截至 2026 年，AI 備課已經是講師圈的顯學，但如果你正在查「AI 備課」，通常不是缺一份「30 個 AI 工具推薦」的清單，而是課量越接越多、備課時間卻越壓越少：每一場都想備好備滿，時間就是不夠用。
過去幾年我累積了 500+ 場實體培訓、1,100+ 小時授課，平均一年要產出 50 到 80 場全新或客製化的課程；很坦白地說，沒有 AI 工具，這個產量不可能。這篇文章直接拆解我每堂課實際走的 5 個備課階段（內容研究、課程架構、視覺化、學員資源、課後回饋）、每階段的工具組合與 prompt 範本、1 張時間配置對照表、4 個常見陷阱，最後附 8 題重點整理。
文章導讀
- AI 備課的重點不是「有哪些工具」，而是每個工具用在備課的哪個階段、解決什麼具體問題。
- 5 階段工作流：內容研究（NotebookLM 加 Gemini）、課程架構（Claude 加 Gemini）、視覺化（Gamma、PPT、Canva、Midjourney 分工）、學員資源與課後回饋（ChatGPT）。
- 備一場 3 小時的全新課程，這套流程能把備課時間從 16 小時壓到 3 小時，前提是每個工具都用在它最擅長的環節。
AI 備課是什麼？跟「用 ChatGPT 查資料」差在哪？
AI 備課是把備課流程拆成明確階段、每個階段配對最擅長的 AI 工具、並建立可重複套用的 prompt 與素材庫的工作方法。它跟「想到才打開 ChatGPT 查資料」的差別在於：前者是一條有時間配置、有產出物定義的生產線，後者是零散的單點加速。重點不是工具數量，而是每個工具都用在它最擅長的環節。
為什麼「工具推薦清單」救不了你的備課時間？
因為清單只回答「有什麼」，不回答「什麼時候用、用來解決什麼」。坊間「30 個 AI 工具推薦」這類文章對講師幫助有限：工具堆疊太多反而失焦，每個都淺嘗、沒有一個進到工作流。真正有效的做法是反過來：先把備課拆成階段，再讓工具對號入座。以下就是我每堂課實際走的 5 個階段。
AI 備課 5 階段工作流
一、內容研究：NotebookLM 加 Gemini
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；備課最浪費時間的，就是「為了 1 個 case study 翻 20 篇文章」。我的做法是兩個工具搭配：NotebookLM 負責深度消化一批指定文件，Gemini 負責補上最新即時資訊。
- 把客戶給的 RFP、公司簡介、部門關鍵字丟進 NotebookLM。
- 補進 3 到 5 篇行業最新趨勢報告（PDF 或網頁皆可）。
- 用固定的提問模板向 NotebookLM 提問（見下方範本）。
- 開啟 Gemini 的 Deep Research 模式，補上 NotebookLM 看不到的最新動態與行業新聞。
（NotebookLM 提問模板）
1. 這個產業現在最關心的前 5 個問題是什麼？
2. 過去 3 個月有哪些變化值得帶進課程？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（詳見〈Gemini Deep Research〉），可以在 5 分鐘內生出一份結構化的行業動態報告。兩個一起用，30 分鐘就能掌握過去要花 3 小時翻資料的內容。
心法：研究不是「窮舉」，是「為了一個具體答案而問」。先設定一個具體問題（例如「B2B SaaS 業務團隊現在最大的提案痛點是什麼」），再針對問題找最相關的 3 到 5 份資料。如果你發現自己在「收集」而不是在「回答問題」，就該停下來重新問問題；AI 只能加速找答案，不能替你想清楚要講什麼。
二、課程架構：Claude 加 Gemini
課程架構階段的目標，是把研究材料變成一份「能講 3 小時」的課程大綱。最大的陷阱是直接把 AI 出的大綱當成品：AI 給的大綱通常太工整、太標準答案，需要你用經驗判斷哪些段落要展開、哪些要捨棄、哪裡會讓學員打哈欠。
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」。
（貼上研究摘要：⋯⋯）流程是：把 NotebookLM 的研究摘要丟進 Claude 出第一版大綱（通常偏理論架構，先存起來）；用 Gemini 補上最新案例、具體 KPI 數字、行業競品做法；再把兩個輸出合併成最終大綱，回頭檢查哪些段落需要互動設計。Claude 在長文邏輯推導與結構性思考上體感最強，Gemini 補資料最即時，ChatGPT 我留給後面兩個階段。
心法：AI 不是「大綱產生器」，是「議題壓力測試器」。與其讓 AI 從零寫大綱，不如先自己寫初稿，再讓 AI 挑戰它：
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？
（貼上你的大綱初稿：⋯⋯）先寫初稿、再讓 AI 挑戰，產出的含金量遠高於讓 AI 從零開始寫。你的判斷力會被 AI 放大，而不是被取代。
三、視覺化：Gamma、PPT、Canva、Midjourney 分工
視覺化階段的目標，是在 1 小時內做出第一版簡報；過去做一份 60 頁簡報要 8 到 10 小時起跳。前提是分工分對工具：把大綱丟進 Gamma 生成初版（架構、文字、基本排版）；下載 PPT 檔進 PowerPoint 精修細節（字距、對齊、動畫、母片邏輯）；用 Canva 補品牌素材、icon、配圖；真正需要主視覺感的 hero image 或抽象概念插畫，交給 Midjourney（具體做法見〈Midjourney 在簡報設計的 5 個實戰角色〉）。
特別提醒：別在 Gamma 過度客製化。Gamma 適合快速產出 8 成完整度，剩下 2 成的精修交給其他工具；Gamma 的精修功能不如 PPT 順手，硬磨是浪費時間。
心法：工具的順序比工具本身重要。「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 Gamma 生架構、PPT 做精修、Canva 加素材、Midjourney 補主視覺。順序錯了，你會卡在「Canva 排不出精細動畫」「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。
四、學員資源：ChatGPT
學員資源階段的目標，是讓課堂的能量在學員回到工位後還能延續。企業端越來越要求課後資源；一份學員能帶回去自學的講義、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。我的流程：用 ChatGPT 把大綱轉成「學員自學版講義」（語氣調成跟學員對話）、建立一個整合講義、模板、Q&A 與行動清單的課後資源頁、把關鍵頁面導出成 1 張 cheatsheet、課程當天傳一個總連結讓學員一鍵進入。
心法：課後資源不是「課的延伸」，是「課的定錨」。真正的功能是：學員 3 天後想回想那堂課講了什麼時，能不能在 30 秒內找到答案。做得好的課後資源會被學員主動轉傳給同事，變成你的口碑來源；檢驗方式是把連結傳給一個沒上過課的人，看他能不能 5 分鐘內看懂你在教什麼。
五、課後回饋：ChatGPT
課後回饋是最容易被講師忽略的階段。沒有回收，下次備同類課程就要重來；有回收，每場課都在累積你的 AI 備課素材庫。流程：課堂結尾的 Q&A 時段全程錄音，錄音檔丟進 ChatGPT（內建語音轉文字與分析），用固定 prompt 產出 retrospective（課後檢討），存進課程素材庫。
請整理這段 Q&A 的逐字稿，並列出：
1. 3 個學員最關心的主題
2. 2 個我講不清楚的地方
3. 1 個下次可改進的環節為什麼這比滿意度問卷有用：問卷有強烈的 social desirability bias（社會期許偏誤，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。成人學員很少直接說「我聽不懂」，他們會用問題包裝，例如「這個套到我們公司的場景會是怎樣」，背後可能是「你講得太抽象，我串不到我的工作」。能從問題的形狀反推學員的卡點，課程設計就會進入下一個層次；AI 的角色是幫你大量、快速地做這個分析。
備課時間怎麼配置？一張對照表看懂
備一場 3 小時的全新課程，這套流程的時間配置如下，總時間從 16 小時壓到 3 小時：
| 階段 | 工具組合 | 新流程 | 過去要花 |
|---|---|---|---|
| 內容研究 | NotebookLM 加 Gemini | 30 分鐘 | 3 小時 |
| 課程架構 | Claude 加 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 或 Claude | 30 分鐘 | 2 小時 |
| 課後回饋 | ChatGPT 或 Claude | 15 分鐘 | 1 小時 |
| 總計 | 共 9 個工具分工 | 3 小時 | 16 小時 |
這個 5 倍加速是真的能落地的，但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。
講師用 AI 備課最常踩的 4 個陷阱
- 工具堆疊太多，反而失焦：不要追新工具，先把這套組合用熟再考慮加入（學工具的方法可參考〈告別 AI 焦慮！高效學習 AI 數位工具的 4 階段實戰框架〉）。
- 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。
- AI 直出的簡報直接上場：8 成完成度對企業端不夠，一定要再過 PPT 與 Canva 精修，加入你的品牌印記；Gamma 給的是骨架，不是成品。
- 沒有自己的「課程素材庫」：建一個個人資料庫存過去的 case study、擅長的破冰活動、常用的比喻，跟 AI 互動時當作參考資料來源；素材庫越厚，AI 給你的答案越像「你」。
想有人帶你把 AI 整進教學流程？
這套工作流自己摸大概要踩幾個月的坑，有人帶會快很多。如果你想把 AI 系統化整合進教學或商業流程，可以參考我的生成式 AI 整合顧問服務：我會花 1 到 2 週和你梳理現有工作流，挑出 3 個最高槓桿的 AI 切入點並協助部署。想從簡報與教學技巧切入的話，簡報技巧培訓也有 AI 整合應用的單元。還在評估階段，先從「記錄自己一場課的備課時數分布」開始，就知道該先優化哪個階段。
內文精華總結
AI 備課的本質是流程設計，不是工具收集。把備課拆成 5 個階段、讓工具對號入座，時間才壓得下來。
- 5 階段配對：研究用 NotebookLM 加 Gemini、架構用 Claude 加 Gemini、視覺用 Gamma 到 Midjourney 的分工鏈、資源與回饋用 ChatGPT。
- 時間配置：30 加 45 加 60 加 30 加 15 分鐘，總計 3 小時，取代過去的 16 小時。
- 兩個核心心法：先寫初稿再讓 AI 壓力測試；工具的順序比工具本身重要。
- 底線：AI 產出的事實一律查核，AI 是初稿引擎，你的故事、案例與互動設計才是差異化。
延伸閱讀
- 有了 NotebookLM 跟 Nana Banana Pro 後，我們還需要教／學簡報嗎？
- Gemini Deep Research 怎麼用？把 3 小時研究工作壓縮到 10 分鐘的實戰指南
- 簡報設計為什麼觀眾記不住？認知負荷理論 3 種負荷與 Mayer 6 大原則實戰
- 校園講師如何轉企業內訓？3 階段轉型路徑與 5 個官網必備元素
- 告別 AI 焦慮！高效學習 AI 數位工具的 4 階段實戰框架
重點整理
AI 備課的 5 個階段是什麼？
內容研究（NotebookLM 加 Gemini 消化資料與補即時資訊）、課程架構（Claude 出大綱、Gemini 補案例）、視覺化（Gamma、PPT、Canva、Midjourney 分工）、學員資源（ChatGPT 產講義與資源頁）、課後回饋（ChatGPT 分析 Q&A 錄音）。
AI 備課真的能把 16 小時壓到 3 小時嗎？
以備一場 3 小時的全新課程為例可以：研究 30 分鐘、架構 45 分鐘、視覺化 60 分鐘、學員資源 30 分鐘、課後回饋 15 分鐘，總計約 3 小時，取代過去的 16 小時。前提是每個工具用在它最擅長的環節，而且你要負責審稿與加入自己的案例。
學校沒有 AI 工具預算，老師怎麼開始 AI 備課？
先把這套組合的免費版用熟：ChatGPT、Claude、Gemini、Gamma、NotebookLM 都有免費版，已能涵蓋約 8 成的備課場景。等確認會用、用到上限再付費；屆時拿實際使用案例向學校提案購置教師方案，也更容易說服主管。
為什麼內容研究要同時用 NotebookLM 跟 Gemini？
兩者互補：NotebookLM 擅長深度整合一批指定文件（RFP、公司簡介、趨勢報告），但不會自己上網；Gemini 接 Google 搜尋且有 Deep Research 模式，能在 5 分鐘生出結構化的行業動態報告。搭配使用，30 分鐘能掌握過去要 3 小時的資料量。
這套 AI 備課流程適合線上課程嗎？
完全適用，而且課後回饋階段對線上課程更重要。線上學員的注意力流失更快，你需要更精準的 retrospective（課後檢討）來迭代下一堂課的內容，例如從 Q&A 紀錄找出學員最卡的段落，優先重新設計。
用 AI 備課後覺得課程沒靈魂、回饋變平淡，怎麼辦？
通常是兩個原因：太相信 Gamma 直出的內容，沒加入自己的故事與例子；以及跳過課後回饋階段，沒有迭代。AI 是初稿引擎不是成品引擎，講師的差異化在故事、案例、互動設計這些 AI 做不出來的環節。
AI 給的資料可以直接拿去上課嗎？
不行，一定要先查核。AI 會產生幻覺（一本正經地編造內容），所有 AI 產出的案例數據、法規條文、人名與公司名都必須 fact-check 後才能進簡報，這是 AI 備課的最低門檻；教錯的成本遠高於省下的備課時間。
想有人帶我把 AI 整合進現有教學流程，有服務嗎？
有。我的生成式 AI 整合顧問服務會花 1 到 2 週和你梳理現有工作流，挑出 3 個最高槓桿的 AI 切入點並協助部署；簡報技巧培訓也有 AI 整合應用單元。還在評估的話，歡迎先透過網站表單聊聊你的階段。
