AI 職場工作術 ChatGPT Work 版
台灣職場工作者檢查 AI 整理出的文件、試算表與簡報成果
AI 職場工作術｜ChatGPT Work 版・不寫程式

事情永遠比人多？
你做判斷，讓 AI 團隊動手。

講師 Alex Hsieh 大頭照

講師 Alex Hsieh · 謝明宏

企業與學校授課 20+ 堂、100+ 小時；3 門 Udemy 線上課程，學員評價 4.5+ 星

我朋友實際上常遇到：一個人要當總務、分析師、簡報設計師。發票堆成一疊、Excel 開了六個視窗、報告還沒開始想——不是你不夠努力，是雜務本來就不該一個人扛完。

  • ✓工作背景與規則不用每次重講
  • ✓金額、搬檔與發布先停下來確認
  • ✓輸出用實際檔案、公式與來源驗收
  • ✓跑穩的流程整理成下次可重跑的 Skill

完成對應 Lab 後，你手上會有研究表、報帳結果、歸檔計畫、管理簡報與 Team folder workflow；AI 給草稿，你給判斷。

查看課程製作進度

目前正在製作與真機驗收；價格與購買入口尚未公開。

AI 工具裝了一堆，但每次都只停在問答，事情做完還是要自己收尾。

你做判斷，AI 團隊動手。

這不是另一堂 ChatGPT 功能介紹課。系統、概念與工作流和 Claude Cowork 版相同：先說清楚交付，再讓 AI 讀資料、做成果；碰到金額、來源、搬檔、對外承諾與發布，就停在人工確認關卡（Human Gate）由你決定。

✕改造前

  • 每次從空白 prompt 開始
  • AI 只回一段文字
  • 做完一次，下次重新教

✓改造後

  • Context、交辦格式與驗收規則有固定位置
  • 拿到表格、文件、簡報與整理後的檔案
  • 換一批資料，仍能依同一流程重跑
認識你的團隊

同一支職場小隊，換成 ChatGPT Work 的檔案與派工方式

Alex

嗨，我是 Alex — 你的超級同事

你先說要交付什麼，我判斷自己處理，還是讀取 Team folder 裡對應的角色與 Skills，再提出分工、依賴、輸出與人工確認點。

角色責任、工作方法與驗收邏輯不變；平台 adapter 改用 root `AGENTS.md`、nested `AGENTS.md`、Context files 與 `SKILL.md`。

Team-folder roles 是角色定義；Work 子代理（subagents）是單次任務中的臨時執行分支；Workspace Agents 是 managed workspace 的建立、共享與治理能力。三者不混稱，基礎班不依賴 Workspace Agents。

Alex 依任務讀取需要的專員　↓

Max
Max總務・日常雜務

接手收件、報帳與歸檔；高風險動作先列預覽。

  • 發票報帳總表
  • Downloads 歸檔計畫
  • 可重跑的日常流程
Iris
Iris情報員・收集

把外部情報找回來，附上來源、查詢日與限制。

  • 競品／產業研究
  • 來源清單
  • 待人工核對項目
Andy
Andy分析師・分析整理

等資料到齊後再對齊、比較、計算與標記異常。

  • 多份 Excel 統一
  • 比較表／指標
  • 矛盾與異常標記
Vivi
Vivi簡報設計・呈現

等分析完成後，把結論整理成可報告的呈現。

  • HTML 儀表板
  • PowerPoint 簡報
  • 圖表與講稿
Sophie
Sophie文書內容・溝通

把想法整理成可以閱讀、寄出或交接的文件。

  • Word 報告
  • 會議紀錄轉待辦
  • Email 與文案草稿
課程路徑

不是從按鈕開始，是從一件真實工作開始

Claude Cowork 版與 ChatGPT Work 版共用 M0–M5、Lab 1–5、4D、Human Gate 與成果驗收。不同的是平台入口、檔案慣例、角色路由、圖片與真機證據。

實作前提

準備電腦、ChatGPT Plus 與 ChatGPT Work App。課程會從 local project、主要資料夾、權限與實際檔案輸出開始驗收；不需要 Business 的 Workspace Agents。

M0 · 第一次交付建立 local project，拿到可檢查成果
M1 · 任務與入口分清 Chat、Work、Codex 與任務風險
M2 · 工作背景分清 AGENTS.md、Context 與 Memory
M3 · 可重跑流程把跑穩的工作整理成 Skill
M4 · 多格式報告資料、試算表、文件與簡報接力
M5 · 帶出小隊Team folder、平行與依賴接力
來源資料經 AI 整理後，由人檢查再交付成果的工作流程
每個 Lab 都跑同一個迴圈：Intake → Plan → Confirm → Execute → Validate → Handoff → Learn。
L1

研究與來源

研究 → 來源 → 表格／Site，排程與退休試算拆成延伸。

L2

報帳 pipeline

OCR → 去重 → 預覽 → Excel，金額與寫入先由你確認。

L3

可回復歸檔

sandbox → 搬移計畫 → 確認 → 執行紀錄。

L4

多格式報告

統一清單 → 總表 → 儀表板 → 簡報，保留兩個 Human Gates。

L5

Team folder 分派

Iris 收集 → Andy 分析 → Vivi 呈現 → Alex 驗收，獨立工作才可平行。

查看課程製作進度
同一套系統，平台證據重新驗收

方法不變，ChatGPT Work 的操作與成果不借用 Claude 畫面

以下三張圖是課程概念圖，不是假裝成產品 UI。正式教材只使用 ChatGPT Work 真機完成的畫面與實際檔案。

職場工作者保留判斷權並檢查 AI 成果

人決定，AI 動手

聊天答案可檢查的工作成果

人工確認：目標、來源、金額與發布
AI 草稿經人工確認後才成為可交付成果

Human Gate 不是裝飾

先執行再補救先預覽、確認、再寫入

人工確認：不可逆或高風險動作
三條獨立研究匯入分析，再接力到簡報與人工驗收

平行與接力分清楚

角色寫在 prompt 裡角色、Skill、依賴與輸出寫進 Team folder

人工確認：分工計畫與最後交付
目前證據邊界

目前 Work App 已能讀取課程 root `AGENTS.md`，但新課的五個 Lab、nested roles 與 subagent activity 還在逐項驗收。沒有真機證據的部分，不會先寫成已完成。

共同方法的回饋

先說清楚：這些不是 ChatGPT Work 版 beta 見證

以下回饋來自既有 Claude Cowork／企業內訓版本，能支持共同的交辦、Human Gate 與 Team workflow；不能當成 ChatGPT Work 版已完成的證據。

★★★★★
來喔！沒上會後悔！

改變的瞬間：分派工作

Astrid 學員

★★★★★
會教你如何應用 Claude，指導整個 Claude 的概念，不只是皮毛。

改變的瞬間：Lab 5 分工工作流

Winny 學員

★★★★★
很實用。

改變的瞬間：把重複工作變成流程

Tammy 學員

也有不順的地方

既有版本的學員也提過：環境設定與前幾個 Lab 需要摸索，檔案量大時會變慢。ChatGPT Work 版會重新記錄自己的撞牆點，不拿 Claude 的排錯答案硬套。

先確認適不適合

這門課適合你，還是不適合你？

與其等你進來才發現方向不對，不如先把邊界說清楚。

🧭 專案經理／跨部門 🧾 財務／行政 📣 客戶成功／行銷／客服

✓適合你

  • 你有真實辦公室任務，願意拿自己的情境練習
  • 你不寫程式，但願意整理資料夾、檔案與工作規則
  • 你想讓 AI 動手，金額、承諾與發布仍由自己決定
  • 你願意驗收實際檔案，不只看聊天答案

✕不適合你

  • 只想看功能介紹，不想完成 Lab
  • 期待一份萬用 prompt，不想補自己的工作 Context
  • 想把金額、來源與對外承諾全部交給 AI
  • 主要目標是寫程式、串 API 或建立企業級 Workspace Agents
⚠️ 老實說

這門課不會教你把腦子外包給 AI。AI 負責收集、整理、初稿與重複執行；目標取捨、金額、來源、對外承諾與發布留在你手上。AI 給草稿，你給判斷——外包了判斷，你就外包了價值。

如果適合欄有兩三項正中你的情況，而且不適合欄沒有踩中，這門課的方向大概適合你。

製作進度

獨立課程、獨立入口；現在仍在真機驗收

課程方法已確認，網站與 Lab 5 adapter 已建立；正式課文、五個 Lab 證據與 beta 尚未完成。

DEVELOPMENT · 尚未開放購買
  • M0–M5、Lab 1–5、Bonus 4D 與 Human Gate 維持同一套方法
  • 課程基線：ChatGPT Plus＋ChatGPT Work App＋local project
  • 新課使用自己的 `AGENTS.md`、Context、Skills、Team folder 與 gated site
  • Lab 5 已有 Team routing prototype；真平行與 nested files 仍待實測
  • 價格、購買入口與正式發布日期尚未公開
等待真機驗收與 beta

這不是 Claude 課裡的平台切換。兩門課共用工作方法，但教材、操作、圖片、入口與學習進度分開。

創始早鳥權限由既有商業流程處理。本頁不重新決定 entitlement，也不把它換算成售價。

為什麼是 Alex Alex Hsieh · 謝明宏

我站在 AI 課最容易斷掉的地方：
工具做得到，工作卻不敢真的交出去。

很多示範停在「AI 能做什麼」。但你回到公司，還要面對資料能不能給、數字怎麼核、誰來批准、成果能不能交。重點來了——這中間卡住的，往往不是技術難，是流程分析難：誰有權限、資料能不能出去、責任算在誰頭上。我能接住這段落差，不是因為一項更亮眼的頭銜，而是因為我同時走過技術與治理、企業與教學、工作經營三個現場。

01技術與治理現場：我做過企業 AI 代理（AI Agent）、n8n、MIS／SRE、雲端架構與 ISO 27001，知道真正的導入不是按下「執行」，而是把權限、資料、風險與責任一起想清楚。
02企業與教學現場：中華電信、國家實驗研究院與高雄餐旅大學等企業／學校授課累積 20+ 堂、100+ 小時，我長期觀察不同背景的人怎麼從「聽懂」走到「敢拿自己的工作來做」。
03工作經營現場：我不把指令當答案，而是教你選任務、定義交付、設人工確認關卡（Human Gate）、驗收成果，再把跑通的方法固化成下次叫得動的流程。

我更在意的，不是你會不會叫 AI 做事，而是你能不能成為一個會帶 AI 交付的人。
所以這門課不會叫你把判斷交出去——我會帶你把工作拆成 AI 能動手、人能把關的流程：AI 給草稿，你給判斷。

查看我的完整公開經歷 ↗
Alex 於 iThome Kubernetes Summit 演講現場
iThome Kubernetes Summit・大型研討會演講現場
中華電信、國研院、高雄餐旅大學等企業與學校授課
中華電信／國研院／高餐大・企業與學校授課現場
GCP、AWS、CKA、CKAD 雲端證照徽章
GCP／AWS／CKA／CKAD 雲端證照徽章・Credly 可查證
6,000+公開履歷統計的教學觸及YouTube＋Udemy＋企業培訓
4 場大型 AI／技術研討會講師最大場次 700+ 人
878 位Skool 社群成員我固定每週一、週五都在
709 位學員3 門 Udemy 線上課程92 則評價・講師評價 4.5+ 星
20+ 堂・100+ 小時企業與學校授課中華電信／國研院／高餐大
4 張雲端／Kubernetes 證照GCP・AWS・CKA・CKAD
1 本出版技術著作雲端／DevOps／SRE 轉職技術書
常見問題

開始之前，先把平台與限制說清楚

Q不會寫程式可以嗎？要準備什麼？

可以。這門課以不寫程式的職場工作為主。

  • 準備可安裝 ChatGPT Work App 的電腦
  • 課程設計基線是 ChatGPT Plus
  • 課前會驗收 local project、資料夾權限與實際檔案輸出
Q跟免費功能影片差在哪？

免費影片能幫你認識入口；這門課要求你把工作跑完並留下可驗收成果。

  • 先定義成果、輸入、限制與停止條件
  • 開工前看計畫，高風險動作先人工確認
  • 最後檢查實際檔案、來源、公式與路徑
  • 跑穩之後才固化成 Skill
Q需要 Business 的 Workspace Agents 嗎？

不需要。基礎班以 Plus 可完成的 Work＋local project＋folder workflow 為底線。

  • Team folder 保存角色與 Skills
  • Work 子代理（subagents）是單次任務中的臨時執行分支
  • Workspace Agents 是 managed workspace 的建立、共享與治理能力，不是 Lab 5 前提
Q這跟 Claude Cowork 版是同一門課嗎？

不是。兩者共用系統、概念與工作流，但教材、操作、圖片、課程入口與進度分開。

  • Claude Cowork 版保留原課程與網站
  • ChatGPT Work 版使用新的課程 folder、pitch 與 gated site
  • 平台操作會重新實測，不把 Claude 檔案改名後直接交付
QChatGPT Work 版現在可以上了嗎？

目前正在製作與真機驗收，還不是已發布課程。

  • 課程骨架、能力 mapping 與 Lab 5 prototype 已建立
  • 每個 Lab 仍要用實際檔案、畫面與重跑結果驗收
  • 完成前不先宣稱所有功能都能用
QAI 會不會把我的判斷一起取代？

不會——這正是課程刻意保留 Human Gate 的原因。

  • AI 負責收集、整理、初稿與重複執行
  • 目標取捨、金額、來源、對外承諾與發布留在你手上
  • AI 給草稿，你給判斷

外包了判斷，你就外包了價值。

想先看完整路徑？ 查看課程製作進度