
| 課後回饋 | ChatGPT or Claude | 15 分鐘 | 1 小時 |
| 總計 | — | 3 小時 | 16 小時 |
備一場 3 小時的全新課程，從 16 小時壓到 3 小時，這個 5x 加速是真的能落地的。重點不在「每個階段用幾個工具」，而在「每個工具都用在它最擅長的環節」。
講師 AI 備課的 4 個常見陷阱
1. 工具堆疊太多，反而失焦
不要追新工具。先把上面這套組合用熟，再考慮加入。延伸閱讀：《告別 AI 焦慮！高效學習 AI 數位工具的 4 階段實戰框架》。
2. 完全不審稿就上課
AI 會幻覺。所有 AI 產出的「案例數據」「法規條文」「人名公司名」一定要 fact-check，這是最低門檻。
3. AI 直出的簡報上場
80% 的水準對企業端不夠。一定要再過 PPT 與 Canva 精修，加入你自己的品牌印記（logo、配色、攝影風格）。Gamma 或 AI 給的是骨架，不是合適的成品。
4. 沒有自己的「課程素材庫」
不要每次都 cold start。建一個個人的 database 存「過去 case study」「自己擅長的破冰活動」「常用的 metaphor」，跟 AI 互動時當作 RAG 資料來源。素材庫越厚，AI 給你的答案越像「你」。
常見問題 FAQ
Q1：我是國中老師，學校沒給 AI 工具預算，怎麼開始？
先把這套組合的免費版用熟（ChatGPT、Claude、Gemini、Gamma、NotebookLM 都有免費版）。免費版已能 cover 80% 的備課場景，等你確認真的會用、會用到上限，再付費。同時可以向學校提案購置教師專案，這時候你有實際使用案例會比較好說服主管。
Q2：這套流程適合線上課程嗎？還是只適合實體培訓？
完全適用線上課程，而且第 5 步的「課後回饋」對線上課程更重要。線上學員的注意力流失更快，你需要更精準的 retrospective 來迭代下一堂內容。
Q3：用 AI 後總覺得課程「沒靈魂」、學員回饋變平淡，怎麼辦？
通常是兩個原因：(1) 太相信 Gamma 輸出，沒加入自己的故事與例子；
(2) 跳過第 5 步的課後回饋，沒在迭代。AI 是「初稿引擎」不是「成品引擎」，你的差異化還是在故事、案例、互動設計這些 AI 還做不出來的環節。
Q4：我自己摸不出來，想要有人帶我一輪、幫我把 AI 整合進現有教學流程，可以嗎？
可以參考我們的 生成式 AI 整合服務。我們會花 1–2 週和你梳理現有工作流，挑出 3 個最高槓桿的 AI 切入點，並協助佈署。如果你還在評估階段，可以先填寫表單聊聊。
