🧠
第二大腦
🔬技術深讀2026-08-20

Agentic HR 起步診斷工作坊 — 交付包(B2)

#產品#工作坊#AgenticHR#PilotTrap#交付包

Agentic HR 起步診斷工作坊 — 交付包

> W4-B2 交付物。把「Pilot Trap 診斷量表」升級成可收費的顧問服務。 > 定位差異:不是課程,是診斷 + 落地藍圖(閃開天下學習的「虛擬員工課程」對打)。

產品定位

  • 一句話:三小時,把你的 AI 部隊雷達圖變成「AI 轉型 North Star 一頁圖」+ 30/60/90 天行動計畫。
  • 目標客群:HR Leaders / Owners / Executives(品牌既定受眾)
  • 痛點:量表測出紅燈,但不知道從哪裡開始補;老闆與人資主管對 AI 平台的權力歸屬沒講清楚
  • 差異化:台灣多數課程賣「工具操作」,我們賣「治理設計」;且是 dogfooding——榕耀管顧自己就是案例場(31 個 agent 的管理實錄)
  • 流程設計(3 小時)

    | 時間 | 區段 | 內容 | |------|------|------| | 0:00-0:15 | 開場 | 學員情境掃描:各自的雷達圖快覽、Pilot Trap 概念 5 分鐘 | | 0:15-1:00 | 量表深讀 | 逐維度解讀雷達圖(平台歸屬/信任/人才/治理/陷阱),找出最弱維度與連動關係 | | 1:00-2:00 | 三張力討論 | 台灣版三張力:①老闆 vs 人資主管的 AI 平台權力 ②員工信任 vs 監視 ③自動化 vs 學徒制斷層。各組帶自己的真實情境 | | 2:00-2:45 | North Star 一頁圖 | 引導學員畫出:2030 獨特價值、人機比例、停止做什麼、三張力表態 | | 2:45-3:00 | 30/60/90 行動 | 從一頁圖倒推三個月的里程碑與第一個 pilot 的選擇標準 |

    交付包(學員帶走的東西)

  • 量表結果包:25 題作答紀錄 + 五維度雷達圖 + 陷阱深度(電子檔)
  • 現場討論紀錄:三張力各自的情境、衝突點、決議
  • North Star 一頁圖:客製化填寫版(可帶回給管理層討論)
  • 30/60/90 行動計畫:每階段 3 個行動 + 衡量指標
  • 治理五檢查速查卡:一頁式檢查清單(來源:我們自己的實戰)
  • 前置準備(學員)

  • 參與者先完成線上量表(pilot-trap-scan),帶結果進場
  • 公司現有 AI 應用清單(有幾項算幾項,不用完整)
  • 決策者出席:老闆或人資主管至少一位(三張力討論需要兩邊都在場才有效)
  • 定價建議

  • 單場(≤8 人):NT$45,000-68,000(含前置量表 + 3 小時 + 交付包)
  • 企業內訓版(≤20 人):NT$88,000-120,000
  • 加價選項:30/60/90 追蹤輔導(每月 1 次線上 check-in ×3 個月,NT$60,000)
  • 定價最終由 CJ哥決定;此為市場參考區間(台灣企業 AI 工作坊行情)
  • 銷售入口(已就位)

  • 量表結果頁 CTA「預約免費諮詢」→ /contact ✅(已上線)
  • 文章 1(治理實錄)→ 文章 2(診斷)→ 量表 → 工作坊:內容閉環 ✅
  • 未來:AI 治理專區(rong-rise.com/ai-governance)彙整四件套
  • 尚未完成(待 CJ哥或後續)

  • 工作坊簡報模板(可依 mckinsey-style-report 或 guizang-ppt-skill 製作)
  • North Star 一頁圖模板(SVG/PDF)
  • 三張力討論卡(台灣版題卡)
  • 官網服務頁露出(AGENTS.md:服務頁歸 CJ哥管版面)
  • 相關文章

    工程週報 2026-09-05

    # 工程週報 2026-09-05 tags: [工程週報, builder-bot, 開發回顧] --- ## 本週 Commit 清單 ### RongRise-Brand(24 commits, 2026-08-30 ~ 09-05) | 類別 | Commit | 摘要 | |------|--------|------| | **新工具** | 748ad5f7 | feat:...

    研究觀察 — 2026-09-05

    # 研究觀察 — 2026-09-05 > 資料來源:2026-08-30 至 2026-09-05 每日知識掃描 digest(7 份)|不另搜網路,純回顧合成 > tags: [研究觀察, researcher-bot, 趨勢] --- ## 趨勢一:AI Agent 從「工具」變成「組織成員」——治理、績效與責任歸屬的全面重構 一週內,McKinsey 兩度提出「AI agents ...

    Agent 記憶可攜性:模型升級後的記憶遷移挑戰

    # Agent 記憶可攜性:模型升級後的記憶遷移挑戰 **來源:** arXiv **日期:** 2026-09-04 ## 摘要 研究指出:AI agent 的「記憶」在模型升級後可能失效——新模型對舊筆記的解讀方式不同、embedding 版本混合可能中斷檢索、修復可能因缺乏原始證據而失敗。模型升級是常規操作,但記憶遷移卻未被標準化處理。作者比較了相同歷史被不同模型讀取時的記憶退化程度。 ...

    CONTINUITY:Agent 安全上下文的可組合合約

    # CONTINUITY:Agent 安全上下文的可組合合約 **來源:** arXiv **日期:** 2026-09-04 ## 摘要 LLM agent 系統日益結合來源追蹤、授權、政策執行、協定適配器與執行控制。然而,個別正確的安全機制不一定能組合出端到端安全的系統:安全關鍵上下文可能在傳遞過程中被丟棄、擴大或污染。作者提出 CONTINUITY 框架,確保安全上下文在 agent 管...