一場校內 AI 研習結束後，老師當下常會覺得很新鮮。
可是一回到辦公桌前，教案照舊自己排、講義照舊自己改、學生問題照舊自己回。隔週再問，多數人記得的是工具名字，不是自己到底會拿它做哪一件事。
這也是 Google 這次與 ISTE+ASCD 合作、要把 AI literacy training 帶給全美 600 萬名教育工作者時，最值得注意的地方。根據官方說法，這不是單次宣傳，而是模組化、可彈性完成、還會搭配微認證的小型能力訓練。白話說，他們在推的不只是工具，而是一套可複製的教師起手式。
真正該先教的，不是更多功能
忙碌教師最缺的通常不是新工具，而是可放心交出去的一小段工作。研習若先把功能表講完，老師聽起來很多，回去卻很難下手，因為每一步都像要臨場判斷。
第一波導入比較穩的做法，是先挑高頻、低風險、看得見省時效果的任務。不是先碰評分判斷，也不是先讓 AI 直接替老師做教學決策，而是先讓它幫忙把重複工作變短。真正會留下來的採用，往往不是因為模型很強，而是因為老師第一次就感受到「這件事我下次還會再用」。
最適合起步的 3 種工作流程
第一，備課素材整理與第一版教學提綱。像是把一串資料、課綱要求與教學目標整理成初步架構，老師再做最後取捨。AI 可以幫忙收斂，但不能代替教學判斷。
第二，把同一份教材改寫成不同程度版本或補充說明。這對差異化教學特別有感，因為老師原本最花時間的，常是把同一內容講成不同難度。AI 能加快第一版生成，但哪些詞彙合適、哪些例子會誤導，仍要由老師把關。
第三，把會議紀錄、課綱或校內文件整理成可行動摘要。這類任務不華麗，卻非常常見，也最容易讓人立刻看到節省時間的效果。
一場會發生採用的 training，長得不太像傳統研習
如果真的想讓老師用起來，訓練設計要比工具展示更像工作坊：一個模組只做一件事，用真實校內文件，現場完成一份可帶走的成果，隔週還有人追蹤。
這樣做的重點很簡單：讓老師不是「知道有這工具」，而是「已經在自己的工作裡完成過一次」。採用不是被說服出來的，而是被成功經驗堆出來的。
有些工作，現在還不該急著交給 AI
這裡也要劃線。高風險評量、學生重要判斷、正式對外溝通，不適合在第一波導入時整包交給 AI。Google 與 ISTE+ASCD 官方也把負責任使用、教學對齊、偏誤意識與學生主體性放進訓練內容，這其實是在提醒大家：AI literacy 不是會用，而是知道哪裡該用、哪裡不該偷懶。
如果學校這學期只能先做好一件事，不要先問要買哪個 AI 平台。
先問：我們想先讓老師在哪三種工作上，明確省下時間，又不降低判斷品質？
這個問題答得出來，導入才會開始像能力建設，而不是一場很熱鬧的功能展示。