AI Works - 以人為本的技能先導計畫，探索英國職場的 AI 採用
快速導航
標籤
分享幻燈片
AI Works - 以人為本的技能先導計畫，探索英國職場的 AI 採用
每張幻燈片頁面的詳細視圖，包括版面、關鍵內容和視覺元素。
標題頁面，以色彩繽紛的 'AI Works' 標誌與勾選符號為特色，標語為以人為本的技能試點，探索工作場所中 AI 的採用，以及 Google 品牌
簡潔的封面設計，具有大型 AI Works 標誌、副標題文字和底部的 Google 標誌
綜合目錄列表，包含頁碼，涵蓋簡介、主要發現、執行摘要、建議、方法論、研究結果以及三個部門的試點深入研究（教育、工會成員、中小企業）
雙欄式 layout，左側為綠色側邊欄，包含目錄列表，右側為影片縮圖和道德研究註記
章節介紹頁面，帶有大型 '01' 數字圖形和副標題，描述主要發現、研究方法和政策建議的概述
左側為大型彩色 '01' 數字，右側為工作坊參與者的黑白照片
Rachel Wolf (Public First 創始合夥人) 和 Debbie Weinstein (Google EMEA 總裁) 的雙重前言，解釋了 AI 採用挑戰、4000 億英鎊的經濟機會以及新興的採用差距
雙欄式 layout，包含兩位領導者的引言，強調生產力機會和採取有意識行動的必要性
以視覺卡片形式呈現的七個主要發現，涵蓋：AI 習慣容易養成、技能提升縮小採用差距、提示權限、習慣養成導致實驗、樂觀與使用之間的正向關係、AI 採用提高福祉以及節省時間超過估計
網格 layout，包含七張發現卡片，大型重點框突顯關於培訓有效性的核心見解
以英國 4000 億英鎊的 AI 經濟機會開頭，指出其中 2000 億英鎊取決於勞動力採用。詳細說明目前狀態：34% 的工人使用 AI，66% 的工人不使用 AI，存在顯著的人口差異
文字密集的頁面，帶有項目符號，包括顯示採用統計數據的數據視覺化
描述試點計畫方法：與三個關鍵部門（教育、中小企業、工會）合作，測量 2.5-5 小時培訓前後的態度，並在三個月後進行追蹤以測量行為變化
文字內容，其中嵌入一張照片，顯示在桌旁與多元參與者進行的培訓課程
詳細說明培訓影響：工會成員的使用量增加了三倍，中小企業和教師的使用量增加了一倍。顯示與 Lifetime Skills Guarantee 的 1:2 相比，ROI 為 10:1。重點介紹人口轉型，並提供有關女性和年長工人的詳細統計數據
跨頁，帶有顯示 45% 統計數據的大型資訊圖表和 Google 活動照片
記錄態度變化：80% 以上的人對 AI 功能感到驚訝，70% 的人獨立發現了新的使用案例，各群體的樂觀情緒增加了 13-22 個百分點。詳細說明福祉益處，每年可節省 122 小時
分割頁面，右側為文字，左側為大型照片人像，顯示熱情的參與者
針對產業策略和 Skills England 的政策建議，包括：企業需要 AI 工具/技能/指南的支援，Skills England 應建立微憑證系統，需要模組化培訓認可
跨頁，右側為建議文字，左側為引人入勝的培訓照片，顯示簡報
對政府的建議：保證所有公共部門員工的 AI 培訓、啟動更大規模的試驗、在每個部門任命 AI 領導者、將 AI 整合到公務員快速通道 (Civil Service Fast Stream) 中、評估數位快速通道 (Digital Fast Stream) 的覆蓋範圍
持續的建議章節，附有公共部門員工的肖像照片
介紹章節，解釋為何 AI 的經濟潛力在很大程度上仍未開發，以及英國的利害關係。大型「02」章節編號，附有黑白參與者照片
章節分隔，帶有大型彩色數字圖形和紀實攝影
討論英國 4000 億英鎊的 AI 機會、技術採用挑戰、相對於 G7 的生產力滯後、數位鴻溝風險，並指出這是打破緩慢採用週期的機會
單欄文字，帶有引言標註和參考文獻引用
數據視覺化顯示生成式 AI 在工作場所的使用情況（按人口統計）：35 歲以下男性（最高）和 55 歲以上女性（最低 - 使用 AI 的可能性低四倍）之間存在巨大差距
長條圖，顯示六個人口統計類別，顯示在工作中使用過生成式 AI 工具的百分比
第二張圖表顯示 AI 使用率與收入密切相關，從最低收入者的 10-20% 上升到收入 10 萬英鎊以上者的 70%。指出 34% 的人在工作中使用 AI，且採用者頻率很高
折線/面積圖，顯示收入範圍和使用百分比，並附有輔助文字
介紹方法論章節，說明試點計畫的設計，以識別 AI 導入的障礙並測試有針對性的培訓。大型「03」章節編號
分頁版面，帶有大型數字圖形和兩位參與者協作的紀錄片照片
詳細說明研究方法：與 18 位利害關係人進行專家訪談、針對三個部門（教育/中小企業/工會）的假設發展、2024 年 8 月和 2025 年 3 月對 3,100 名工人進行的概況調查
帶有文字框和參與者照片的時間軸/流程圖
從 4 月到 3 月的綜合時間表，顯示：基準研究、部門假設、概況分析、培訓前分析、培訓交付（12 月）、培訓後研究、3 個月影響分析和後續概況調查
具有連接階段的水平時間軸，每個階段的詳細說明
描述與 LEO Academy Trust、Lift Schools、Community union 和 Enterprise Nation 的合作夥伴關係。詳細說明培訓結構：2.5-5 小時的客製化支援，根據每個部門的工作場所環境量身定制
雙欄版面，包含培訓詳細資訊和合作夥伴資訊
說明三個階段的評估：培訓前調查/焦點團體、培訓後調查/焦點團體和 3 個月的後續追蹤。注意到跨群組的各種干預措施以獲得豐富的見解，並進行統計顯著性檢定
帶有嵌入式參與培訓參與者照片的文字描述
介紹研究結果章節，說明簡短的培訓如何顯著增加 AI 的使用，並對採用產生持久的影響。大型「04」章節標記
章節分隔頁，帶有大型彩色數字和參與者肖像
主要發現是感知到的相關性是最大的障礙，而不是能力/複雜性。指出信心仍然很高 (80% 以上)，但大多數人認為 AI 與他們的角色無關。雙重挑戰：看不到應用，並且在沒有立即獲得好處後放棄
文字內容，嵌入數據顯示，在確實使用 AI 的人中，每日使用率為 44%
前後比較圖表顯示，培訓後立即預期的 AI 使用量顯著增加：在所有群體中，從「從不」類別轉變為每天多次的類別
堆疊長條圖，比較「參加培訓前」與「預期的未來使用量」，並使用顏色編碼的頻率類別
長條圖顯示三個群體增加使用的主要原因：節省時間的好處 (54-72%)、更了解其有用性 (61-69%)、了解如何有效使用 (43-63%)、實驗信心 (43-59%)
水平長條圖，比較具有多個回應類別的三個群體
顯示三個月後所有三個群體的預測使用量與實際使用量。下降幅度很小，模式一致：工會 (9%→57%→35%)、教育 (19%→57%→47%)、SMB (29%→59%→60%)。重點介紹女性和 55 歲以上員工的人口結構轉變
每個群體的三個長條比較圖，顯示培訓前/預測/實際使用量，加上推薦引言
堆疊長條圖顯示各群體每週節省的時間：大多數人每週節省 1-3 小時，有些人節省 4-6 小時，換算為每年 122 小時 - 超過 100 小時的模型估計值 22%
100% 堆疊長條圖，帶有節省時間的類別，加上支持性文字和嵌入的照片
長條圖顯示培訓前與一般人群的信心水平。記錄參與者開始時信心較低，但培訓顯著提高了流暢度。3 個月後，70% 的人發現了新的用例，48% 的人用於集思廣益，54% 的人用於總結
水平長條圖，比較不同工作人群的信心，並附有推薦引言
長條圖顯示各群體未來對 AI 在各種任務中的使用意圖。重點介紹了對細微理解和負責任實踐的發展。包括 Google 的安全方法側邊欄
按任務類型分組的長條圖，具有三個群體的比較，加上 Google 安全資訊面板
配對長條圖顯示培訓後技術樂觀情緒的顯著增加：教育 +22 分 (66%→87%)、SMB +13 分、工會 +9 分。將使用量的增加與對技術社會影響的樂觀情緒聯繫起來
四個群體的前後長條圖比較，帶有支持性文字和參與者肖像
記錄 AI 如何增強神經多樣性個體、特殊需求教育、非英語母語者和有學習差異者的可訪問性和包容性。多個關於 AI 作為支持系統的推薦
文字繁重的頁面，帶有三個強有力的推薦引言和支持性照片
詳細說明了訓練有效的原因：互動式實作課程、實際應用示範、量身定制的特定行業內容，以及 AI 提示課程。指出線上與線下授課之間沒有顯著差異
包含參與者互動照片的文字，顯示團體學習
教育深入探討的章節分隔，顯示大型「02」數字、標題投影片，以及 LEO Academy Trust 和 Lift Schools 的合作夥伴標誌
簡潔的章節分隔，包含品牌宣傳和參與者照片
七點總結：AI 訓練對教師來說優先順序較低（只有 22% 的人選擇它）、信任不是主要障礙（相關性才是）、「作弊」問題需要明確許可、訓練後採用率翻倍，節省的時間超過預期 10%、行政任務是入門途徑、教師成為倡導者
編號的發現列表，藍色框中包含合作夥伴的推薦引言
詳細說明教師危機：49% 的人覺得工作量難以應付，74% 的人在行政管理上花費太多時間，34% 的人因工作量而考慮離職。AI 可以為教師節省 109 小時/年（師生比例增加 16% = 31,000 名新教師）
文字密集的頁面，包含統計數據和以「教育」為標題的大型排版
長條圖顯示教育工作者不使用 AI 的原因：與工作缺乏相關性 (38%)、訓練不足 (27%)、沒有可用的工具 (24%)、偏好傳統方法 (21%)。指出只有 18% 的人提到數據隱私，16% 的人擔心信任問題
具有 15 個障礙類別和支持文字的水平長條圖
描述訓練方法：2.5 小時的實體工作坊，接著在 2 個月內提供 45 分鐘的線上課程（可選）。顯示群體人口統計資料（84% 為女性，平均年齡 41 歲），其 AI 信心低於行業平均水準。提供調查樣本規模
將概況調查與群體人口統計資料進行比較的表格，以及訓練方法
訓練前後堆疊長條圖顯示 AI 使用頻率的顯著變化。訓練前：46% 每週使用，19% 每天使用。三個月後：78% 每週使用，47% 每天使用。節省時間：2.9 小時/週 = 109 小時/年
100% 堆疊長條圖比較，具有顏色編碼的頻率類別以及推薦
群組長條圖顯示 AI 使用在所有類別中均有所增加：溝通/寫作 (60%→77%)、摘要 (41%→74%)、課程規劃 (23%→51%)、問題解決 (27%→47%)。包括關於特定應用程式的推薦引言
水平群組長條圖，具有六個任務類別的訓練前/後比較
記錄三個因素：透過實驗快速形成的習慣、透過理解建立的信心和信任，以及 AI 應用程式的顯著擴展。包括滑桿量表圖表，顯示感知相關性、有用性和易用性的改進
帶有嵌入式 1-5 量表比較圖表和參與者推薦的文字
教師 AI 使用的四個類別，並提供具體範例：個人生產力（電子郵件範本、會議記錄）、規劃/組織、創意內容 (Canva 海報、圖像生成)，以及有機出現的同儕學習跡象
按用例類別組織的文字，綠色文字中包含擴展的推薦引言
詳細說明持續存在的障礙：對高風險課堂使用的可靠性和信任問題（38%擔心可靠性，20%不信任高風險使用），隱私問題（31%），以及對AI使用是否「允許」的不確定性 - 誤解為「作弊」
文字密集的頁面，嵌入了培訓課程的紀錄片照片
兩個案例研究：Dave Sweet（人文學科教師，使用AI進行課程規劃、考試準備、資源創建）和Cheryl Narayanan（SEN教師，使用AI進行易於理解且引人入勝的課程）。兩者都描述了轉型性的影響，並計劃培訓同事
雙欄layout，帶有獨立的案例研究框，通常會包含大頭照
詳細說明三模組培訓結構：1) 理解（AI簡介、使用AI創作、負責任的使用），2) 探索（提示工程、將AI應用於實踐、進階提示工程），3) 發展（加強實踐、規劃未來）。六個45分鐘的課程或壓縮的2.5小時版本
三欄課程大綱，包含模組詳細資訊和學習目標
Union深度探討的章節分隔，顯示大的「03」數字、標題投影片和Community union合作夥伴品牌
簡潔的章節分隔，帶有品牌和參與者照片，展示師徒關係
七點摘要：工會成員的潛在價值為890億英鎊，理解和相關性密切相關，該群體因培訓不足而信心較低，培訓後每週使用量增加了兩倍，理解推動了增長，許可問題仍然存在（只有46%對雇主政策有信心）
編號列表，Roy Rickhuss CBE的推薦引言位於藍色框中
以工會成員890億英鎊的經濟價值潛力開頭。指出工會工人中存在高度信心但低採用率的模式。討論工會在支持技術變革方面的歷史作用，並解決了工作影響問題
文字，紀錄片照片上疊加了大型「Trade union members」排版
長條圖顯示，與非工會成員相比，工會成員對AI使工作更輕鬆並允許專注於創造性/戰略性工作更樂觀。然而，對工作流失的擔憂略高（17% vs 11%）
分組長條圖，比較工會與非工會的態度，包含六個回應類別
長條圖顯示，62%的工會成員認為培訓不足是障礙 - 超過第二和第三個障礙的總和。焦點小組的回饋強調需要實際的用例示範
水平長條圖，包含13個障礙類別，「培訓不足」明顯佔主導地位
培訓計劃：三個1小時的線上研討會，工會代表可選擇參加面對面課程，30分鐘的1對1指導。群體人口統計：52%為女性，平均年齡53歲，只有11%非常有信心（而行業平均水平為38%）。總培訓人數：404名工會成員
人口統計比較表和培訓計劃詳細資訊，並附有假設解釋
戲劇性的培訓前後堆疊長條圖，顯示使用情況的轉變。每日使用量：9%→29%，每週使用量：17%→61%（增加了兩倍）。節省時間：2.1小時/週 = 每年12.5個工作日
100%堆疊長條比較，包含兩個長條（培訓前/後）和大型節省時間重點標示
群組長條圖顯示使用案例擴展：溝通/寫作 (69%→74%)、摘要 (55%→37%)、腦力激盪 (34%→40%)、學習新主題 (37%→49%)、解決問題 (29%→28%)、分析 (15%→29%)。包含推薦信中的具體範例
水平群組長條圖，包含前後比較以及描述具體應用案例的推薦引言
長條圖顯示使用量增加的原因：66%「我更了解 AI 工具的運作方式」，65%「培訓幫助我了解如何在工作中使用」，29%「養成習慣」，29%「更信任工具」。包含關於可訪問性和簡單性的引言
水平長條圖，包含八個原因，推薦信強調可訪問性
儘管有所改進，但主要障礙仍然存在：只有 46% 的人有信心了解雇主的 AI 政策，58% 的人表示存在安全問題。關於「作弊」觀念以及缺乏明確的政府組織指導方針的引言
文字密集，嵌入了顯示小組討論的紀錄片照片
兩個案例研究：Tania da Silva（使用 AI 進行報告、培訓、創意任務的輔助生活之家經理）和 Carl Ravenhill（使用 AI 簡化技術內容和組織培訓材料的鋼鐵工人）。兩者都成為鼓勵同事的倡導者
雙欄案例研究佈局，包含詳細的影響描述
三節課程：1) AI 簡介（關鍵概念、運作方式、負責任的使用），2) 親身體驗（使用 AI 進行寫作、設計、理解資訊、學習技能），3) 編寫有效的提示（提示工程、技術、審查輸出）
三欄課程大綱，包含模組詳細資訊
SMB 深入探討的章節分隔頁面，顯示大型「04」數字、標題投影片和 Enterprise Nation 合作夥伴品牌
簡潔的章節分隔頁面，包含品牌和參與者照片
七點總結：對 SMB 而言，信心高但採用率低，SMB 缺乏培訓能力（接受的培訓少於大型公司員工），培訓是最大障礙 (62%)，培訓後採用率翻倍（每日 29%→60%），從實驗轉向有目的的整合，對 1:1 和演示課程的正面回饋
編號列表，綠色框中包含 Emma Jones CBE 的推薦引言
以矛盾開啟 SMB 結果部分：92% 的人對使用技術有信心，84% 的 AI 使用者有信心，但儘管 71% 的人認為 AI 適用，但實際上只有 38% 的人使用 AI。指出英國 SMB 的投資較少，落後於 G7 同行，培訓差距明顯
文字，照片上疊加大型「SMB」排版，以及輔助統計數據
長條圖顯示 62% 的人認為培訓不足，其他障礙明顯較低。指出 29% 的 SMB 員工自學了最近的技能，而大型組織的這一比例為 19%，在最小的公司（<10 名員工）中，42% 是自學的
水平長條圖，培訓障礙佔主導地位，以及關於培訓差距的輔助文字
利用習慣養成原則的培訓計畫：每週網路研討會、午餐學習小組、面對面研討會。圍繞艾賓豪斯遺忘曲線、社會支持和情境線索設計。群體：57% 為女性，平均年齡 47 歲，信心低於行業。總培訓人數：905
表格顯示人口統計比較、習慣養成原則的解釋、培訓結構
長條圖顯示中小企業增加使用的原因：72%「更了解 AI 工具的運作方式」，65%「訓練幫助我了解如何在工作中使用它」，35%「養成習慣」，35%「更信任工具」，18%「工作場所導入工具」
水平長條圖，包含使用量增加的因素，加上假設陳述
前後堆疊長條圖顯示使用量顯著增加。訓練前：每日 29%。三個月後：每日 60%（翻倍），每週 86%。代表從實驗轉向有目的的整合
100% 堆疊長條比較，具有顏色編碼的頻率類別
群組長條圖顯示使用案例的演變：溝通/寫作略有下降 (82%→79%)，而其他用途顯著擴大：腦力激盪 (54%→59%)、學習 (46%→50%)、解決問題 (36%→50%)、摘要 (60%→67%)。關於 Gemini 用於試算表的推薦
水平群組長條圖，具有七個任務類別的訓練前後比較，加上推薦
按使用案例組織：創意內容生成（行銷活動、腳本）、草擬/編輯（網站內容、頁面回饋）、提高生產力（營運簡化）、概念開發（腦力激盪、集思廣益）。每個類別的多個詳細推薦
按類別組織的文字，包含擴展的推薦引言，包括照片
說明從偶爾使用到每日工作流程整合的過程。訓練幫助參與者體驗到立即的好處，從而加強了持續使用。關於 Gemini 成為試算表工作的「最佳朋友」的推薦
文字，其中嵌入了顯示參與者的紀錄片照片
繼續記錄具有範例的特定使用案例：使用 NotebookLM 撰寫考試報告、使用 AI 與「虛擬團隊」進行腦力激盪、使用 Canva 製作創意內容、將 AI 作為所有任務的個人助理。顯示有機學習和同事分享
按應用程式類型組織的文字，包含多個推薦範例
詳細說明訓練結構：五個 1 小時的網路研討會（了解 ML、提高生產力、實作工具、提示工程、負責任地使用 AI）、四個 30 分鐘的午餐學習 (Lunch & Learns)（個人生產力、銷售、行銷、營運）、三個全天現場課程。Grind 的 Dan Menezes Melo 使用 AI 進行 HR 共融的案例研究
雙欄版面配置，左側為課程大綱，右側為案例研究
簡單的封底頁面，僅在白色背景上居中顯示 Google 標誌
具有居中標誌的簡約設計
關於此幻燈片和基礎簡報內容的常見問題。
該先導計畫在所有三個產業都取得了顯著成果。教育工作者（19% 增至 47%）和中小企業（29% 增至 60%）的每日 AI 使用量增加了一倍，而工會成員（9% 增至 29%）的使用量增加了兩倍。所有群體的每週使用量都大幅增加至 71%。員工表示平均每年節省 122 小時，超過最初估計的 22%。該培訓特別有利於在技術採用方面代表性不足的人群：女性的每日 AI 使用量從 18% 增加到 45%，而 55 歲以上的員工的每日使用量從 13% 增加到 35%。
這些先導計畫使用了相對簡短的培訓干預措施：透過各種形式（包括面對面研討會、網路研討會和一對一指導課程）提供的 2.5-5 小時客製化內容。教育工作者接受了 2.5 小時的初始研討會，然後在兩個月內選擇性參加 45 分鐘的課程。工會成員參加了三個一小時的網路研討會，並可選擇參加面對面課程。中小企業參加了五個一小時的網路研討會，外加 30 分鐘的「午餐學習」課程。研究發現，線上和線下交付的效果沒有顯著差異，這表明可以在不降低品質的情況下進行擴展。
Public First 的模型顯示，AI 培訓透過提高生產力和節省時間帶來 10:1 的投資報酬率。與之前的 Lifetime Skills Guarantee 等計畫相比，這非常有利，後者的投資報酬率僅為 1:2。英國有望從 AI 驅動的成長中獲得 4000 億英鎊的收益，其中 2000 億英鎊取決於勞動力的採用。員工表示每年節省相當於 122 小時的時間，這轉化為有意義的生產力提高，並且能夠專注於更高價值的工作，而不是行政任務。
研究發現不同群體存在不同的障礙。對於所有群體而言，培訓不足是主要障礙，62% 的中小企業和工會參與者都提到了這一點。與最初的假設相反，信任和隱私問題並非主要障礙，對工作任務的感知相關性更為重要。許多員工看不到如何在他們的特定角色中應用 AI，或者在嘗試一次 AI 後，由於沒有看到立竿見影的好處而放棄。另一個關鍵障礙是「提示許可」問題：員工擔心使用 AI 可能被視為「作弊」，並且需要明確的組織許可才能放心地採用該技術。
該培訓證明對於在技術採用方面代表性不足的群體特別有效。55 歲以上的女性最初使用 AI 的可能性比 35 歲以下的男性低四倍，但她們的使用量卻有了顯著提高：她們的每日 AI 使用量幾乎增加了兩倍，從 9% 增加到 29%，而每週使用量則增加了兩倍多，從 17% 增加到 56%。該培訓的成功源於展示相關的實際應用，而不是假設存在技術障礙；證明 AI 工具非常容易使用，不需要編碼知識；提供即時回饋的實作練習；以及創建安全的學習環境，讓參與者可以在沒有判斷的情況下進行實驗。
所有產業的員工都顯著擴大了他們的 AI 使用範圍。最常見的應用包括：溝通和寫作（69-77% 的使用者）、總結和簡化較長的文件（54-67%）、集思廣益新想法和創造性思考（48-59%）、學習新主題（41-50%）、解決問題（28-47%）和分析複雜資訊（29-31%）。教育工作者專門使用 AI 進行課程規劃、調整特殊教育需求的內容以及減少行政負擔。工會成員使用它來創建培訓材料、撰寫報告和組織複雜資訊。中小企業使用 AI 進行行銷活動、網站開發、營運簡化以及作為虛擬的集思廣益夥伴。
該報告建議：1) 工業策略應概述如何在主要產業中支持 AI 採用，企業應制定實際的 AI 政策，明確允許員工使用工具；2) Skills England 應建立一個模組化培訓的認證系統，並提供微證書，使簡短有效的培訓模組有資格透過新的 Growth and Skills Levy 獲得資金；3) 政府應保證所有公共部門員工（NHS、地方政府、公務員）都能獲得 AI 培訓，並提供特定角色的內容；4) 啟動更大規模的公共部門 AI 採用試驗，重點關注第一線服務團隊；5) 在每個政府部門的執行委員會中任命 AI 領導人，並強制定期培訓；6) 將 AI 培訓整合到所有公務員快速通道計畫中；7) 透過 Skills England 協調的年度 AI 技能和採用調查來追蹤進度。
該研究發現了一個關鍵的「提示許可」障礙。員工經常表示擔心使用 AI 構成「作弊」或可能不適當，即使在培訓向他們展示了有效的應用之後也是如此。只有 46% 的工會成員有信心他們了解雇主的 AI 政策。這種不確定性源於缺乏明確的組織指導和關於 AI 的負面媒體報導。該培訓表明，員工需要明確的機構認可 - 不僅僅是使用 AI 的許可，而且是積極鼓勵它是一種合法的、公平的工具，可以與使用搜尋引擎相提並論。組織應制定以積極方式構建的政策，概述可用的 AI 工具和適當的用例，類似於教育機構如何解決數學中計算機的使用問題。
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
參考專業設計，選擇您的風格，產生具有完美文字渲染的投影片。由 Nano Banana 提供支援—立即開始建立您的簡報。
