實現變革計畫|數位時代 BusinessNext

隨著環境的變遷，現今企業組織皆面臨迫切的變革壓力。然而很遺憾地，改革工作知易行難，大部份嘗試推行、甚至已經進行變革的企業往往以失敗告終。根據研究，變革的成功機率不到三成！
雖然變革的速度、規模和複雜度已遠遠超過從前，但拖延變革的代價不僅會造成不便，還會損失慘重。許多全球知名企業，例如全錄（Xerox）、朗訊（Lucent）、日本三菱（Mitsubishi）等，都曾失敗過，即使借重新領導人推行改革，仍然無法重振雄風。由此看來，改變是一件相當困難的任務，因此必須釐清挑戰的關鍵。

**心象圖的重要性

**
綜觀市面上數百本探討領導策略變革的書籍中，為什麼要選這本書呢？乃因許多書籍在討論變革對象及方法都顛倒了，因為他們通常採取「組織內」（Organization in）的方法，就是將所有組織應該改變的項目一一列出來，個人就會跟著改變。
但本書作者布雷克及葛雷格森發現，解決問題的核心在於：改變我們根深蒂固的「心象圖」（mental maps）──他們如何看待組織與工作，也就是既有的思維模式。心像圖就像指引人們方向的地圖一樣，它主宰著人們的日常行為。維持成功的策略變革在於先改變個人，才能改變組織。因此採取「個人外」（individual out）的方法，而非「組織內」，所以若要進行企業變革，人們就必須先突破思考障礙。

**成功變革的CBA

**
重繪心象圖最大挑戰是妨礙持續策略變革的障礙。是哪些自然因素導致人們壓抑變革並產生思考阻礙？答案就在於造成變革失敗的3個關鍵問題。本書有系統地指出如何實現變革的重點：以新目標和方法「重新繪製」人們的心象圖。作者指出，影響策略變革的思考障礙是：看不見、推不動，以及無法完成。
‧克服看不見：為什麼企業會錯失明顯的轉型時機？該怎麼辦？
‧突破推不動：為什麼人們即使意識到改革勢在必行，卻仍安於現狀？如何突破這項障礙？ ‧戰勝無法完成：為什麼改變會功虧一簣？如何維持士氣？
「變革CBA」即指體認（conceive）、相信（believe）和實現（achieve），而此3步驟可以有效回應且克服變革的3項障礙。要克服第一項障礙，人們必須體認舊的好策略是錯的，且認清新的好策略；要克服第二項障礙，人們必須相信策略變革可以帶領他們成功實踐新好策略，最後，人們必須去實現策略變革的目標，同時確知他們已經成功達成任務。
找出這3個問題的原因並突破這些障礙，就能夠進行策略變革。這本書以深入淺出的表達方式，並輔以生動的圖表，有系統的闡明心象圖如何創造這些障礙，並告訴讀者如何找尋開啟心象圖的鑰匙，頗具參考價值，值得一閱。

ChatGPT、Gemini、Claude 等 AI 通用工具問世後，「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用，多數卻仍停留在文書輔助、單一聊天機器人（Chatbot）運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻，企業需要的不再只是一個會回答問題的對話框，而是具備「自主決策與行動執行」能力的「代理式 AI」（Agentic AI）。

Going Cloud 和 IDC 合作發布的《多代理系統崛起打造敏捷韌性企業》報告便指出，如今「AI First」時代來臨，企業的 AI 應用正從輔助性質走向自主營運，有 80％的企業期望藉此提升生產力，70％的企業希望能更輕鬆處理複雜任務，還有 66％的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多，必須納入組織管理

但究竟什麼是「代理式 AI」？

「過去人們使用生成式 AI 時，需要一步步下達明確指令，但現在使用者只要賦予代理式 AI（Agentic AI）明確目標，它就能自己理解前因後果、進行推演，甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加，比方說，人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI，跨部門協作的複雜度也隨之飆升，「如果你是管理者，你就會意識到，必須把 AI 當成一個人，納入組織裡來管理。」黃柏淞強調，能統籌、指揮多個 AI 代理協作的「多代理系統」（Multi-Agent System, MAS），正是為了解決這個痛點而生。

簡單來說，MAS 就像虛擬的企業總部，負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時，各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性，企業可以依照業務需求，隨時新增、更改 AI 代理，能大幅提升營運韌性。

雖然企業普遍意識到，代理式 AI 已經蔚為風潮，但實際部署時，仍面臨諸多挑戰。《多代理系統崛起　打造敏捷韌性企業》報告便顯示，資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題，「企業最擔心串聯多個 AI 代理時，要是權限沒控管好，很容易有機敏資料外洩的風險。」黃柏淞提到，在此情形下，Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」（Supervisor Agent）作為主要決策層，底層則串聯了各個負責單一任務的「任務代理」（Task Agents）。

以 Going Cloud 服務的大型金融企業為例，假設一位 VIP 客戶登入銀行 APP，詢問 AI 客服：「我想申請房貸，請問現在利率多少？另外，請幫我評估把我目前的科技股基金贖回當作頭期款適不適合？」如果是傳統的聊天機器人，可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡，「主管代理」接收到任務後，會先拆解再指派負責「房貸利率」的「任務代理」，去後台抓取客戶的信用評分和最新房貸專案。同時，這位虛擬主管還會指派「理財分析」的「任務代理」，去檢視客戶最近科技股基金的績效並預測市場。最後，再由「主管代理」統整資訊，一併給出一份完整且客製的財務建議，「分層式 MAS 能確保整個過程的指令被清楚傳遞，而且因為權限分層管理，房貸 Agent 不會碰到不該碰的理財資料，符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看，多代理客服平台能降低 50％以上的人工客服工作負擔，並讓回覆使用者問題的平均時間減少 60％以上；FAQ 知識導向與 API 資料調用的正確率，在調用得當的情況下，也都達到9成以上的成功率。黃柏淞指出，金融、製造、顧問等有複雜跨部門協作需求的大型企業，都是亟需採用代理式 AI 的產業。

懂雲也懂企業痛點，助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構？一方面，Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技（KKCompany Technologies），奠定具備理解和服務大型企業的經驗，且自 2022 年創立起，就鎖定服務架構最複雜的大型企業市場。同時，Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家，此成就彰顯 Going Cloud 在堅實的資訊安全基礎上，深化了對個人資料保護的承諾，為客戶提供符合國際標準的資料保障，強化雲端服務領導地位。另外，Going Cloud 還能為企業量身打造底層 AI 平台，提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業，黃柏淞建議，釐清應用場景，比追求最新技術更重要，「唯有清晰定義痛點，才能讓強大的 MAS 平台真正落地。」
他特別提到，導入 MAS 系統不只是 IT 部門的責任，其實更像企業的升級轉型，「未來的知識工作者，不能只是單純『接球就打』，每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表，應該要學著指派手下的「數位同事」去執行。員工的核心價值，將從過去繁瑣、重複性任務的執行，轉移到前期的目標定義、流程規劃，以及後期的決策判斷和審核把關。

AI 技術飛速推進，企業間的競爭已從「要不要用 AI？」，升級成「如何管理與協作多個 AI？」。透過建構靈活、安全且具高擴展性的多代理系統，企業不僅能解放員工的生產力，更能在瞬息萬變的市場中，打造敏捷、韌性兼具的營運大腦。