給 PM 的 AI 專案決策工具箱：在每個關鍵節點，都能提出對的問題、看見真正的風險。
AI 專案有一個特殊的困難：成效難以提前保證，技術本身也還在快速演進。
這讓 PM 在三個處境裡都必須「有話說、有依據說」：
- 說服啟動前：老闆或業務拋出想法，你得比技術團隊更早回答「這值得投資嗎」
- 推進過程中：資料、架構、選型都在討論，你得有能力主持對的問題，而不是被動聽報告
- 驗收與收尾：成效和預期有落差時，你得能定位問題、解釋原因，而不是說「AI 就是這樣」
技術名詞撐不過這三個關卡。你需要的是一套在不同專案節點都能操作的判斷框架，而這套工作坊的六個模組，正是為這六個最常卡住的決策點設計的。
| 模組 | 主題 | 核心問題 |
|---|---|---|
| 模組 1 | AI 專案價值評估 | 這個專案值不值得做？ |
| 模組 2 | RAG 與資料準備度 | 資料源頭有沒有雷？ |
| 模組 3 | AI Agent 與自主決策 | 這個場景能不能用 Agent？ |
| 模組 4 | AI 系統性能評估 | 怎麼知道 AI 做得夠不夠好？ |
| 模組 5 | AI 資安與風險防護 | 哪些風險必須先排掉？ |
| 模組 6 | AI 成本與技術選型 | 用哪個方案、花多少錢才合理？ |
- 產品經理 / 專案經理：負責推動 AI 專案的 PM
- 業務單位主管：需要評估 AI 導入可行性的主管
- 技術窗口：負責跨部門溝通的技術 PM / Tech Lead
- 創業者 / 顧問：需要快速評估 AI 專案風險與價值的人
完成本工作坊後，你將能夠：
- 用結構化框架評估一個 AI 專案是否值得啟動
- 在資料準備階段識別 RAG 風險並釐清權責
- 理解 AI Agent 的能力邊界，避免過度期待或過度保守
- 用標準化指標主導 AI 系統的驗收
- 建立 AI 資安底線，讓技術方案不踩紅線
- 做出有依據的技術選型與成本預估
- 全程工作坊：12 小時（建議 2 天密集型或 6 週每週 2 小時）
- 每模組：約 2 小時（含演講 50 分鐘 + 工作坊演練 60 分鐘 + Q&A 10 分鐘）
ai-pm-decision-workshop/
├── README.md ← 本文件（課程總覽）
├── COURSE-INDEX.md ← 課程索引
├── module-01-value-assessment/ ← 模組 1：AI 專案價值評估
│ ├── syllabus.md ← 教學大綱
│ ├── facilitator-guide.md ← 講師引導手冊
│ └── worksheet.md ← 學員工作表
├── module-02-rag-data-readiness/ ← 模組 2：RAG 與資料準備度
├── module-03-ai-agent/ ← 模組 3：AI Agent 與自主決策
├── module-04-performance-evaluation/ ← 模組 4：AI 系統性能評估
├── module-05-security-risk/ ← 模組 5：AI 資安與風險防護
└── module-06-cost-tech-selection/ ← 模組 6：AI 成本與技術選型
- 決策優先：每個模組都以「你需要做什麼決定」出發，而非「你需要知道什麼技術」
- 工具導向：每個模組都附帶可直接使用的工作表與評估框架
- 情境演練：每個模組都有真實情境的案例討論，讓學員練習框架應用
- 跨角色溝通：強調 PM 如何與技術團隊、業務單位、主管三方對齊
Created: 2026-03-17 | Maintained by Clawbit 🐾