Goldman Sachs AI Institute 將培訓納入其 5 億美元小型企業擴展計劃
Goldman Sachs 於 10 月 22 日推出小型企業 AI 學院，並將其納入一項新的 5 億美元承諾，以擴展商業教育及支援。Goldman Sachs AI Institute 匯集 Anthropic、Google、Meta 及 OpenAI，協助企業家在日常營運中應用人工智能。其核心挑戰相當實際：偶爾使用 AI 工具，與圍繞它建立可靠的業務流程，兩者並不相同。
資金的區別至關重要。Goldman 的承諾涵蓋其 10,000 Small Businesses 計劃的下一個階段，包括教育、資金取得，以及對另外 10,000 家企業的支援。該學院是這項擴展的一部分。公告並未證實整項承諾均屬專為學院而設的預算。
對企業東主而言，相關比較在於能否取得技術，以及能否持續有效地使用技術。Google 已提供小型企業 AI 教育，而 OpenAI 最近宣布透過 America’s Small Business Development Centers 提供培訓。Goldman 的新增安排，將多個供應商與既有的創業計劃及社區學院夥伴連結起來。這帶來了分發機會，但業務成果仍有待確立。
Goldman Sachs AI Institute 實際新增了甚麼
Goldman 正在既有的小型企業支援計劃中，加入有組織的 AI 教育及研究工作。 根據學院啟動詳情，其職責亦包括支援利用 AI 改善資金取得渠道。
這些活動針對相互關聯但不同的問題。教育關乎東主及僱員可如何使用現有工具。研究關乎企業實際如何使用這些工具。資金取得則關乎企業能否獲得成長所需資源。一個範疇的進展，並不會自動證明其他範疇亦有進展。
各合作夥伴的職責各有不同。Anthropic 將協助開發應用 AI 學習材料、校友工作坊及研究合作。Google 將向近 20,000 名東主及僱員提供其 AI Professional Certificate，包括三個月免費使用 Google AI Pro。
OpenAI 將與社區學院夥伴合作，在全國推出度身訂造的工作坊。Meta 將透過 Muse for Small Business 提供工具及培訓。這些安排描述的是同一倡議下各自獨立的貢獻，而非共同開發的一項單一產品。
參與人數亦須審慎解讀。較廣泛的擴展計劃目標是另外支援 10,000 家企業，而 Google 的證書計劃則以東主及僱員為對象。企業與個別學員是不同的統計單位。將這些數字相加，會誇大獲得支援的不同機構數目。
學院的名稱不應掩蓋其已公布的目的。披露的活動重點在於應用現有 AI 系統、教授商業使用者及研究採用情況。這些內容並未表明會展開訓練基礎 AI 模型的新工作；基礎模型是聊天機械人等產品背後的通用系統。
這個焦點令既有社區學院網絡尤其重要。本地工作坊可將一般能力連繫到東主已面對的決策。機會在於將技術轉化為可辨識的工作，而不是要求每位企業家自行研究競爭系統。
不過，公告描述的是預期交付，而非已完成的課程、營運改善或融資成果。隨着學院開始報告其活動，這些區別應保持清晰可見。
因此，Goldman Sachs AI Institute 改變了參與企業可獲得的支援架構。該架構能否帶來持久的營運改變，取決於初步介紹後實際發生的事情。其實際意義在於連結教育、後續支援及證據。
壓力落在已經使用 AI 的東主身上
該學院針對的，是已在嘗試 AI 的企業所面對的整合問題。 Goldman 較早前的研究可提供有用參考，但其樣本不應被視為代表所有美國小型企業。
在其小型企業 AI 調查中，Goldman 報告稱 76% 受訪者使用 AI。只有 14% 表示 AI 已完全嵌入核心營運。該調查涵蓋其小型企業計劃中的 1,256 名參與者，回覆於 2026 年 1 月 27 日至 2 月 4 日期間收集。
這些結果證明該受訪群組內存在落差，卻不能證明單靠培訓便能填補它。東主即使了解某項工具，仍可能缺乏合適資訊、可用的員工時間，或清晰的成效評估方式。
對於由東主同時處理銷售、排程及行政工作的企業而言，壓力尤其具體。嘗試新事物會與客戶早已期望完成的工作競爭。一項有用的示範，最終必須證明其值得持續投入所需的注意力。
以一間為客戶準備報價的服務企業為例。AI 或可協助起草說明或整理工作筆記。企業仍需準確的服務描述、最新條款，以及負責核對最終報價的人員。更快完成起草，並不能消除這些依賴因素。
這個例子並非學院已報告的成果。它說明小型企業採用 AI 所需的不止是熟悉聊天機械人。東主必須決定適合在哪裏使用協助、工具需要甚麼資訊，以及何時必須由人員介入。
僱員亦面對相關壓力。東主一次成功的嘗試，不會自動成為可共享的流程，除非其他人亦能重複執行。若指示只留在某人的聊天記錄中，企業獲得的只是個人便利，而非可靠的組織能力。
對企業買家來說，這個區別並不陌生。採購決定與營運部署是兩個不同里程碑。小型企業亦面對類似過程，只是通常可處理實施及疑難排解的人手較少。
該學院亦為其科技夥伴帶來期望。強調廣泛商業實用性的供應商，如今有一個可透過日常工作評估這種實用性的場景。培訓提供機會觀察產品在哪些地方適合使用，以及東主在哪些地方遇到阻力。
這種觀察亦應包括 AI 並非必要的情況。一個以現有表格或試算表運作良好的流程，毋須只因培訓引入另一個選項便取代它。良好的教育有助參與者作出這個判斷。
因此，短期壓力屬於營運層面，而非要求採用每一項新能力。東主需要理由分配注意力。培訓人員需要將教學連繫到經常重複的工作。供應商需要證明其產品在受監督的練習以外仍然有用。
Goldman Sachs AI 培訓連結供應商與本地教學
該學院的交付模式，結合供應商專長與本已服務企業家的機構。 這項安排很重要，因為產品文件與商業教學服務的是不同目的。
文件說明可用功能。商業教學則將這些功能連繫到一項工作、一項限制及可接受的結果。評估客戶通訊的東主，需要的不只是文字生成的描述；他們需要了解準確性、審核及責任。
Goldman Sachs AI 培訓將與其他已在進行的工作並行運作。9 月 30 日，OpenAI 宣布與 America’s SBDC 展開另一項小型企業培訓合作。其初步計劃包括培訓約 150 名顧問，並透過面對面工作坊接觸至少 1,000 家企業。
這項較早公布的安排，為社區學院模式提供背景。OpenAI 正透過中介組織，以教學及本地指導接觸商業使用者。Goldman 的合作增加另一條機構渠道，並有其自身的參與者及交付架構。
Google 透過結構化課程採取互補做法。其證書提供明確的學習路徑，而工作坊則可回應參與者從自身企業帶來的問題。兩種形式都不會自動取代另一種。
Anthropic 已公布的工作包括應用學習及研究，而 Meta 的貢獻則將工具與企業家培訓連結起來。啟動資料未提供足夠細節，無法按教學質素或預期商業影響為這些貢獻排名。
因此，比較重點在於交付方式。Google 帶來證書形式。OpenAI 透過社區學院夥伴提供度身訂造的工作坊。Anthropic 提供學習材料、工作坊及研究合作。這些差異讓學院可透過多種方式接觸參與者。
共享環境亦可能帶來協調負擔。東主應能理解哪項活動適合自身需要，而毋須在重疊的描述之間周旋。龐大的合作夥伴名單，只有在學習體驗仍然易於理解時才有幫助。
例如，入門教學可先建立共同概念，再由工作坊處理特定商業工作。其後的跟進可檢視參與者有否持續使用該方法。這個順序只是分析示例，而非學院已披露的課程內容。
同一區別亦適用於知識管理。正在嘗試 AI 的企業，若能讓僱員取得可靠指示及原始資料，便會受益。個人實驗與共享資訊之間的差異，已在 remio 的AI 知識庫指南中探討。
這項連結並不證實 remio 與該學院之間存在任何關係。它突顯一項實際依賴：AI 協助是在更廣泛的資訊環境中運作。培訓無法無限期彌補互相矛盾的政策或缺失的紀錄。
交付模式在展示本地導師如何處理這些情況時，將最具參考價值。課程可以介紹一項能力；值得信賴的顧問則可協助東主判斷是否適合應用它。
免費使用降低一項門檻，但實施工作仍然存在
暫時提供使用權令嘗試變得較容易，但並不能解決其後所需的營運工作。 在評估公告中的 Google 部分時，這個區別相當重要。
Google 的 AI 培訓計劃 結合教育與工具使用權。其公開資料亦說明了更廣泛小型企業計劃的申請要求及資格條件。企業主應查閱相關報名途徑，而不應假設每項推廣安排均採用相同條款。
在該學院內，已公布的三個月 Google AI Pro 優惠期，為參加者提供明確的探索時段。這可減少嘗試不熟悉功能時的猶豫。然而，這並不表示每位參加者都會找到適合持續使用的方式。
短期優惠同時亦創造了一個評估窗口。在此期間，企業可觀察建議流程在計入覆核工作後，是否確實節省人力。相關比較應包括準備、修正及維護，而不只是產生初步答案所需的時間。
市場推廣文稿可說明箇中差異。若草稿能準確反映企業情況，快速產生文字便具價值。若有人必須反覆修正服務細節或刪除欠缺根據的說法，表面上的節省便較難評估。
排程例子則帶來另一組問題。協助整理請求，與獲授權確認預約並不相同。企業需要釐清由誰批准變更，以及員工如何在錯誤影響客戶前識別出來。
這些是示例性的商業情境，而非來自學院參加者的已驗證結果。它們說明為何從培訓練習過渡至日常營運值得關注。重點在於評估整項工作。
相同邏輯亦適用於資訊存取。員工需要知道哪些資料可使用，哪些則需要額外謹慎處理。方便的介面本身，並不代表企業獲准上載其持有的每一份文件。
因此，培訓質素亦包括對界線的判斷。參加者應明白何時答案需要核實、何時工作需要由人員處理，以及何時現有流程已足夠。這些判斷有助採用真正有用的方式，而不會把每項活動都當成自動化候選項目。
融資部分值得獨立審視。支援由 AI 驅動的資金取得途徑，是已公布的機構目標。這並不表示完成課程即可保證獲得融資、AI 系統會批准貸款，或資格標準已經改變。
已披露的啟動資料並未說明該目標在實務上將如何運作。讀者不應以對貸款產品或自動化信貸決策的假設填補這個空白。教育與融資同屬更廣泛計劃的一部分，但其結果需要不同證據支持。
對企業主而言，眼前意義在於可透過指導，更廣泛地評估工具。長遠意義則取決於這種評估能否產生可管理的流程。免費使用權可展開調查；它不能代替結論。
採用研究必須區分活動與商業成果
參與、持續使用及表現改善，是不同的成功衡量指標。 若 Goldman Sachs AI Institute 的研究能把這些類別清楚區分，便可提供更有用的證據。
報名人數反映覆蓋範圍。完成課程表示學員完成了既定活動。持續使用則顯示相關內容已融入工作。上述任何一項指標，單獨而言都不能證明服務改善、收入增加或行政負擔減少。
這項區分並非貶低培訓。即使尚未出現可量度的業務改變，教育亦可以有價值。但這表示公開說法應與各階段可取得的證據相符。
問卷設計同樣影響詮釋。創業計劃的參加者已主動選擇尋求支援。他們的經驗可反映該群體，卻不能描述網絡以外的每一家企業。報告應說明誰作出回應，以及如何選取參加者。
問題的重要性不亞於樣本規模。詢問某人是否曾使用 AI，所涵蓋的活動範圍會比詢問某項經常性流程是否依賴 AI 更廣。兩者皆可有用，前提是措辭保持清晰。
歷史比較亦需要同樣審慎。若問卷改變定義、參加者組合或收集方法，較高的採用率報告便需要背景說明。讀者不應假設每項差異均反映行為改變。
學院的合作夥伴關係帶來另一項考慮。供應商有合理理由支持教育，並提升大眾對其產品的熟悉程度。這些利益並不會令研究失效，但令透明的方法尤其重要。
Google 在二月推出其 AI Professional Certificate 時，將勞動力技能視為實際使用的障礙。這是清晰的合作夥伴觀點。學院的研究可檢視培訓在哪些方面有幫助，以及其他障礙仍然存在於何處。
這是合適的審慎角度。問題不在於教育原則上是否有價值，而在於這項特定的指導、使用權及支援組合，是否帶來參加者能識別並維持的成果。
當參加者停止使用某項工具時，存在多種合理解釋。工作可能不適合，流程可能需要過多覆核，或員工可能沒有時間。若把每次停止使用都視為抗拒，便會掩蓋有用資訊。
成功案例亦需要同等嚴謹。具說服力的案例應說明哪些地方改變、員工仍做了哪些工作，以及企業如何評估結果。缺乏這些背景時，示範聽起來可能比實際更具結論性。
有記錄的失敗實驗亦可幫助其他企業主。它可顯示為何某項工作仍需人手處理，或企業為何改變做法。公布這些經驗，會令研究比單純收集正面軼事更具參考價值。
最有力的證據，將會把學院活動與清楚說明的長期變化連結起來，同時承認其他可能解釋。這標準要求甚高，但對於一項連繫教育、研究與企業成長的計劃而言是恰當的。
學院開始推行時值得留意的事項
下一批有用訊號，將涉及推行、持續應用及透明報告。 未來數月，這些訊號所反映的將不只是又一項關於參與機構數目的公布。
首先，留意具體的報名資料及本地工作坊時間表。列明推行地點、清晰的參加者要求及易於理解的申請途徑，將加強這項合作正變得可接觸的理據。若缺乏這些資料，企業主便難以根據啟動安排採取行動。
已公布的機會與實際可取得的名額之間，差異十分重要。企業不知道工作坊何時舉行或服務哪些人，便無法據此規劃。營運細節能把全國性的承諾轉化為參加者可以評估的事物。
其次，留意完成指導後持續應用的證據。相關敘述應說明經常性工作、人手覆核，以及員工有何改變。完成證書課程仍有參考價值，但它回答的是較狹窄的問題。
持續使用將加強以下論點：Goldman Sachs AI 培訓能回應營運需要。若報告只限於出席情況，該論點仍未獲解答。在參加者有時間應用所學之前，兩種結果都不應被誇大。
第三，留意研究方法及更清晰的資金取得工作說明。公開定義、參加者特徵及跟進程序，將提升人們對採用說法的信心。具體的融資機制，亦會讓學院更廣泛的職責較易評估。
含糊的摘要會削弱區分教育成果與推廣覆蓋範圍的能力。透明報告可協助企業主、導師及外部觀察者理解計劃中哪些部分值得擴展或修訂。
合作夥伴比較應繼續聚焦實用性。證書、本地工作坊及應用學習系列服務不同需要。關鍵在於參加者能否在指導與實施之間轉換，而不失去自身業務的脈絡。
對開發小型企業產品的開發者而言，學院亦提供另一個有關分發的訊號。除了產品功能外，培訓及受信任的中介者同樣重要。即使底層技術表現良好，需要大量說明的功能仍會為導師及企業主帶來工作。
對知識工作者而言，同一發展強調可重複的資訊實務。當同事能識別 AI 實驗的資料來源、指示及覆核責任時，這項實驗便較容易分享。周邊工作決定了效益能否超越原本使用者而延續。
Goldman 圍繞一個實際商業問題，集合了具知名度的合作夥伴。其更廣泛承諾建立機構支援，而學院則提供教育及研究的架構。兩者都不能取代參加者的證據，但都創造了收集證據的機會。
關注 Goldman Sachs AI Institute 的企業主，應先了解適用於自身情況的推行細節。查核誰可參加、指導涵蓋甚麼，以及是否提供後續支援。然後，把建議活動與團隊已經理解的經常性工作比較。除任何表面時間節省外，亦記錄準備、覆核及修正工作。把這些觀察告知推行計劃的人員，包括工具沒有帶來幫助的個案。這些回饋將令計劃更容易判斷，亦對其他企業更有用。當學院公布結果時，亦應尋找同樣的具體性：哪些工作改變了、誰仍然負責，以及改善能否持續。
