第 1 分钟:先说今天到底来干什么
不要先从“AI 很火”或“大模型发展史”开始。开场第一句话应该直接落到任务:今天我们不求学全,只求带大家体验 AI 在工作中的几个高频场景,到课后你至少知道什么问题适合交给 AI、怎么开口、怎么判断结果能不能用。
一堂 AI 体验课能不能立住,通常不取决于你后面讲了多少,而取决于前 5 到 10 分钟有没有把学员的期待、边界、参与方式和结果感建立起来。开场设计对了,后面更容易控场;开场设计错了,整堂课很容易散。
很多培训师一上来就打开工具、讲行业趋势、秀复杂提示词,结果学员要么跟不上,要么误以为今天会学到“所有 AI 能力”。体验课的开场更适合做三件事:先把今天解决什么讲清楚,再用一个短演示建立信任,最后把参与方式和边界说清楚。
这个顺序适合大部分 2 小时 AI 体验课,也适合传统培训师第一次讲 AI 课时使用。它的优点是不依赖复杂技术,不会一上来就把课堂讲散。
不要先从“AI 很火”或“大模型发展史”开始。开场第一句话应该直接落到任务:今天我们不求学全,只求带大家体验 AI 在工作中的几个高频场景,到课后你至少知道什么问题适合交给 AI、怎么开口、怎么判断结果能不能用。
建议选择最容易建立结果感的演示,如把一段零散信息整理成会议纪要、把周报提纲扩成完整周报、把素材变成汇报结构。开场演示不要太复杂,目标只是先让学员信你能带来结果。
边界不是可有可无。要明确:AI 不是直接替你负责,涉及隐私、保密、决策和对外正式交付的内容,仍然需要人工判断、审核和修改。
让学员回答“你最想拿 AI 先解决什么问题”。可以举手投票,也可以让几位学员说出岗位与痛点。这样后面的演示和案例会更像对着他们讲,而不是对着空气讲。
| 误区 | 为什么会出问题 | 更稳的替代做法 |
|---|---|---|
| 一上来先讲趋势 | 学员还没感受到价值,先被概念压住 | 先讲任务,再用一个短结果演示建立兴趣 |
| 一开场就演示复杂工具链 | 太容易卡住,也容易让新手直接掉队 | 只选一个轻量、结果感强的场景演示 |
| 没有讲边界 | 学员会误以为 AI 什么都能直接交付 | 开场就说清楚人工审核、数据安全和适用边界 |
| 没有互动,直接进入老师单讲 | 课堂很快变成看热闹,学员不觉得和自己有关 | 开场 10 分钟内至少出现一次岗位/场景互动 |
开场目标:今天我们不追求把 AI 学全,而是体验 AI 在真实工作中的几个高频场景,重点是学会什么任务适合交给 AI、怎么提问、怎么判断结果能不能用。
开场演示:我先用一个 2 分钟的小例子,演示 AI 怎么把零散信息整理成一个更完整的结果。你先不用记步骤,先看结果能不能帮助你工作。
边界提示:我先提前说清楚,AI 不是替你直接负责,涉及隐私、机密、对外正式文件和决策判断的内容,仍然需要人工审核和最终把关。
互动提问:在场各位如果今天只能带走一个 AI 用法,你最想解决的是什么?是写作、汇报、会议纪要、数据整理,还是别的问题?
节奏说明:接下来我会先讲一个最核心的提问框架,再演示两个场景,然后留出练习和答疑时间。今天的目标不是记住所有工具,而是知道怎么把 AI 放进你的工作动作里。
例如周报整理、会议纪要、邮件优化、汇报提纲。它们共同特点是:学员能立刻理解原始输入和输出结果之间的差距,容易产生“这对我有用”的第一印象。
复杂工作流、多工具联动、插件调用、联网搜索对比,适合放在课程中段或进阶课,不适合第一次见面的体验课开场。开场更看重稳定性和结果感,不看重炫技。
可以提一句,但不要展开。体验课开场更重要的是让学员尽快理解“今天和我有什么关系”,不是补一段技术史。技术解释放到中段更合适。
第一次体验课不建议一上来就全员同步操作。更稳的是先做老师演示,等课堂秩序和预期建立起来,再进入学员练习环节。
开场不要用专业门槛太高的术语,先用所有岗位都能理解的办公任务举例。这样既不会让新手掉队,也不至于让熟手完全失去耐心。
要讲,但只讲关键边界,不要一开始就讲成安全培训。原则是:一句话先立边界,后面在具体案例里再展开。
如果你已经有传统培训交付经验,但想系统升级成 AI-TTT,可继续查看培训师专题指南,或通过首页入口联系我获取适合培训师转型的课程方案。