Core thesis 01 / 14

賦能教師，才是真正的 AI 推廣。

AI 在醫療教育中的進步，是迫近的機會；但迫近的機會，也可能變成迫近的威脅。我的出發點已經不是一門課，而是已經有夠多沒有工程背景的教師，用 AI 工具加速醫療教育現場的數位化擴展。這件事本身就是最大的 AI 推廣：所有人都應該先進到 AI 圈，然後再來談什麼是 AI 應用。

教師才是醫療 AI 推廣的主角。 他們不是工程師，卻把教學現場、臨床訓練、評量流程與決策需求，做成可以被看見的儀表板與工具。
389公開作品，呈現教師與第一線已經開始用單頁工具表達工作需求。
121工具與儀表板類作品，最接近醫療教育流程原型能力。
163教學與工作坊類作品，說明教師的知識轉譯已是強項。
12已有從零開始的 Claude 學習路徑，讓非技術背景者建立 AI 素養。

資料截取時間：2026-07-16。公開作品數會持續變動，本簡報以當日公開頁面為依據。

Compute anxiety 02 / 14

台灣是晶片王國，但我們必須問：本地真正可支配的算力夠嗎？

全世界都捧著資金、能源與國家戰略在買台灣擅長製造的東西。可是如果晶片最後多數變成別人的 AI 工廠、別人的資料中心、別人的模型能力，我們就不能只為訂單感到高興。

外部需求已經證明它珍貴

晶片、GPU、資料中心與能源，正在被重新定價為國力的一部分。誰能長期取得算力，誰就能更快訓練模型、部署 agent、改造產業流程。

本地應用還在追趕

台灣已經開始推動主權 AI 與運算基礎建設，但對許多醫療、教育、行政現場而言，最缺的不是口號，而是能把算力變成日常工作能力的人。

晶片供應鏈 主權 AI 本地算力 醫療工作流 第一線素養
Historical warning 03 / 14

最危險的時刻，是別人已經看見價值，而自己還把它當成普通交易。

歷史中許多土地交易，後人之所以感到刺痛，不是因為當時的人愚笨，而是因為資源的真正價值被後來的時代重新定義了。 這個比喻不是為了嘲笑任何人，而是提醒我們：當外部世界用巨大代價換取某種資源，內部若只看見眼前收益，可能會錯過未來的主權、能力與選擇權。

土地

不是只有可買賣的地面，而是居住、治理、文化與未來發展的基礎。

算力

不是只有硬體規格，而是模型、資料、agent 與自主工作流的生產條件。

AI 圈

不是科技人的社交圈，而是能理解資源價值、辨識應用方向、參與未來分工的人群。

Country of geniuses 04 / 14

算力就是國力，因為它正在承載一個不休息的「天才國度」。

Dario Amodei 曾把強大 AI 形容為資料中心裡的「天才國度」。這不是浪漫說法，而是在提醒：當模型能被大量複製、長時間自主執行任務，知識工作的速度與規模會被改寫。

資料中心不只是機房

它可能同時容納無數個能寫程式、讀文獻、分析資料、設計實驗、協助決策的模型實例。它們不需要休息，能日夜推進任務。

醫療不能只當旁觀者

如果醫療體系只等外部工具成熟後再使用，就會失去定義問題、定義資料、定義安全邊界與定義臨床價值的能力。

本頁引用的是公開論述中的概念轉述；完整來源列於最後一頁。

Why healthcare matters 05 / 14

我焦慮的不是 AI 很強，而是我們引以為傲的醫療體系可能脫隊。

醫療現場每天都在產生資料、決策、教學、評量、溝通與品質改善需求。如果第一線沒有能力把這些需求轉成 AI 能協助的格式，醫院就只能被動等待外部供應商或資訊室逐案開發。

1

痛點

每天被出勤、訓練、評量、衛教、會議、品管、追蹤卡住。

2

欄位

散落在表單、Excel、口頭紀錄的資訊，需要被整理成安全欄位。

3

原型

先用 agent 產生可互動畫面，讓現場、主管、資訊室有共同語言。

4

治理

看見趨勢、異常、工作量與改善優先順序，才有經營方向。

What I can do 06 / 14

我能做的事，是把臨床、工程與 AI，交到教師手上。

我是外科醫師

我熟悉臨床現場，也知道學生需要經過什麼訓練，才有一天能接住病人、團隊與制度交給他的責任。

我也理解工程與 AI

我知道網路架構、資料流程與 agent native 工具如何降低使用門檻。因此我能做的，就是找到願意一起戰鬥的人，把工具放到教師手上。

第一件事不是問「我要做什麼 AI 應用」，而是先讓更多人進到 AI 圈，看見 tokens、模型與算力的價值。
Evidence from members 07 / 14

教師作品已經證明：AI 推廣已經在現場發生。

這些公開作品不是作品集而已，而是教師與第一線正在把 AI 變成日常工作能力的證據。它們來自影像醫學、藥學、護理、心理、職能治療、教學行政與醫學倫理等不同現場。

工具・儀表板實習生出缺勤管理系統 · 醫事放射職類出勤管理與教學行政的工作流原型 工具・儀表板院內 AI 專案儀表板把多個專案變成可檢視的治理畫面 工具・儀表板藥學實習出勤管理系統藥學訓練現場的資料化管理 工具・儀表板護理職類臨床訓練・學習評量儀表板訓練與評量的圖像化展示 工具・儀表板臨床心理職類 AI 導航教學助理專業訓練知識轉譯成互動助理 工具・儀表板臨床倫理小幫手｜Four-Box 兩難輔助決策把倫理判斷框架做成臨床討論工具
Hidden capability 08 / 14

真正困難的不是寫程式，而是把現場經驗翻譯成 AI 可以協作的規格。

教師最值得傳授的，不是「我按了哪個按鈕」，而是「我怎麼把自己的教學與工作現場，拆成 AI 能理解、能建造、能修正的任務」。 這種能力來自長期處理例外、追蹤流程、理解學員、病人與同仁需求。工程師可以寫系統，但未必知道現場真正要被看見的是什麼。

問題定義

哪些指標真的會改變行動？哪些資料只是好看但不會被使用？

資料欄位

哪些欄位可以安全收集？哪些需要去識別？哪些必須改由正式系統串接？

流程判斷

哪些事情可以先做原型？哪些必須交給資訊室、資安或主管決策？

Diffusion evidence 09 / 14

這不是「準備推廣 AI」，而是 AI 推廣已經發生。

當沒有工程背景的教師，已經能用 AI 工具把出勤、訓練、評量、衛教、品質指標做成可互動工具，他們就不只是使用者，而是教育開發者。推廣不再只是演講或宣傳，而是現場同仁彼此看見、模仿、改作、再傳出去。

389公開作品代表一群教師與第一線人員已經開始把 AI 變成自己的工作語言。
121工具與儀表板不是展示品，而是流程數位化的原型。
163教學與工作坊作品顯示教師已經具備知識轉譯能力。
97外部競品訊號提醒我們：真正稀缺的是有現場責任的實作經驗。

最大的推廣不是宣傳，而是教育開發者的成功經驗

泛用 AI 課很多，工具教學也會越來越多；但能說清楚「我原本在醫院現場遇到什麼問題、我如何用 AI 把它做成工具、我如何查證與修正」的人，才是最能讓同儕相信的人。

看得到成果 說得出脈絡 改得成流程 傳得給同儕
Developer community 10 / 14

tmuh.ai 把沒有工程背景的教師，賦能為教育開發者。

教育開發者能自己建立教育用電腦軟體

這不是要求教師變成工程師，而是引用軟體開發者的觀點：只要能把情境、規則、資料與回饋說清楚，AI 就能協助把教學想法做成可操作的工具。

開發者本來就需要互相觀摩、互相引用作品

tmuh.ai 一開始就用開發者社群的方式建立：作品被看見、想法被引用、場景被改作、成果再回到社群。這也是它能自然有機生長的原因。

看見作品先知道同樣非工程背景的人也做得到。
引用想法把別人的作品當成自己想像的起點。
改作場景換成自己的職類、學員、病人與流程。
建成軟體讓 AI 協助形成可用的教育工具。
再分享讓下一位教師繼續觀摩、引用與改作。

這個模式已經複製到第二個醫院，觀察結果完全相同：最難的永遠只是打開 AI 應用工具；打開之後，教師的想像力會自然帶著作品往前長。

Train imagination 11 / 14

打開工具之後，真正需要訓練的就只有想像力。

1. AI 對話機器人

從最簡單的問答開始，把常見問題、教學提醒、臨床訓練引導變成可互動對話。

2. 教學遊戲

把原本枯燥的訓練內容做成選擇、挑戰、回饋與情境演練，讓學員願意重複練習。

3. 儀表板工具

把出勤、評量、成果、品質指標變成可看的趨勢與提醒，讓教學治理有素材。

4. agent 工作流

跟著 AI 發展腳步，把資料整理、摘要、檢核、產出與回饋串成更完整的流程。

不要限制想像力，讓想像力帶領你前進。

教師真正要練的，不是背工具功能，而是敢把教學現場的問題說出來，敢想像它可以變成什麼，然後讓 AI 一步一步把它做出來。

訓練想像力
Governance value 12 / 14

醫療教育治理需要的不只是資料庫，而是能讓教學方向成形的素材。

教師與一線同仁做出來的儀表板原型，常常比一份需求單更有說服力。因為它同時呈現了資料欄位、教學流程、學員情境與決策問題。

品質改善 教學訓練 學員追蹤 病人安全 行政效率 跨部門溝通

對主管、教師與資訊室的價值

  • 減少抽象需求來回溝通。
  • 快速辨識哪些流程值得正式開發。
  • 看見部門間資料定義是否一致。
  • 讓治理討論從「感覺」變成「畫面與指標」。

北醫附醫曾在兩年內建置 174 個多維度智慧儀表板，並吸引 2,000 多位醫護人員參與智慧儀表板研討會。這說明醫療治理已經需要資料視覺化能力；下一步是讓更多教師與第一線能參與原型與需求形成。

Teachers first 13 / 14

醫療教育現場的教師才是主角；我很幸運能夠幫上忙。

當足夠多沒有工程背景的教師做出成果，平台就不只是放作品的地方，而是一個讓教育開發者彼此觀摩、引用、改作並自然擴散的場域。這些教師與學生是種子，會長成守護醫療教育未來的樹。我的角色不是站到前面，而是幫大家把這些努力整理、連結、看見。

A

看見教師

把每一個非工程背景者做出的作品，視為真實醫療教育場域的知識成果。

B

整理經驗

把怎麼開始、怎麼卡住、怎麼修正、怎麼查證，整理成下一位同仁能理解的路徑。

C

彼此教學

讓教師用自己的作品與現場語言，教同儕如何把 AI 放進日常流程。

D

擴散能力

當更多人進入 AI 圈，醫院才有能力自己定義真正需要的 AI 應用。

最後的結論：先讓所有人進到 AI 圈，才有資格談什麼是 AI 應用。

教師已經用作品證明這條路走得通。未來最好的 AI 教育，不會只來自一位講師，而會來自這群已經把 AI 放進醫療教育流程的人。

教師才是主角
Sources 14 / 14

觀察依據與參考來源

本簡報以 2026-07-16 的公開網頁、教師與會員公開作品、AI 學習資源與市場資訊為基礎，並補入算力、主權 AI 與資料中心論述。重點不是證明某個工具最好，而是說明：賦能教師打開工具、發揮想像力，才是醫療教育現場最能擴散的 AI 推廣。

  1. 會員公開作品頁：共 389 件公開作品，含工具・儀表板 121 件、教學・工作坊 163 件、衛教 38 件。
  2. Claude 自學苑・課程地圖 與 12 堂語音影片課程：非技術背景、自主學習、Artifacts、資料分析等基礎。
  3. 本機市場背景資料與競品矩陣：整理 97 筆泛用 AI、醫療健康、職場工作流與 AI coding 相關訊號。
  4. Gallup: Rising AI Adoption Spurs Workforce Changes：AI 使用率、每日使用、AI 對生產力與組織工作方式的影響。
  5. Anthropic: Paris AI Action Summit statement 與 Dario Amodei: Machines of Loving Grace：country of geniuses in a datacenter 論述。
  6. 國發會 Ten AI Initiatives Promotion Plan (2025-2028)：主權 AI、運算基礎建設、AI 人才生態系。
  7. NVIDIA / Foxconn AI Factory in Taiwan：10,000 NVIDIA Blackwell GPUs 與台灣 AI 基礎建設。
  8. 國網中心超級電腦：晶創26、H200、GB200 NVL72 與主權 AI 基礎設施。
  9. Anthropic Academy / Learn 與 104 學習整理：官方 Claude 基礎、AI Fluency、API、MCP、Claude Code 等學習資源訊號。
  10. World Economic Forum 與 LinkedIn Learning Workplace Learning Report 2025：AI 與知識工作、職場學習需求背景。
  11. 北醫附醫智慧儀表板案例：兩年內建置 174 個多維度儀表板，研討會吸引 2,000 多位醫護參與。
  12. 臺灣智慧醫療學校 與 衛福部成立公告：智慧醫療、醫療資安、大數據、AI 與醫療資訊人才培育。
  13. 台灣醫院協會 Power BI 醫療數據分析系列課程 與 臺灣醫療品質協會 Power BI 工作坊。
  14. 台灣護理資訊學會 AI 驅動智慧護理與數位工具應用工作坊：以護理實務情境導入 AI 與數位工具。
  15. Hahow AI Coding 課程、HiSKIO Claude Code 深度應用、五倍學院 AI Coding 實作工作坊：顯示 Claude Code / AI coding 市場供給正在增加，但多偏一般軟體開發脈絡。