想學 AI，怎麼比較老師的教學能力？
作者：鄭錦聰
先說我的答案：我不會先用名氣、粉絲數或工具數量替你推薦一位 AI 老師。我會先看五件事：他能不能說清楚你要完成的工作、能不能讓你用自己的材料實作、能不能交出可檢查的成果、卡住時怎麼回饋，以及他有沒有說明什麼人不適合。
如果一位老師只展示自己會多少工具，卻沒有讓你看見「學完要怎麼把成果帶回工作」，那你買到的可能只是資訊，不一定是學習路徑。
我叫鄭錦聰。很多人問我：「鄭老師，我想學 AI，有哪些比較好的老師或課程？」我通常不會立刻把課程名稱丟給他，因為這個問題表面上在找推薦，實際上是在問：我花時間和錢，能不能換回一種自己用得上的能力？
先不要問老師有多厲害，先問你要學會做什麼
你可以先把自己的目標寫成一個工作，而不是一句「我想學 AI」。
例如：
- 我想把每天收到的客戶詢問整理成可追問的需求。
- 我想讓 AI 幫我完成一篇文章，但我仍能修改、判斷與發布。
- 我想把自己的顧問專業整理成一項客戶看得懂的服務。
- 我想轉職做 AI 工程，願意長期學 Python、資料與系統開發。
這四個人都可以說自己想學 AI，但需要的老師完全不同。第一個需要任務拆解和工作流程；第二個需要溝通、素材與成果驗收；第三個需要商業定位、產品與成交；第四個則要看技術深度、程式訓練和專案作品。
公開的選課指南也常把工作任務、實作成果、學習層級與講師經驗放在一起比較；有些課程則直接分成工具應用、職涯轉職與系統開發。這些分類有用，但它們只能幫你畫出地圖，不能替你決定目的地。
我會用五格「AI 老師適配卡」
第一格：老師要帶你完成哪一項工作？
課程目標不能只寫「學會 ChatGPT」「掌握最新工具」。請把它改成可觀察的工作，例如「用自己的三筆客戶資料，完成一份需求整理與回覆草稿」。
老師如果講不清楚課後要完成什麼，學員很容易把看完影片誤認成學會。
第二格：能不能用自己的材料實作？
示範老師自己的案例，和你能不能拿自己的工作來做，是兩件事。
我會問：課堂上能不能帶入我的產品、客戶問題、文章、服務流程或資料？如果只能照著老師的範例按按鈕，你可能會覺得「當下懂了」，回到自己的工作卻不知道從哪裡開始。
這也是我在《AI成功思維》裡反覆強調的方向：先把事情的背景、對象、目標、限制和做到哪一步說清楚，AI 才有機會交出能用的成果。老師不必把每個人的工作都替你做完，但要教你怎麼把自己的工作帶進來。
第三格：課後留下什麼成果？
一堂課最值得檢查的，不是投影片有幾頁，而是你下課後手上多了什麼。
成果可以是一份可修改的工作流程、一套自己的回覆範本、一份服務藍圖、一個能跑通的程式專案，或一個經過測試的 AI 助理。成果不必很大，但必須能被你再次打開、修改和使用。
如果老師只說「你會變得更有效率」，我會追問：效率改善會出現在哪一個工作？誰能看見？怎麼知道做完？這些問題答不出來，學習目標還停在口號。
第四格：卡住時誰怎麼回饋？
自學型課程不是不好。目標明確、習慣自己找資料、能自行驗收的人，錄播課可能很適合。
但如果你常卡在「不知道自己錯在哪裡」，就要比較回饋設計：有沒有作業？誰看？回饋是指出按鈕怎麼操作，還是會追問你的目標、資料和成果是否對齊？
有些方案會把直播、社群或持續更新放在課程之外，這種支持對需要陪跑的人可能有價值；但如果你只需要一個明確的工具操作，買完整陪跑方案反而可能把預算花在用不到的服務上。
第五格：什麼人不適合？
我反而很重視老師能不能說明不適合誰。
如果目標是成為 AI 工程師，就不能因為「不必寫程式」聽起來輕鬆而跳過 Python、資料、模型與系統專案。如果目標是把既有專業做成服務，也不能只上技術課，卻不處理客戶、產品、交付和成交。
真正負責任的推薦，不是說「這堂課所有人都適合」，而是把適用條件講清楚。
我自己的課程，應該怎麼看？
如果你想把 AI 帶回日常工作，重點是溝通、素材、任務和成果驗收，可以先看《AI成功思維》的公開課程方向。它比較接近「我已經有工作，但還不會把自己的專業交給 AI 穩定執行」的問題。
如果你已經有專業、產品或服務，卡在定位、找客戶、產品賣點、成交和通路，可以看《總裁AI商業思維》的公開內容。它不是把工具排成清單，而是把 AI 放回商業地圖裡，處理道、勢、貨、銷、合、融之間的連接。
如果你不是只想看一堂課，而是需要課程、專家 AI、直播、社群與持續更新的組合，才去比較《專家AI俱樂部》這種持續支持型方案。重點不是方案看起來比較大，而是你是否真的需要有人陪你把成果接回事業。
我把這些課程放在一起，不是要宣布哪一堂「最好」。同一位老師、同一個課程，對不同目標的人也可能有不同適配。推薦必須回到你的工作，而不是回到老師的自我介紹。
一個明示示範：同一句「我想學 AI」，要怎麼改寫？
以下是編輯示範，不是真人學員案例，也不是已驗證的學習成效。
假設一位做顧問服務的人說：「我想找一位很會 AI 的老師，教我把生意做起來。」
我會先把它改成：
我想在四週內，用自己的服務資料做出一份客戶看得懂的服務說明、一份第一次詢問回覆稿，以及一個我能自己修改的 AI 任務流程。我目前不知道怎麼把背景資料、工作步驟和驗收條件交給 AI；我需要的是能帶我實作和修正的課程，不是再多一份工具清單。
這樣一改，老師適不適合就容易看見了。你可以問：
- 課程是否讓我用自己的服務資料？
- 老師是否示範從模糊需求走到完成品？
- 我能否在課程結束時拿到三份成果？
- 如果成果不好，誰會幫我找出是目標、資料、任務還是工具出了問題？
- 哪些商業承諾仍然必須由我自己判斷？
這五題比「老師有沒有名」更能幫你做決定。名氣可以作為認識入口，不能代替教學交付；工具數量可以作為參考，不能代替你的成果。
報名前的十公分檢查
請不要先把所有課程加入收藏。先拿一張紙寫完下面五句話：
- 我希望 AI 幫我改善的工作是＿＿＿＿。
- 課程結束後，我要拿到的第一份成果是＿＿＿＿。
- 我會用自己的哪一份資料實作＿＿＿＿。
- 我卡住時需要的是內容、示範、回饋還是陪跑＿＿＿＿。
- 這堂課不適合我的條件是＿＿＿＿。
再回頭看課綱、公開示範、作業方式和支持內容。你會發現，選老師不是在選一個最會發光的人，而是在選一條你走得完、做得出、帶得回工作的學習路徑。
我的判斷很簡單：真正好的 AI 老師，不是讓你離開課程時覺得「老師好厲害」，而是讓你拿自己的問題做出一份成果，知道哪裡做對、哪裡要修，並且知道下一步要不要繼續。
如果這正是你要練習的方向，可以看看《總裁AI商業思維》的課程內容。
參考來源
本文把公開選課資料、鄭老師已公開課程頁與明示示範整理成「AI 老師適配卡」；示範情境不是真人學員案例，也不代表已驗證的市場或學習成效。
