今天受邀至第五屆知己知彼領導力跨界論壇談「AI 如何進入日常工作」，與我同場分享的是光洋應材人資長Cynthia（張若平）。
我特別感謝光洋 Cynthia 的分享，因為她幾乎替我長期以來的觀察，提出了一個真實的驗證：管理基礎越紮實，導入 AI 就越容易看見具體成效。AI 本身就像一台加速器，方向清楚、權責分明的公司，會因此跑得更快；流程混亂、資料分散、沒有人願意扛責的組織，導入後同樣會加速，只是加速重做、加速開無效會議，順便加速大家在通訊軟體裡追問：「請問這件事現在到底歸誰管？」
第一場由我先拋出痛點，第二場則由 Cynthia 人資長以企業實務經驗接招。我剛講完第一場時，心裡多少有點忐忑，擔心大家會覺得我怎麼如此掃興，明明報名來聽 AI 科技怎麼進入工作流程，結果從頭到尾都在談協調成本、工作重組與知識交接。幸好我跟 Cynthia 在大茂老師的課程協調之後就已經有了互補整合的想法，所以，Cynthia第二場銜接得極為精準，她用一整套成熟的內部管理制度向大家證明：AI 確實能帶來爆發力，但前提是組織原本就得清楚知道自己的前進方向。
大茂老師開場時用了一個很傳神的「超跑」比喻。現在每位同仁手上都有 AI 工具，彷彿公司替全體員工各配發了一台頂級超跑；問題是，當大家同時把車開進尖峰時段的信義區，馬力再強大，前面紅燈依然是紅燈，該塞路段照樣動彈不得。
這段比喻精準點出企業現況。不少公司大手筆採購 AI 帳號，權限發下去後，管理層便期待整體生產力能一夜起飛。現場最常出現的畫面卻是：有人領到超跑後只顧著在停車場打卡拍照，有人已經私下改裝成賽車，還有人把同一份試算表丟進去跑了兩次，額度就此耗盡，車子連交流道都還沒開上去。
高階主管檢視後台數據，發現活躍度不如預期，焦慮感油然而生。這時內部通常會冒出一個大家聽了一驚的提案：「不如我們來辦一場 AI 黑客松，選出最佳案例，再全面推廣到各部門。」
競賽確實能激發熱情、找出潛在高手，也能讓團隊看見技術應用的可能性。但多數得獎專案往往缺乏正式的資料管線、權限架構、維護計畫與當責歸屬；頒完獎、拍完合照、簡報存進共享雲端後，那些神奇的 Agent 便在資料夾裡退休了。
這正是我在第一場分享中最想提醒的核心問題：個人跑得快，絕不等於團隊跟得上。
熟練的 AI 先鋒會逐步摸索出專屬的工作流。他清楚哪些資料該放哪裡，明白模型在哪些環節容易胡言亂語，也知道何時該切換工具、如何微調提示詞讓產出更穩定。使用時間越長，工具越懂他，他也越懂得如何駕馭工具。
但隱憂也隨之浮現。這套高效方法往往深度綁定在個人帳號、個人記憶、私人資料夾與特定的微調習慣中，其他同仁只看得到驚豔的成果，卻完全摸不透背後的推導過程。一旦這位高手休假、輪調或離職，大家才會驚覺：系統明明運作正常，檔案也都留著，Agent 似乎隨時待命，但換了其他人操作，產出水準就是完全叫不回來。
我把這種未來必須償還的隱形成本稱為「協調債」。個人在前端跑得越快，如果沒有同步留下可交接的治理紀錄，組織在後端要償還的協調債就會越沉重。整間公司表面上看來滿地都是 Agent，科技感十足，到了交接時刻卻沒有人說得準它到底讀過哪些資料、經歷過哪些人工修正，更不知道產出的結論究竟能不能採信。
因此，我建議運用三個核心維度來重新檢視 AI 工作流程：Flow、Judgment、Memory。
Flow 關注的是工作如何順暢流動
哪些環節交由 AI 處理、哪些任務必須保留給人類同仁、雙方在何處交接，以及遇到例外狀況時該退回哪個節點。企業推動轉型時，不能只問「這一步能不能自動化」，更必須重新檢視整條作業動線是否仍有必要維持傳統的分工邏輯。
會注意作業細節的主管，看一下同仁每天在幹的事，可能會發現同仁每天早上得耗費將近兩小時處理 PDF 檔案、報價單格式轉換，再逐筆輸入內部系統。
過去可能主管就只是看不下去，跟同仁交代一句做事要效率一點，但也找不出辦法了。
但現在有技術能力的主管，會使用 AI 跟各種自動化流程，自己就會動手做一個 Agent，或是拉一條 n8n 工作流，直接接手了這些繁瑣的作業流程。等個幾分鐘，過去可能對於同仁來講，那樣稀鬆平常的自然，忽然間就在幾分鐘內，事情就做完了。然而，管理課題隨即浮現：同仁每天省下來的這兩個小時，接下來究竟要投入哪些工作？
這正是職務重新設計的關鍵所在。消滅重複性任務相對容易，重新定義團隊成員的價值反而更具挑戰。主管必須清楚指引同仁，這些釋放出來的時間應該投入數據判讀、跨部門溝通、例外狀況排除、提升服務體驗，還是學習全新的專業技能；否則組織只是拿掉了一批舊任務，接著把同仁留在原地，讓大家迷惘地自行摸索工作的意義。
Judgment 聚焦在專業判斷
AI 能在幾分鐘內整理出結構完整的會議紀錄，但它也可能誤判發言者、搞錯關鍵日期與金額，甚至把會議中各方模糊帶過的討論，自行腦補成具體的行動決議。生成出來的文字越流暢自然，使用者反而越容易在審查時放下戒心。簡報製作也是相同的道理。AI 能在三分鐘內產出二十頁投影片，但是沒有要求 AI 遵循特定的講述流程或是思考架構時，產出來的結果只會讓站上台看著第一頁，看著好像理解卻又有點陌生的內容，說著：「這一頁大概是在說明……」
只要「大概」這兩個字一出現，大家心裡都很清楚：這份簡報根本還沒有真正準備好。
評估 AI 導入效益時，不只是計算產出第一版草稿花了幾秒鐘。從接獲任務開始，歷經內容查證、資訊微調，直到文件能正式寄出、簡報能自信登台、數據能進入決策會議，這段端到端的完整時間才是真實的生產力指標。如果後續還得花上兩小時反覆驗證、挑錯、修圖與排版，前三分鐘的速度固然令人驚豔，但不該被包裝成節省工時的 AI 成績。
Memory 攸關組織記憶的傳承
主管與同仁在作業過程中做出過哪些商業判斷、曾經否決過 AI 的哪些建議、模型在哪些場景犯過錯，以及現場人員又是如何修正的，這些寶貴軌跡都必須有系統地沉澱下來。未來的新進同仁要能快速理解，下一代 AI Agent 也要能直接讀取，經驗才不會永遠被鎖在少數人的腦袋與私人帳號中。
這早已超越了傳統 SOP 的範疇。組織需要完整記錄任務目的、資料來源、採用工具、判斷準則、常見盲點、例外處理流程、版本演進與當責負責人，而且這些文件必須同時兼顧人類與機器的閱讀習慣。只有機器看得懂的程式碼，主管通常難以審閱；只有人類讀得懂的圖文簡報，Agent 又無法有效解析下一步該去哪裡檢索資料。
談完 Flow、Judgment、Memory 這三大維度，第二場 Cynthia 人資長的分享，恰好將這些概念在企業實務中做了精彩的示範。
最讓我感佩的一點，在於他們早在生成式 AI 浪潮爆發之前，就已經扎實建立了人才發展、主管職能與組織學習制度。這套人才培育架構自 2010 年起便穩定運作，內部更推行行之有年的跨部門分享機制，從近 180 位管理幹部中選拔出 43 位高潛力主管，每週安排同仁以精準的七分鐘分享實戰經驗。
七分鐘看似短暫，對發表者來說其實相當具挑戰性，主管才剛開口切入主題，時間差不多就過了一半。
但這套機制長年訓練主管提煉核心觀點、架構內容重點並精準掌控節奏，也在內部塑造了深厚的知識共享氛圍。當生成式 AI 問世時，公司完全不需要額外重塑文化，只要將工具應用順暢嫁接到原有的幹部培育、分享機制與績效評估體系中，便能跟著既有步調穩健擴散。
推動初期，他們並未要求全公司同步跟進，而是鎖定人資、財務與資訊這三個集中管理單位作為前導部隊。推進邏輯非常清晰：先挑選最具價值的流程、定義具體產出目標、指派當責主管並賦予決策資源，最後建立每月檢討與每季追蹤的推進節奏。
這些做法一點也不科技，但正是這種推進方式，才讓制度有機會在組織內落地生根。
在全面盤點三個部門的高重複性工作後，他們發現每月竟累積了高達 376 小時耗費在例行作業上。人資每天疲於追蹤人員進度，資訊單位不斷追蹤案件，財務團隊則被繁瑣的數字校對綁架；管理層隨即盤點哪些節點能導入 AI 協作，並同步規劃省下的工時該如何轉移到更高附加價值的專案中。
這項先後順序極為關鍵。如果企業只把焦點放在「能省下多少工時」，員工難免會對自身工作保障產生焦慮；唯有在啟動專案時同步說清楚「省下的時間將用來創造什麼價值」，AI 的導入才能真正與職涯發展、主管領導力及整體營運成果緊密結合。
這也印證了我長期的另一個觀察：讓原本就深諳業務邏輯的主管學會駕馭 AI，帶來的實質綜效往往遠高於要求全員先成為 AI 技術專家。
具備扎實實務經驗的主管深知部門運作細節，能一眼辨識資料的合理性。他清楚哪些關鍵數據會牽動營運表現、哪些作業環節存在調整空間，也明瞭該向誰調取資料、找哪個單位協同作戰。當這群主管開始熟練運用 AI，他們所看見的通常不再只是某份文書作業能加快幾分鐘，而是整條價值鏈該如何重新架構。
因此，我一直很認同屏科大何正斌教授的「AI＋BI」的推動策略。高階主管不需要每天緊盯各家大模型的跑分排行榜；核心在於看懂商業智慧（Business Intelligence, BI）呈現的真實營運數據，看見在決策時所遇到的各種瓶頸以及關鍵決策點，並且透過 AI 梳理這些決策制定的過程以及資料管線。自己能夠動手實作，讓存在自己腦中的內隱知識跟手感，透過 AI 系統的協作呈現出來。
AI 能大幅縮短分析推導的時間，BI 提供精確的現況全貌，而主管的大局觀則決定了該問出什麼關鍵問題、採信哪些數據，以及最終拍板何種策略行動。Cynthia 提到，他們已將相關架構應用於工程改善專案，協助主管按週甚至按日精準掌控工程進度與預算流向。在這個層次上，AI 已經跳脫了單純文書處理的工具範疇，正式進入策略管理與資源配置的核心。
此外，他們提出的「AI 蜂巢」與「AI 風潮」雙軌設計，同樣令人印象深刻。
AI 蜂巢專注於沉澱組織記憶：各單位主管將日常實戰中驗證有效的 AI 應用情境、領域知識、指令框架、品質判斷準則與實作成果，納入標準化的知識架構中，將個人的操作祕技逐步沉澱為團隊成員皆可研讀、檢驗與順暢交接的組織資產。
AI 風潮著重在建立運作節奏：透過每週分享、每月檢核與每季的能力認證機制，讓 AI 實踐自然融入日常管理流程，並與製程良率、作業效率、主管培育等核心 KPI 深度綁定。團隊規劃透過每週兩至三位主管的實務發表，一年內沉澱出 26 項具代表性的實戰案例，進一步轉化為內部培育教材與專業認證體系。
蜂巢與風潮相輔相成，結構非常完整。若只有蜂巢而缺乏風潮，知識庫很容易淪為一座無人問津的冷凍庫；反過來說，若只有風潮而少了蜂巢，每週的熱烈討論在散會之後，寶貴的實戰經驗恐怕也隨著會議那些用過的咖啡杯一起被收拾乾淨。
一方負責封存智慧，另一方負責帶動知識活水，呼應了我在第一場所強調的 Memory：實務經驗既要完整保存，更需要同仁持續在日常工作中取用、修正並反覆驗證。
另一個至關重要的推進環節，在於 IT 團隊與領域主管之間的緊密協作。
IT 團隊精通資料架構、資安權限、系統整合與技術底層維護，但未必能第一時間掌握某個數據在業務現場所代表的實質意義；業務主管最熟悉作業細節、品質要求與商業影響，但若缺乏技術支援，很容易做出只能綁定在私人帳號與個人操作習慣上的拼裝工具；人資部門深耕主管培育、職能發展、分享機制與組織推廣，卻也無法單靠自身力量解決複雜的技術與資料治理難題。
單靠 IT，可能打造出技術架構完整、現場人員卻意願低落的系統；單靠領域主管，容易發展出全公司只有開發者本人懂得操作的個人化工具；單靠人資推動，專案最後往往只留下一張排得滿滿的年度培訓課表。
光洋的合作模式，是由領域主管負責精準定義問題、把關產出品質並承擔營運成敗，IT 團隊負責建構穩固的資料流與系統底層，人資夥伴則專注於建立能力認證、推動分享機制並引領擴散節奏。三方各司其職、通力合作，AI 才有機會從個人的實驗工具，真正晉升為企業級的標準作業流程。
整合我們這兩場分享，在此整理出五個評估維度，協助企業自我檢視是否已做好擁抱 AI 的準備：
- 鎖定端到端完整流程：切忌只挑選便於展示的單點功能。管理團隊應從任務發起一路檢視至最終交付成果，確認 AI 介入後，整體作業時程是否獲得實質改善。
- 確立當責主管與驗收目標：每項專案都必須明確定義由誰負責調取資料、誰把關產出品質、誰負責最終簽核，並明訂具體的成效衡量指標。沒有當責的主管，只靠著同仁人人一起學 AI，到最後是推動不了任何實質的專案的。
- 明確劃分人機協作邊界：涉及合約日期、關鍵金額、法律責任與重大經營決策等高風險節點，必須清楚標註交接位置，並由具備專業經驗的人員親自複核。
- 建立跨功能三角協作機制：促成 IT、領域主管與人資三方深度協同，分別負責技術架構、專業判斷與組織賦能，避免陷入「技術團隊做得出來，業務端卻接不起來」的窘境。
- 打造可順暢交接的組織記憶：檢驗標準在於：當缺乏原開發者的口頭引導時，另一位同仁能否依循留存的文件完整重現成果。若無法達成，該方案目前充其量仍屬於個人專長，尚未轉化為組織資產。
AI 確實扮演著強大的加速器角色。它能高速處理資料萃取、內容生成與趨勢分析，但同時也會同比例放大組織原本的管理體質。管理體系扎實、決策者具備大局觀，且內部樂於推動跨部門協作的企業，AI 將成為優秀主管的強力後盾，帶領整個團隊大步向前。在此過程中，企業更必須有意識地記錄、驗證並交接這些實戰智慧，避免核心競爭力被鎖死在少數個人的帳號中。
否則，我們很可能會在組織內看見極具 2026 年既視感的荒謬場景：每位同仁手邊都有專屬的 Agent，每個 Agent 都在高速運轉，但到了最後，大家依然得聚在會議室裡，一起翻找迷失在雲端硬碟中的檔案。
AI 確實會為企業帶來驚人的速度。但在踩下油門加速之前，管理團隊最好先確認清楚：整間公司到底準備開往哪裡。