最近全球都在瘋 AI，很多老闆為了趕流行，急著要求員工把 AI 放進工作流程，甚至覺得 AI 之後能取代人力，所以開始大刀闊斧裁員。
但現在回頭看， 不少公司其實掉進了「為了自動化而自動化」的陷阱，反而忽略了人性的溝通和原本流程的複雜度。
根據波士頓顧問公司 2025 年的調查，280 位大公司財務主管表示，AI 投資報酬率的中位數只有 10%，連預期目標（20%）的一半都不到，這顯示雖然企業主管都急著想導入 AI，卻常找不到方法。
最近 Glean Work AI Institute 發布了一份《AI Transformation 100》報告，訪問了超過 100 位專家，並收集很多企業的真實案例。透過這些血淚經驗，報告總結出企業導入 AI 時最該避開的 5 大教訓：
教訓一：AI會放大現狀，糟只會更糟
許多領導者以為，導入AI後公司內部存在的許多頑疾都將迎刃而解，AI能夠修復存在已久的體制問題。但事實正好相反，AI本質上是一個「擴音器」，它會放大組織現有的特徵，無論好壞。
史丹佛大學教授鮑伯．蘇頓（Bob Sutton）便指出，如果你將 AI 丟入一個破碎、充滿官僚主義的機構，它不會簡化流程，反而會產生更多的紅線、行政障礙與溝通瓶頸。如果不先修正問題，AI只會讓原本錯誤的流程惡化，問題變得更大。
案例：一間服飾電商的醒悟
報告中便提到，一間服飾電商原先為了優化庫存管理導入AI，希望讓人工智慧找出人類未能察覺的銷售模式，提昇整體業績。
AI系統上線後，很快就發現了過去忽略的跨類別關聯性，「牛仔褲」銷量的增長，其實可以準確預測隨後「洋裝」銷量的增長。
然而，這間公司原本就存在嚴重的穀倉效應問題，它們依照非常細碎的產品類別來劃分員工職責，例如A採購經理只負責大尺碼牛仔褲、B採購經理只負責大尺碼洋裝，每位採購經理只專注自己負責的領域，彼此間沒有交流。
雖然AI提供了過去沒有發覺的洞察，公司卻沒有採取任何行動，因為原先的業務分派中，沒有人擁有跨類別的決策權，這個發現反倒在公司內部引發衝突。後來高層被迫重新劃分職權，擴大採購經理的權限範圍，才解決這個瓶頸。
教訓二：別讓AI偷走工作的靈魂
當生成式AI技術問世後，眾多研究、報告都不約而同警告，客服很外就會被取代。金融科技新創Klarna最初也是如此深信。2023年，該公司曾以AI能夠勝任客服的工作為由，大刀裁掉約700名員工。
案例：Klarna重新認識到人類價值
然而到了2025年，情況出現了戲劇性的反轉，Klarna又重新雇回員工擔任客服。Klarna執行長賽巴斯汀・席米亞柯斯基（Sebastian Siemiatkowski）表示，「我認為最重要的是要讓客戶知道，如果他們需要，總會有真人客服能為他們服務。」
席米亞柯斯基意識到，當所有競爭對手都實現了 AI 自動化時，人類的情感、共鳴與專業判斷反而成為市場上最稀缺的資產，雖然 AI 能處理枯燥的行政事務，但涉及移情與信任建立的「靈魂」部分，必須由真人守護。
「我們有了一個頓悟：在 AI 的世界裡，沒有什麼比人類更珍貴。我們正在加倍投資於服務中人性的一面：具有同理心、專業與真實的對話。客戶應該永遠擁有選擇與真人對談的權利。」Klarna發言人指出。
教訓三：領導者不能只出張嘴
要讓AI技術在公司內普及，深入每一個層面，領導者及高階管理不能僅是發布命令、精神喊話，而是必須捲起袖子親自使用這些工具時，AI 才會在組織中真正擴散。當高階主管在自己的工作中示範如何使用 AI，會鼓勵其他人加入使用AI，將這項技術融入工作之中。
案例：《財星》50大企業管理層親自用AI，帶動公司轉型
報告中就提到一間名列《財星》50大的公司，其領導層以非常具體的行動來打破只說不做的情況。該公司的一位資深副總裁 (SVP) 透露，他們的領導者在桌面上會隨時開著AI助手。更重要的是，在員工會議或一對一會議中，這些主管會現場演示他們如何使用 AI 工具來輔助當下的工作
這種作法能為員工樹立榜樣，並產生巨大的心理影響力。當領導者現場演示修改AI的錯誤時，同時是在告訴團隊「實驗與失敗是被允許的」。並且員工會意識到AI不是威脅，而是高層也依賴的生產力工具。
華盛頓商學院教授伊森．莫里克（Ethan Mollick）提出的「10小時原則」中便提到，如果想要領導AI轉型，必須親自花至少 10 個小時專注使用 AI。唯有親自上手使用，才能理解AI技術並非萬能，它可能在某些領域遠超人類表現，卻在某些簡單任務上表現得一塌糊塗，如果不親自體會，領導者制定的策略往往會不切實際。
教訓四：組織結構決定了AI的天花板
無論AI有多麼驚人的潛力，再強大的技術也無法在過時的架構中生存，不適當的組織結構會輕易扼殺掉AI的力量。傳統企業往往面臨雙重陷阱：過度集權導致新計畫被淹沒在漫長的審核路途中，過度分權則產生大量重複且無效的計畫。
即使擁有最強大的大型語言模型，組織結構若無法適應「速度」與「治理」的平衡，轉型必然會遭遇失敗。包裝公司Westrock就曾險些遭遇失敗的AI轉型。
案例：包裝公司Westrock注意到流程中的「隱形結構」
Westrock內部稽核副總裁保羅．麥克隆（Paul McClung）有著一個極具野心的目標，他希望開發出一套 「一鍵式」的 AI 解決方案，能夠自動完成整個稽核流程。高層的角度看，這似乎是一個單純的「導入技術以提升效率」的專案。
為了實現這個目標，團隊沒有馬上寫程式，而是先在白板上繪製了實際的工作流程圖。正是這一步驟，揭露了組織結構中弊病所在。
他們馬上發現，公司中存在著大量「隱形結構」，紙面上的SOP根本不是工作完成的真正方式。實際流程中充滿了非正式的變通方法，也就是中文口語中的「喬一下」，依靠人際關係，或者非正式的作業流程解決，而這些並不是能依靠AI自動化的流程。
當麥克隆注意到存在公司內部龐大的隱形結構，他意識到強行導入端到端的AI自動化註定會失敗，因為 AI 模型無法理解並執行那些依靠人類「喬」出來的隱形工作。最終他調整了原先的目標，不再追求「一鍵完成整個稽核」的幻想，轉而利用AI來自動化流程中的特定環節。例如，他們使用 AI 來建立風險與控制矩陣，以及生成客戶需求清單。
如果WestRock忽視那些非正式的流程，強行導入全自動 AI，系統會因為無法處理那些隱形的人類變通工序而崩潰。這個案例顯示，管理者在導入 AI 之前，必須先繪製出工作實際是如何完成的，而不僅僅是看操作手冊，找出不存在於紙面上，卻是支撐組織運作的關鍵環節。
教訓五：AI必須融入工作之中
儘管各個公司大聲疾呼AI轉型，AI必須要融入組織的工作當中，否則它只會增加員工的複雜負擔。如果企業將 AI 視為一個「附加項目 」或「副業」，它就無法真正融入業務。當員工必須在原本繁重的工作之外，特地切換到另一個系統去「玩」AI，反而增加了工作的複雜度與摩擦力。
案例：Workday用AI取代舊工作
Workday的人力分析副總裁菲爾．威爾本（Phil Willburn）的案例，是這個教訓最完美的示範。他並沒有要求員工在完成舊工作的同時「順便」學 AI，而是直接用AI取代了舊的工作模式。
首先是消除「行政淤泥」，也就是日常繁瑣的低價值任務。他意識到團隊花費大量時間在撰寫每週更新文件和製作簡報，於是直接砍掉了簡報和週報的要求，要求讓AI系統直接讀取Slack對話、專案計畫等非結構化數據。
這不是讓員工「用 AI 來更快地寫報告」，而是徹底改變了資訊流動的方式。AI成為了獲取資訊的介面，直接消滅了「拼湊資訊」和「熬夜做投影片」這些苦差事。AI 在這裡不是額外工作，它就是新的工作方式。
威爾本的轉型成功，一大因素便在於沒有把AI當作額外的東西，透過改變管理行為取代了原本低效的工作流程。不要讓員工覺得做完工作後，還要花時間去搞AI，而是要讓他們覺得「用 AI 就是我在做工作的方式」。
結論：AI轉型可不是什麼「IT專案」
綜合報告中的種種觀察，其實可以得到至少三個相對清晰的結論：
AI對企業的最大影響在組織邊界
簡單來說，這包含誰對什麼決策負責、哪些工作還由人承擔、哪些流程可以被拆解與重組。只要所有工作流程沒有公開、沒有解構，還停留在「人」的想法裡或是檯面下，AI就永遠不可能落地。重點是哪些公司願意重寫「作業系統」
承上點，公司要願意重新定義角色（從多專才到端到端負責人）、重新設計協同節奏（把 AI 嵌入 sprint 與例會）、重新設置權力結構（讓懂 AI 的人進入決策核心），才有辦法適應新的工作方法。把 AI 當成「看清自己組織」的放大鏡
透過 AI，看見哪裡有冗餘、哪裡有隱性偏見、哪裡有協同黑洞，然後動手重構。
總而言之，對任何想認真做 AI 轉型的企業來說，這篇報告隱含的真正建議，不是「從哪個工具開始」，而是：
先承認這是一個組織設計問題；
把 AI 導入拆解成一組可驗證的假設，而不是一個宏大敘事；
接受大約八成實驗會失敗，但只要有兩成實驗能改寫流程與角色設計，就足以在行業裡拉開結構性差距。
AI 不會替你設計組織，也不會替你做困難的權衡。它只會忠實放大你原本的選擇。
資料來源：AI Transformation 100
本文初稿為AI編撰，整理．編輯/陳建鈞
責任編輯：李先泰
