從工作情境出發，思考 AI 轉型

AI 轉型要從工作情境開始，而不是從工具清單開始。先弄清楚一件工作由誰發起、用到哪些資料、在哪個環節需要人做決定，再判斷 AI 可以幫上哪一段。工具只是最後才選的東西。多數導入不順，原因不在模型不夠強，而在工作本身沒有被說清楚，AI 被放進一個沒有人能描述的流程裡。

為什麼要從工作出發

很多團隊的第一步是開會討論要買哪一套 AI 工具，接著才找場景去套。這個順序容易讓工具決定工作的樣子：大家為了用上工具而改流程，三個月後發現只有少數人在用，其他人仍沿用原本的做法。工作情境不同於功能清單，它包含人、時間壓力、交接對象與出錯後果。

從工作出發，意思是先用一頁紙描述一件實際發生的事：這週有哪些人做了什麼、花了多久、在哪裡卡住、哪裡出過錯。這份描述不需要漂亮，需要的是誠實。有了它，後面談 AI 才有對照的基準，否則所謂成效只是印象。

任務、資料、決策：三個觀察點

我們建議把一件工作拆成三個觀察點。任務是這件工作要產出什麼、交給誰；資料是做這件事需要讀哪些內容、這些內容放在哪裡、誰維護；決策是過程中哪幾個時刻必須有人下判斷、這個判斷會影響什麼。三者缺一，AI 的協助就會落空。

拆開之後常會有意外發現。例如某項任務看起來很耗時，其實耗在找資料而不是寫內容；某個決策看起來很複雜，其實只是缺一份標準。這時候該補的是資料整理或判斷標準，而不是更換更強的模型。看清楚卡點，才不會把錢花在不是瓶頸的地方。

工具放最後選

當任務、資料、決策都描述清楚，工具的選擇通常會變得簡單，因為需求已經具體：需要讀哪種格式的檔案、要不要保留來源、輸出給誰看、有沒有權限限制。這些條件比任何功能比較表更能篩掉不適合的選項。

也有可能的結論是：這件工作現在不適合導入 AI。例如資料散落、標準不一、責任人不明。把這個結論明確寫下來，是有價值的產出，它告訴團隊要先整理哪些基礎，而不是勉強上線後再收拾殘局。

AI 起草、人決定：把分界寫下來

人與 AI 的分工，建議用一句話表達：AI 負責起草與整理，人負責判斷與負責。這句話看似簡單，落實時要逐個環節寫清楚：哪一步由 AI 產出初稿、哪一步必須由人審閱、哪一步的結果需要簽核才能對外。分界模糊，出事時就沒有人知道該回頭看哪裡。

分界也不是一次定死。剛開始可以讓人審閱每一份產出，累積幾輪紀錄後，再依據實際的錯誤類型決定哪些環節可以放寬、哪些要加嚴。調整的依據是紀錄而不是感覺，這樣團隊才能在信任與風險之間有據可循地移動。

知識要有來源，也要區分事實與假設

AI 的輸出品質，很大一部分取決於它讀到什麼。如果提供給它的是一堆沒有出處、新舊混雜的文件，它就會很有自信地產出看起來合理、實際上無從查證的內容。因此我們習慣把知識分成三類：已確認的事實、觀察到的現象、尚待驗證的假設，並且各自標明來源與日期。

這個分類在日常使用時很實用。寫提案時，事實可以直接引用，觀察要註明情境，假設則要明講是假設。AI 讀到標記清楚的資料，產出時也比較容易延續這種區分，讀的人就不會把推測當成結論。

檢查與交付紀錄：讓成效看得見

一個流程是否真的有效，要靠檢查與紀錄來回答。我們會把草稿、驗證、核准、交付四個狀態分開，每個狀態都留下誰在何時做了什麼。這樣當有人問起「這份內容是誰確認的」，答案可以直接查到，而不是靠記憶拼湊。

紀錄也是改進的原料。哪一類錯誤反覆出現、哪個環節常被退回、哪些任務實際省下了時間，這些都能從紀錄看出來。沒有紀錄的轉型，只能說有在做；有紀錄的轉型，才能說清楚做到了什麼、下一步改哪裡。

從一小段工作開始，而不是一次改全部

描述完工作之後，不建議立刻把整條流程交給 AI。比較穩妥的做法是挑一小段：輸入清楚、輸出可以對照、出錯後果有限、而且有人願意負責檢查。這樣的小段落可以在兩三週內跑完一輪，團隊能看到實際發生了什麼，而不是停留在簡報裡的想像。選得小，也讓失敗的成本可以承受，團隊更願意誠實回報問題。

一輪結束後，用紀錄回答三件事：產出有沒有被採用、檢查者改了什麼、花的時間有沒有變少。若答案不明確，就先調整分界或資料，而不是擴大範圍。只有當一小段穩定運作，才複製到相鄰的工作。這種逐段累積的方式看起來慢，卻能避免大規模導入後才發現基礎不穩的窘境。

轉型最後是人的習慣

再好的流程設計，最後都要靠人每天照著做。如果檢查需要額外開三個系統、紀錄要填五個欄位，很快就會被省略。因此我們會盡量讓紀錄成為工作的副產品：檔案放在固定位置、命名有規則、每次修改保留版本，而不是另外寫一份給別人看的報告。越貼近原本的工作方式，習慣越容易建立。

同時也要讓人知道自己的角色沒有被取代，而是被明確化。決定的人仍然是決定的人，只是他拿到的是整理過、附來源的材料，而不是一堆待處理的原始資訊。當團隊感受到判斷被尊重、負擔被分擔，對 AI 的態度會從防備變成願意試用，這比任何訓練課程都有效。

知道什麼時候該停下來

導入過程中，也要預先約定什麼情況下暫停。例如連續幾次產出需要大幅改寫、來源資料被發現過期、檢查者表示負擔過重，這些都是訊號。把暫停條件事先寫下，讓任何人都可以提出，而不必等到問題變大才由主管決定。暫停不代表失敗，而是保護流程不被錯誤累積拖垮。

暫停之後的工作也要有人接手：回頭檢視是資料、分界還是檢查方式出了問題，修正後再重新啟動。這種來回調整的紀錄，本身就是團隊累積下來最有價值的經驗，下一個工作情境可以直接借用，不必從零開始。

假設情境：一間小型服務公司的月報

以下是一個假設情境，並非真實客戶。一間小型服務公司每月要整理一份客戶月報：業務從各系統匯出數字，助理整理成表，主管撰寫說明，最後寄給客戶。大家都覺得月報很花時間，老闆想導入 AI 一鍵產生。

我們先請他們描述最近一次月報的過程。結果發現最耗時的是跨系統對數字，而且三個月前改過一次指標定義，新舊檔案沒有標註，常有人用錯。真正的瓶頸是資料版本與定義，而不是寫說明。於是第一步改為整理指標定義與資料來源清單，AI 只負責把已核對的數字起草成說明文字，主管審閱後才寄出。

兩個月後，團隊用交付紀錄回頭看：退回次數下降，主要原因是定義統一了。老闆原本期待的「一鍵產生」沒有出現，但月報的可信度提高，也清楚知道哪一段交給 AI、哪一段由人負責。這個結果是從工作情境出發才找得到的。

常見問題

問：我們已經買了工具，還要先描述工作嗎？答：要。已購買的工具不影響這個步驟，描述工作的結果可以幫你決定從哪個場景開始、哪些場景先放著，避免工具閒置。

問：小團隊也需要這些紀錄嗎？答：需要，但可以很輕量。一份共用的表格或文件，記錄來源、檢查者、日期，就足以讓工作可追溯。重點在養成習慣，而不是建立龐大系統。

從洞察出發，每一步都算數。