企業 AI 轉型｜《Open Strategy》如何把現場與決策接回來？

讀完 MIT Press 出版的《Open Strategy: Mastering Disruption from Outside the C-Suite》後，我對企業推動 AI 轉型有了更明確的判斷。許多公司真正欠缺的，往往不是更強大的模型、更完整的系統架構，甚至也不只是資料治理與專業人才；長期被大家忽略的核心，其實是「現場的策略知識該如何進入決策制度」。

究竟誰有資格定義問題？誰能直接指出主管的假設根本不成立？第一線同仁何時該進場？外部專家能接觸到多少資料？內部 AI 高手摸索出來的技巧，要如何從個人祕技轉化為組織能力？大家提供意見後，由誰負責說明哪些被採納、哪些被否決？最後又由誰負責簽名擔責？

這些問題聽起來確實不如模型名稱那樣光鮮亮麗，也不太適合搬上科技展的舞台。偏偏正是這些細節，決定了一套 AI 系統最後能真正融入日常工作，還是淪為下一份配色精美、功能繁多，但實際使用人數接近零的簡報。

我這兩年花了不少時間教大家如何把提示詞寫精準、拆解工作流程，以及設定好 Agent 的查核點。讀完這本書後，我不得不承認一件稍微傷感情的事實：如果一開始是由錯的人在定義問題，提示詞就算寫到一萬字，最後也只會產出一份架構嚴謹、執行徹底的誤判。

《Open Strategy》的核心觀點：打破封閉決策的盲點

許多讀者可能不太熟悉《Open Strategy》這本書。四位作者（Christian Stadler、Julia Hautz、Kurt Matzler 與 Stephan Friedrich von den Eichen）在書中提出了一個核心論點：傳統上將少數高階主管與企管顧問關在會議室裡制訂策略的「封閉模式」，在面對高度不確定性、產業邊界模糊與跨界競爭時，早已難以應付變局。這種封閉決策容易陷入知識孤島、現狀偏誤、確認偏誤與團體迷思；與會者的背景越相近，就越容易把彼此的共同盲點誤當成共識。

書中特別以 Polaroid 作為經典案例。即便公司很早就掌握了數位成像技術與原型，管理團隊依然被既有的獲利模式、銷售體系與特定認知徹底困住。相對地，《Open Strategy》倡導將策略流程適度向外打開，納入第一線同仁、外部專家、供應商、新進員工甚至顧客的分散知識。高階主管依然要承擔策略抉擇的責任，但職位並不會自動附贈完整的全知視角。

這套開放思維，對企業導入 AI 尤其關鍵。

我們在企業現場經常看到「免費版錯覺」、地下化的 Super Users，以及外部顧問與現場流程嚴重脫節的現象，這些問題其實都指向同一個核心：組織內部的 AI 實務經驗高度分散，高階團隊卻往往只憑少數人的試用感想，就草率決定整間公司的投資方向。有人只試過免費版 ChatGPT，就斷定生成式 AI 不過爾爾；有人已經在部門內部串接好知識庫、程式碼與自動化流程，卻不敢讓主管知道，深怕被同事貼上整天偷懶的標籤。結果往往是最不了解實際操作狀況的人在負責審核，而真正摸透工具的人只能選擇保持沉默。

AI 的能力並未憑空消失，它只是被硬塞進了一套完全不理解它的決策體系裡。

很多轉型在第一個問題就已經走偏

企業在推動 AI 時，最常見的起點往往是工具本身。

大家總習慣先問：我們買了 ChatGPT Enterprise 沒？要不要採購 Copilot？需不需要自建地端模型？能不能做一個專屬 Agent？看到同業都在做，我們是不是也該跟進？

這些問題確實需要考慮，但絕不該當作起點。過早聚焦在工具上，通常意味著經營上的核心痛點根本還沒釐清。結果就是把原本的工作硬套上一層 AI 外衣：試算表換成對話框，手動複製貼上變成自動生成，但背後的跨部門會議、權責劃分與決策邏輯依然毫無改變。工具看似更新了，做事的方式卻原地踏步。

ORION 手術輔助系統的案例就是很好的警惕。技術團隊當初開發出即時語音、多 Agent 協作、影像導覽、用藥安全檢查與術中紀錄等全套功能，臨床專家實際檢視後卻發現，原本設定的題目對達文西手術的無菌環境限制與術中實際需求存在明顯誤解。這並非技術本身沒有價值，而是產品定位必須重新對齊真實流程，從原先預設的「由 AI 指導醫師如何處理併發症」，修正為專注於「輔助核准流程、促進團隊協作與語音病歷紀錄」。

如果實際使用者、流程負責人與專業人員總是在原型完成後才被找來檢視，他們的角色往往只剩下挑錯與糾正。到了這個階段，每一次修正都會牽動功能規格、資料串接、權限架構、操作介面與責任歸屬，單純修改技術反而只是其中最小的工程。

《Open Strategy》提醒我們，第一線同仁參與決策的價值，絕不僅止於提升推動時的配合度。他們能在問題形成的初期，就直接點出哪些預設前提根本不成立、哪些作業例外每天都在上演，以及哪一項看似美好的需求，現場人員其實從頭到尾都不需要。

如果用 Roger Martin 的視角讀這本書：開放不是答案，選擇才是

《Open Strategy》很容易讓人產生一種直覺：既然高階主管不可能知道所有事情，那就把大門敞開，讓所有人一起參與討論。這個直覺有其道理，但如果我們帶入著名策略學者 Roger Martin 的思考框架，問題很快會從單純的「要不要開放」，轉變為更根本的策略提問：開放究竟是要改善哪一個策略選擇？

在 Roger Martin 的策略選擇瀑布（Strategy Choice Cascade）模型中，策略不是一份包山包海的行動計畫，而是一組互相牽動的核心抉擇：我們的獲勝願景是什麼（Winning Aspiration）？要在哪裡競爭（Where to Play）？如何勝出（How to Win）？需要具備哪些核心能力（Must-Have Capabilities）？以及需要什麼管理系統來支持（Enabling Management Systems）？

如果管理團隊只向全公司拋出「大家對 AI 轉型有什麼想法」這類問題，最後蒐集到的通常只是一份龐雜的工具願望清單、點子清單與焦慮清單。這些素材固然有用，但它們本身還稱不上策略。

《Open Strategy》書中介紹了許多極具價值的實務工具，例如趨勢雷達（Trend Radar）、夢魘競爭者挑戰（Nightmare Competitor Challenge）、商業模式競賽（Business Model Contests）、內部預測市場（Prediction Markets）以及大規模策略工作坊（Strategy Jam）。每個工具在不同階段處理不同問題：有的負責捕捉微弱訊號，有的負責將威脅具象化，有的則將構想收斂為具體商業模式。

然而，從 Roger Martin 的視角來看，群眾可以提供多元觀點、評估特定事件的發生機率，卻永遠無法取代領導者做出生死取捨的責任。一個完整的商業模式提案，可能說明了生意如何運作，但不一定能回答「我們憑什麼在特定戰場中勝出」。開放流程的第一個產出，不應該是點子數量的多寡，而是幫助組織釐清更銳利的選擇空間：我們到底要解決哪一個顧客痛點？選擇進入哪個具體場域？這個致勝機制是否與組織既有能力相容？

更關鍵的是，參與討論不會自動轉化為執行承諾。如果公司一面倡導 AI 協作與跨部門透明，考評機制卻依然只獎勵短期結案量與個別主管的防守行為，同仁最終只會相信管理系統的指揮棒。新的「在哪裡競爭」與「如何勝出」，必須反向推導出對應的流程、能力、指標與資源配置。否則，開放活動辦得再熱鬧，策略終究會被舊有的管理系統硬生生拉回原點。

開放有明確邊界，更需要制度化的責任劃分

因此，《Open Strategy》從未主張走向無邊界的「策略民主化」或由全員投票決定公司方向。原書非常務實地強調：開放式策略本質上是一套動態調整的治理機制，高階主管必須保留最終的決策與資源配置責任。

書中將策略流程清晰拆解為三個階段：

1. 構想產生階段：需要擴大認知廣度，適合納入更多第一線同仁、外部專家與跨領域夥伴。
2. 分析與方案形成階段：高度仰賴內部營運數據與商業判斷，適合由精簡的內外部混合團隊專責處理。
3. 落地執行階段：重點轉向如何協助廣大同仁理解方向、補齊實務操作細節並建立當責承諾。

在商業機密與資安維護上，企業也不必在「完全公開」與「徹底封閉」之間走極端。《Open Strategy》第四章提出了極具啟發性的做法：透過情境匿名化、重構問題描述、拆解工作任務與資料去識別化，企業可以將「高度敏感的商業機密」與「可交由外部求解的技術/流程問題」巧妙拆開。這正契合了整合思維（Integrative Thinking）——在保留封閉決策的責任邊界之際，同時享有開放知識的好處。

這對臺灣以供應鏈協作、OEM/ODM 或跨國製造見長的企業尤為實用。面對客戶配方、報價與專屬製程等機密，我們不可能也不應該全面公開；但我們可以將問題重構為「如何降低特定製程的轉換成本」或「某類材料替代的穩定性分析」，讓外部專家與內部現場人員在安全邊界內貢獻智慧。

AI 讓開放式策略更易推行，也讓虛應故事的成本大幅降低

生成式 AI 確實非常適合用來輔助開放式策略的推動。

它能快速彙整大量訪談紀錄、分類整理員工意見、追蹤趨勢假設、比較不同商業模式、梳理少數反對聲音、建立情境模擬，還能把不同部門的專業術語轉譯為一致的溝通語言。過去需要耗費數週才能完成的跨部門訪談分析，現在能在極短時間內整理出清晰好讀的結構化資料。

然而，蒐集資料的門檻降低了，並不代表組織治理的難度會自動減輕。企業在運用 AI 輔助決策時，至少要嚴格防範四種全新的系統性偏差：

第一，AI 容易把真正的立場衝突修飾得過於圓滑。當五個部門對同一項決策存在根本歧見時，摘要模型往往會產出一串「各單位一致認同應在兼顧營運效率與風險控管的前提下穩健推進」的官樣文章。每個人看完都不會反對，因為那段文字早就把所有值得討論的實質衝突修飾得一乾二淨。

第二，AI 容易放大主流聲音，導致關鍵的少數警訊被自動過濾。開放式策略最看重的就是認知多樣性，而真正具有突破性價值的洞察，有時往往來自某個當下最不受歡迎、只有單一部門提出的尖銳意見。

第三，配置多個 Agent 並不會自動帶來多元的認知視角。一百個採用相同模型基底、讀取相同資料庫且設定相似提示詞的 Agent，本質上就像同一位同仁換了一百張大頭貼。它們固然能分工協作、相互檢查並模擬不同立場，但永遠無法取代真正需要承擔作業後果的顧客、第一線操作員、法務團隊、供應商與專業工作者。

第四，全員參與的過程很可能演變成另一場 AI 導入展示秀。公司大費周章蒐集了一萬則同仁意見，AI 在五分鐘內整理出十大方向，最後主管依然照著自己原先的劇本拍板定案。表面上看起來全員高度參與，實質決策卻沒有產生任何改變。這種做法比傳統封閉式決策更容易在組織內引發消極的犬儒心態，因為同仁受邀發聲之後，只會更清楚看見自己的意見毫無影響力。

因此，企業運用 AI 處理開放式策略的資料時，務必完整保留原始資料來源、異議清單、少數觀點、證據力強度評估與人工編修紀錄。摘要工具只是輔助閱讀的起點，絕不能變成替組織消滅不同意見的濾網。

策略執行在方案形成的階段就已經啟動

《Open Strategy》最重要的貢獻之一，就是把策略的「形成」與「執行」重新緊密縫合。

傳統做法通常是由高階團隊與顧問完成方案，再透過說明會、簡報與績效指標向下推動。同仁第一次接觸策略時，內容已經定案；大家就算照單全收，也只能在私底下表達不同看法，很難再對整體架構提出實質修改。

英國 Barclays 銀行的做法則截然不同。團隊先由跨職能小組與第一線工作專案確立大方向，接著透過七十多場實體工作坊，以及一場動員三萬名同仁共同參與的 strategy jam，讓基層同仁把「速度、透明、數位化」等抽象願景，轉譯為貸款審核、帳戶開立與客戶服務等日常作業中的具體行動。員工在參與討論的過程中，同時完成了策略內化、實務轉譯，並真正建立起對變革的心理當責感。

這也充分說明了為何在推動 AI 專案實作時，必須堅持共創模式。企業經營者與部門主管負責定義核心商業問題、投入資源與風險界線；第一線同仁提供真實的作業流程與第一手資料；技術團隊協助打造初步應用原型；業界專家與導師則適時補足實務判斷。最後的成果必須經過現場實際訪談、小規模試行、數據回饋與反覆調校。

從問題定義、現場流程梳理、方案成型到實務驗證，必須由不同角色的夥伴共同參與。大家手中的現場知識，都必須有制度化的管道能正式進入解決方案中。

坐在一起依然不夠，組織必須在制度上明確規定誰能調閱什麼資料、誰有權提出反對、誰必須具體回應質疑，以及最後究竟由誰負責簽名落實。

十二週企業 AI 開放式策略實戰藍圖

推動轉型時，企業完全不需要一開始就大動干戈發動全公司參與。更踏實的起步方式，是挑選一條具備實質商業價值、高度依賴跨部門協作，且目前在作業現場已有明顯瓶頸的流程，展開為期十二週的完整試行驗證。

在執行這套流程時，請務必掌握四項核心原則：

首先，AI 產出的內容絕非事實本身。任何外部數據、法規遵循要求、市場預測與關鍵數字，都必須能夠明確追溯到原始出處。

其次，試行驗證必須放在真實的工作情境中檢驗。操作介面能順暢點選、生成回答讀起來通順，絕不代表這套系統已經具備上線實戰的能力。

第三，每個階段都必須設定明確的停損條件。開放式策略完全可以得出「這個專案現階段不具備繼續推進的價值」這類結論；能夠根據實測數據果斷停止不具效益的投資，往往比硬著頭皮多產出一套無用原型更具商業價值。

第四，組織必須讓參與者看見意見被處理的具體軌跡。哪怕最後決定不予採納，也應該主動說明背後的考量與原因；缺乏實質回饋的參與機制，久而久之只會讓團隊學會下次不要再白費力氣。

評估轉型效益時，請放下對表面熱鬧的執著

企業在衡量 AI 成果時，往往最喜歡統計帳號開通數、教育訓練參與人次、提示詞建立筆數、Agent 建立數量、原型開發個數與簡報頁數。這些指標非常容易蒐集，向上呈報時也看起來格外亮眼。

但這些數字充其量只能證明大家最近非常忙碌。

真正值得管理團隊長期追蹤的實質指標，至少包含以下七項：

1. 到底有多少開發成果真正融入日常作業，實際的使用頻率究竟如何。
2. 整體作業工時、返工頻率、人為失誤與跨部門等待時間是否具體下降。
3. 第一線同仁回饋的實務痛點，有多少真正落實為系統架構的修正。
4. 哪些最初設定的假設在實測中被推翻，組織是否依此實質調整了推進方向。
5. 後續的人工複核、系統治理與長期維護成本是多少，是否侵蝕了原先節省下來的時間效益。
6. 使用者通常在什麼情境下接受 AI 的判斷、何時會選擇推翻系統建議，這些現場反饋是否能持續回饋至下一版設計中。
7. 建立起來的 AI 解決方案能否跨單位模組化複製，還是依然高度依賴單一高手的個人操作。

當組織只願獎勵看得見的展示性活動時，AI 便會極度高效率地為你大量生產更多展示性活動。這怪不得模型，它只是忠實地回應了這間公司真正願意付費買單的績效指標。

結語：把門打開，但不要把選擇丟掉

《Rewired》引導我們看清企業在人才、資料、技術與營運機制上該打下哪些基本功；《Reshuffle》提醒我們，AI 正在深刻重組工作流程、協作關係與商業價值的分配結構；《Open Strategy》則補上了最常被忽視的關鍵拼圖：當整套作業體系即將迎來變革時，究竟該由誰坐上討論桌，共同定義這套全新的系統？

而 Roger Martin 的策略思維則給了我們最清醒的提醒：把門打開是為了看得更清，但開門本身並不是策略。

公司內部到底採購了多少 AI 工具，早已不是勝負關鍵。我們更該嚴肅自我檢視的是：那些最清楚流程會在何處卡關的第一線同仁，在系統正式上線前，他們的聲音是否曾被完整聽見？他們的實務質疑，是否曾實質改變過原先的專案方向？決策者是否在充分納入現場知識後，勇敢做出了清晰的 Where to Play 與 How to Win 抉擇，並用配套的管理系統徹底落實？

如果忙到最後，整間公司留下的依然只有另一份寫滿「AI 驅動」的華麗簡報，那麼我們至少能確認一件事：開放式策略並非行不通，而是它大概從頭到尾都沒有被真正請進過高階決策會議室裡。