你的 AI 每一步都來問你，可以授權到哪裡？｜主管授權員工的那套方法直接搬過來用

這篇在講什麼

企業把 AI 代理放進工作流程之後，很多主管遇到同一個狀況：AI 每做一步就停下來問一次，前幾次還會仔細看，看到第十次已經在無腦按同意。這時候那道確認關卡等於失效，人力成本還是照付。這篇用大家熟悉的管理語言來拆這件事：那些重複的確認，其實是組織裡還沒被寫出來的授權辦法。內容包含授權範圍怎麼判斷、護欄怎麼寫、重工成本怎麼設停損，以及哪四類動作永遠不該授權出去。

適合誰

• 已經導入 AI 代理或正在評估的經營者與主管，每天花不少時間在核可 AI 的下一步
• 負責流程優化、系統導入的營運與 IT 角色，需要決定哪些環節可以自動跑完
• 想讓團隊一起用、不只自己會用的決策者，需要一套可以寫進規範的授權標準

你會得到什麼

• 一個判斷授權範圍的方法：哪些事可以交出去、哪些事永遠留在自己手上
• 三行可以直接寫進部門規則或提示詞的護欄：完成條件、檢查方式、停止條件
• 重工圈數的設定方式，以及一個實測數字：標準寫清楚之後，整條流程約 95% 可以自己跑完

一、你現在面對的 AI，像一個什麼都來問你的新人

先描述一個很多主管都熟悉的場景。

部門來了一位新人，能力其實不差，交代的事情都做得出來。但他每做一步就來問你一次：這樣可以嗎、要不要繼續、這個檔案可以覆蓋嗎、格式是照舊還是改新的。

前三天你覺得他謹慎，很好。第二週你開始覺得自己一整天都在回答同樣的問題。第三週你發現，你其實變成一個很貴的確認鍵。

現在市面上的 AI 代理，預設就是這位新人。它的每一步預設都要人在場，這在工程界有個名字叫駕馭工程（Harness Engineering），harness 的原意是韁繩。OpenAI 2026 年的說法是：一個 AI 代理等於模型加上駕馭工程，模型是大腦，駕馭工程是控制大腦的那套工程。

翻成管理語言：模型是那位新人的能力，駕馭工程是你怎麼帶他。

這一站做得好，產出會很接近你要的東西。代價是你人得一直在場。

二、簽核簽到第十次，那道關卡已經失效

第一個代價是時間，這個大家都算得出來。第二個代價比較少人講，但影響更大。

當同一個確認動作重複到第五次、第十次，你已經不會認真看了，你只是把它按掉。這時候那道關卡在流程圖上還在，實際上已經不具備把關功能，它變成一個儀式。

這件事在企業裡不新。核決權限表上留著一堆主管簽核，簽到最後變成蓋章程序，出事的時候才發現沒有人真的在看。AI 只是把這個現象的頻率放大了幾十倍，一天可以出現上百次。

所以要問的是另一個問題：監督應該花在哪裡。

三、關鍵問題：這件事我已經回答過五次了

我在講座上講過一段話，那是我自己跨過去的那一步：

如果這一個標準、這一個確認的動作，我已經重複做好幾次了，我的標準就是這個樣子，你應該知道我的水準到哪裡。這種事情這個規則是我願意授權的，那你為什麼還要再問我呢？

這句話有兩層。第一層是抱怨。第二層才是重點：如果我願意授權，代表這件事在我心裡已經有一個明確答案。那個答案沒有被寫出來，所以每一次都得再問一遍。

換成組織的語言：重複出現的請示，通常代表制度有缺口，不代表下面的人不會判斷。

一個真實的例子

八月我朋友遇到一件事，剛好可以說明。

他做了一套文件系統，裡面 16 個人各一份。他改完其中一份，請 AI 把剩下 15 份照樣改。AI 改到一半停下來問他：每份文件裡各人自己的那些內容要不要保留。

朋友覺得這個 AI 蠻聰明的，還會自己發現問題。

我聽完的第一個念頭不太一樣。16 個人本來就 16 個名字，每個人當然不一樣，這種事還要停下來問嗎。

但我很快改口了。它敢舉手是對的，沒給它規矩的人是我們。

所以正確的處理方式，不是誇它也不是嫌它，是給它一條規矩：

每個人自己的資料各自保留，同樣規格的部分照改。再遇到這種情況不用問我，自己全部做完。

這句話講出口的那一刻，管理動作就從「盯著做」變成「設計模式」。差別只在於，你把一次性的回答，寫成了下一次會被執行的規則。

四、授權要交代的四件事

主管授權給員工的時候，其實不只是說一句「你去做」。真正有效的授權，會把四件事交代清楚。對 AI 也一樣。

第三項是整件事的重心。驗收標準寫得清楚，執行的一方自己就能判斷做完了沒；標準寫得模糊，你會一直收到半成品，而且對方以為自己交的是成品。

這在人身上是老問題，在 AI 身上會被放大，因為 AI 不會像一個帶熟的部屬那樣，靠經驗自動補上你沒說的部分。

我對這件事有感的那一刻，是發現 AI 已經知道我的標準了。我把每一次的標準都寫清楚之後，它就照著做，不用我再講一遍。這跟一個帶熟了的部屬是同一種狀態，差別在於 AI 的「帶熟」是可以被寫下來、被複製到下一個人身上的。五、授權辦法先寫三行就有效

不需要一次寫出一整套管理規範。從三行開始就會有效果：

完成條件：什麼狀態算做完，要能用眼睛或指令檢查

檢查方式：怎麼驗，要具體動作而不是感覺

停止條件：最多幾輪，什麼情況要停下來問人

這三行寫進提示詞、部門的作業規範或系統的規則檔，就是一個最小的授權辦法。

企業端可以直接對照：完成條件是驗收規格，檢查方式是檢驗方法，停止條件是逾時上報的門檻。三件事在製造業的作業標準書裡本來就有，只是過去沒有人想過要把它寫給一個 AI 看。

標準要寫多細，對方才驗得動

講座上有位學員寫了他的版本：站完之後用我的角度檢查，新人看得懂嗎，有沒有太理論。

大方向是對的，但這樣寫 AI 驗不動，因為每一個詞都還可以再問一層：

• 新人是多新？完全沒接觸過，還是已經用過一陣子
• 看得懂的定義是什麼？有沒有可以當範本的文件，例如「這三份是大家看了立刻懂的，照這個水準」
• 怎樣叫真正實用可執行？有沒有可以對照的檢查點
• 要改到什麼程度才算及格？60 分可以用就好，還是要 80 分

把這幾層補上去，對方才有東西可以對照。標準的顆粒度，決定了它能不能自己判斷。

這一段也適用於帶人。差別只在於，人會憑經驗猜你的意思，猜對的時候你不會發現標準其實沒寫清楚。

六、球員不能兼裁判：誰來驗收

授權之後，驗收的那一端很容易被忽略。

先跟上一節的第四項分清楚，這兩件事常被混為一談。自檢是拿著同一份標準檢查自己的產出，屬於例行動作，該做。驗收是換一雙眼睛，判斷這份標準本身有沒有被誤解，這件事同一方做不來。

讓同一個 AI 審自己的產出是危險的，它很難檢查到自己的盲點。我用的比喻是廚師：有一個廚師超級愛吃辣，對他來說辣就是好吃。辦比賽的時候他煮最辣的那一道，輪到他當評審，他也給辣的最高分。

他不是故意偏心。他做的跟他評的，用的是同一把尺。

AI 也一樣。它產生答案的時候是根據當下理解的脈絡往下推，你叫它回頭檢查，它讀到的還是同一份脈絡，用的還是同一套判斷。表面的錯字與矛盾它抓得到，錯誤的前提在它眼裡依然成立。

所以我的流程設計成：一家跑完，換另一家審。實務上就是用兩個不同公司的模型互審。

這條在企業裡的對應非常直接，就是職能分離。做帳的不查帳，採購的不驗收。過去這條規定是為了防弊，放到 AI 上，它防的是盲點。

七、重工圈數：一個會燒掉預算的地雷

授權辦法寫成「沒過就修，修到通過」，這句話裡藏著一個成本問題：如果它一直沒過呢。

它會修一百遍，會跑一千遍。真的有可能，然後你的 API 額度一個晚上就燒完了。

所以一定要設圈數上限。我自己的預設是這樣：

• 一般的文件與決策，兩家模型互審：2 輪
• 很重要的會議、很重要的決策：3 輪
• 3 輪還沒解決：停手，把問題寫清楚回報，我自己判斷

為什麼是停手。因為跑不出來，通常代表我這邊講不清楚。我講不清楚的事情，它討論一百遍也一樣講不清楚。這時候要修的是我的標準，再跑一輪沒有用。

這個判斷在管理上也成立。一件事來回三次還沒收斂，多半不是執行的人不努力，是交辦的規格本身有問題。

不確定要設幾圈的話，也可以直接問它：這個任務跑幾圈差不多。

八、我實測放手到哪裡

給一個具體的數字。

在標準都寫清楚、而且已經固化成技能包的前提下，讓兩家模型互跑，我實測一整條流程大約 95% 可以自己跑完。剩下的是它不確定的部分，那些才回到我手上做決策。

我現在的授權寫法比這個更進一步：

遇事不決問另外一家。標準就在那邊，你們兩個都審一下。兩邊意見一致就直接做，不要問我。分歧很大再問我。真的不想被打斷的時候，能做的就做，有問題的寫進工作日誌，我事後去檢查。

這段話本身就是授權辦法。它定義了三種情況各自怎麼處理，所以 AI 不用每次都回頭問。

需要說明的是，95% 是我這種一人作業的情境，流程單一、標準集中在同一個人身上。多人團隊的比例會不一樣，因為標準散在不同人手上，要先讓標準對齊，才會有這種效果。這一點在導入時要先講清楚，免得期待落空。

九、四類永遠不授權

前面講了很多放手，這一節講不放手的。

有四類動作，我到今天仍然要求 AI 停下來問我，而且寫進規則裡。

這四類的共同點是「錯了救不回來，或救回來的成本很高」。授權可以省掉重複的判斷，救不回來的那一類不放進去。

企業讀者可以直接把這張表對照自己的核決權限表。差別只有一個：AI 的執行速度比人快很多，所以錯誤擴散的速度也快很多，這四類的界線要比對人更早劃清楚。

還有一個我踩過的坑值得提醒：AI 回報「完成」不等於真的完成。曾經有一次子代理把一百多個檔案打壞，回報還是完成。所以我的規則是它說做完了，我要自己去確認產物真的存在、內容真的對。放手的是執行，驗收不放手。

十、企業可以先動的第一步

不用整個部門一起改。從一個人、一個流程開始試，兩週就看得到結果。

1. 找出重複的確認：請團隊記錄一週，哪一個核可動作按了超過三次，而且每次的答案都一樣。這份清單就是你的授權缺口清單。
2. 把答案寫成規矩：挑最高頻的那一個，寫成一句「以後遇到這種情況照這樣做，不用問我」。這句話就是新的作業規範。
3. 補上三行護欄：完成條件、檢查方式、停止條件。這三行讓 AI 知道什麼叫做完。
4. 設圈數：先設兩輪，跑不出來就停下來回報。同時觀察 API 用量的變化。
5. 確認四類保留權限有寫進規則：不可逆、對外送出、金錢、改規則本身。

跑完一輪之後，你會拿到兩個東西：一條可以自己跑完的流程，還有一份被寫下來的驗收標準。第二個東西比第一個更值錢，因為它可以複製到下一個流程、下一個部門，也可以拿來帶新人。

收尾

駕馭工程解的是人怎麼控制 AI 的方向、邊界和責任，迴圈工程解的是事情怎麼一輪一輪往前推。兩者是同一件事的兩個階段。駕馭是你帶著它跑，迴圈是你把跑道畫好。

放到企業裡，這就是主管跟老闆很熟悉的那條路：從事必躬親，到設計一套模式並且授權出去。差別只在於，這次要被授權的對象不會自己揣摩上意，你心裡的標準必須真的被寫出來，它才看得到。

那些你每天重複按掉的確認，就是你還沒寫出來的規則清單。從按最多次的那一個開始寫。

延伸閱讀

• 本文的完整版，含名詞定義的張力說明與更多現場實錄：AI 每一步都要我按確認，我可以放手到哪裡？｜從駕馭工程到迴圈工程的那一步
• 迴圈本身怎麼建，五個階段與最少零件：用我寫一篇文章的工作流，講清楚什麼是迴圈工程
• 跑起來之後怎麼不被打斷：AI 一直停下來要授權，怎麼讓它順順跑完：迴圈護欄的五條規則
• 整條主軸的知識地圖：從提示詞工程到迴圈工程：一張圖看懂四階段

我是江江教練

隱性知識提煉師、AI 應用規劃師

對 AI × 知識管理、隱性知識提煉有興趣？歡迎加入我的 LINE 社群

https://line.me/R/ti/g2/V63_43ngbs_kq1mpVc9LlxXB-1kchHnwdsy3WQ

我每月固定舉辦兩場免費線上講座，分享實戰經驗與方法論。如果你對這些主題感興趣，想持續學習，或是有顧問需求，都歡迎先從社群開始。

主要討論：

• 善用 AI 作為思考夥伴，提升決策品質與思考深度。
• 把知識、經驗，整理成提示詞、技能包、知識庫，讓 AI 能靈活運用。