工具都買了、課也上了，為什麼 AI 導入還是沒效果？問題在方向和制度

2026-10-01

作者

江江教練

你公司推 AI 推了半年，成效報告上什麼都沒有，但最會用 AI 的那個員工，很可能是最安靜的那個。他把效率做到十倍，公司不會加他十倍薪水，多半是給他更多工作，所以他選擇裝死。這個計算很合理，它也是多數企業 AI 導入停在原地的真正原因之一。這篇先講清楚「優化」和「原生」差在哪，再把我在製造業、公部門、企業內部推動者那裡聽到的兩道牆攤開。方向對了之後，真正決定成效的是制度。

工具都買了，課也上了，為什麼 AI 導入沒有效果。這個問題我最近被問得很多。答案通常出在兩個地方。一個是方向：多數導入只是讓某個環節快了一點，流程本身沒有動過，而那一層能省的，過去二十年早就被各種軟體省完了。另一個是阻力：就算看懂方向、想動流程，還會撞到組織這面牆，而那面牆買軟體拆不掉。

這篇在講什麼

把 AI 接進舊流程，得到的是數位優化的成果，通常是兩到三成的提升。值得投的是「沒有 AI 就不可能存在」的做法。而方向看對之後，真正決定成效的是制度：員工為什麼要交出效率、資料能不能進 AI 的線誰來畫、成果怎麼擴散。

適合誰

公司正在推 AI，但效果停在「快了一點」的經營者與主管
被指派在公司內推 AI，推不動、說不出卡在哪的推動者
工具都採購了，想知道下一步該動流程還是動制度的決策者

你會得到什麼

一個三層判準，十分鐘看出你的導入現在站在哪一層
三句可以直接拿去問的問題，把第三層的機會問出來
員工不交出效率的那道計算題，以及制度層的三件事
一個給老闆的價值換算方式，讓 AI 的價值不再只算省下幾小時

最一開始，鋼鐵只是拿去補強木屋

先說一句，下面兩個故事我講的是大意，年代與細節都取整數，重點在轉折點的形狀，不在考證。

新技術剛出現的時候，人的第一反應永遠是拿它去做原本就在做的事。鋼鐵剛被製造出來，建築業拿它做鐵釘，去補強木頭房子。大家很開心地發現，原本只能蓋兩層樓，有了鐵釘可以蓋三層。這件事持續很久，直到有人問：鋼鐵這麼好的材料，為什麼不直接用鋼鐵蓋房子？這一問，摩天大樓才出現。而且那不是把木屋加高，整套結構要重新設計。

蒸汽機也是同一個形狀。它最早的用途是取代水車，工廠還是那個工廠，只是推動輪子的東西換了。要再過幾十年，才有人問出那個問題：動力已經不是來自河流，工廠為什麼還要蓋在河邊？工廠可以蓋在原料旁、市場旁、勞動力旁，整個產業的地理版圖因此重畫。

鐵釘讓木屋多蓋一層，是把新工具塞進舊架構，成果是效率提升。直接用鋼鐵蓋、結構重新設計，是拆掉舊架構重來，成果是新的可能性。前者叫優化，後者才叫原生。

你的公司現在站在第幾層

把 AI 的用法分成三層，很快就知道自己站在哪。

第一層是節點加速：流程完全沒變，只是其中某個環節用 AI 快了一點。最常見的是行銷部門用 AI 做圖文，發文流程一模一樣，只是產圖那一步變快。第二層是重新設計流程：開始問這條流程本身合不合理，把步驟拆掉重接。第三層是原生設計：假設一開始就有 AI，這件事根本會用另一種方式做。

大部分公司停在第一層，然後把它叫做 AI 轉型。

這裡有一件事要講清楚：能被數位優化的事，過去二十年早就被 ERP、CRM、自動化流程、報表工具做完了。現在再接上 AI，得到的通常是 20% 到 30% 的提升。那是好事，但那是數位優化的尾聲，不是 AI 的場景。

第三層長出來的東西不一樣。它會長出一些「沒有 AI 就不可能存在」的做法：以前因為人力成本太高根本不會做的事、以前因為判斷成本太高只能憑感覺的事、以前因為一個人做不完所以不敢接的案子。所以我現在講這件事都直接說：沒有 AI 轉型，只有 AI 原生。

一個粗糙但好用的判準

怎麼分辨自己現在做的是哪一層？我用一個很粗但很好用的算法。AI 能幫你的分成兩個方向：賦能大腦（決策、推理、研究、看見盲點）做得好可以乘十倍；賦能手腳（自動化、批次處理、重複執行）做得好也可以乘十倍。兩個都吃到，理論上是一百倍的量級。

所以我的判準是：如果這個應用的天花板只有 20% 到 30%，它多半是數位優化；如果有機會出現數量級的差別，才是值得投的原生場景。先講清楚，這個算法是我快速判斷方向的工具，不是精算模型，不拿來對外承諾成效。

要問出第三層，三句可以直接拿去用：

如果一開始就有 AI，這件事我們還會這樣做嗎？會，它是既有流程；不會，後面那個答案就是第三層。
有什麼事是以前想做但做不起來，因為人力成本太高？那些被成本擋掉的想法，現在值得重新算一次。
有什麼判斷，我們一直是憑感覺做的？憑感覺代表沒有規則，而把規則寫下來這件事，本身就是第三層的入場券。

第三句最容易被跳過，但最有價值。第三層真正要處理的，是把主管腦中的判斷寫成 AI 可以執行的規則。

方向對了，然後會撞到一面牆

方向看懂之後，真正的困難才開始。我這段時間跟不少在企業內部推 AI 的人聊過，製造業、公部門、企業內部推動者都有。他們遇到的困難幾乎都跟「AI 好不好用」無關，全部卡在組織問題。

先算一道題。假設一個員工用 AI 把產出效率提高了十倍，接下來會發生什麼事？公司不會加他十倍薪水，多半也不會讓他提早下班，比較可能的是給他更多工作。那對這個員工來說，最理性的選擇是什麼？裝死。他繼續用原本的節奏交件，把省下來的時間留給自己，能力留著等對的場合再拿出來。

這是員工在既有制度下做出的合理計算。所以你會看到一個很弔詭的現象：公司裡最會用 AI 的人，往往是最安靜的那個。而公司推 AI 推了半年，成效報告上什麼都沒有。

問題出在效率提升沒有對價。員工配不配合要靠宣導，對價要靠制度，兩者的解法完全不同。

第二個卡點更硬：權限

另一個常見的卡點更硬。一位在企業裡負責推 AI 的朋友問我：公司的電腦帳號是綁定的，連想裝的工具都裝不了，怎麼辦？也有公務體系的朋友說，公司帳號跟私人帳號打架，兩邊的 AI 服務不敢同時開，怕出事。

我的回答通常讓人有點沮喪：這個卡點屬於組織治理，單靠 AI 工具解不掉，繞不過去。個人的努力沒有辦法繞過公司的資安政策，硬繞的風險也不該由員工承擔。真正該處理的在上層：這件事誰能決定、資安的邊界在哪裡、有沒有合規的替代方案。

順著這個邏輯往下想，會回到三層論：小公司才有可能做到 AI 原生，大公司很多時候是在還技術債。大公司有既有系統、既有權限架構、既有分工方式，每一項都是十年前為了當時的效率設計的。要做第三層，等於要動這些東西，牽涉到的已經不只是工具，是組織本身。小公司沒有這些包袱，今天決定用什麼方式做事，明天就可以換。這是小公司在這個時代少數的結構性優勢，而且有時效性。

公部門是另一種版本。我聽過一線的實況：上級要求用 AI 寫公文，甚至要求用 AI 做個資去識別化，但這類資料要真的合規處理，本地端的模型能力還不足以承擔，能力足夠的線上服務又牽涉資料外送，中間那條線誰來畫，沒有人講清楚。

上面這些是我在一輪一對一裡聽到的第一手現場情況，來自製造業、公部門、企業內部推動者等不同角色。它們是真實案例，不是產業普查，請當成參考。

所以真正要處理的是這三件事

我的結論很明確：推 AI 要搭配組織顧問，只買工具不動制度會停在原地。工具的部分其實最簡單，一兩個月就能上手。難的是這三件事。

]

第一件，先決定省下來的時間要換成什麼。換成更多產出、換成準時下班、還是換成獎金。沒有答案，員工就不會誠實。

第二件，把權限的線畫清楚。哪些資料可以進 AI、哪些不行、走哪個管道合規。沒有這條線，大家只能各自偷做。

第三件，找一個示範單位先做出亮點。不要全公司一起上。先做一個小組，做出看得見的成果，再水平展開。

第三件事其實不是新東西。製造業推精實生產、推改善活動，用的就是這套：示範小組、做出亮點、水平展開。我跟一位有三十年製造業經驗的前輩聊過，他點出這條路徑跟 AI 導入很像，也提醒我：要進企業輔導，得先理解那一套人性工程，不然老師傅不會理你。這個對照我覺得值得繼續追，但它目前是一個待驗證的假設，不是已驗證的方法論。

給老闆的一個換算方式

如果你是老闆，我建議把 AI 的價值換一個算法。多數公司算的是省下多少人力工時，那個數字通常不大，也很容易被質疑。但 AI 真正值錢的地方不在那裡。

它的價值不在省你半小時，在幫你看到盲點、少損失一千萬。一份合約裡沒注意到的條款、一個報價漏算的成本、一次合作前沒查到的風險、一個市場訊號沒有被接住。這些事情發生一次的代價，遠大於整年省下來的工時。

所以與其要求全公司用 AI 提高打字速度，不如先把它用在決策這一層：讓它把要簽的東西看一遍、把要投的案子壓測一遍、把你沒問的問題問出來。這一層剛好落在第三層，因為過去這些判斷只能憑經驗；它也不會踩到員工的計算題，因為它不是在監督誰的效率。

先動的第一步

如果你正在推 AI 推不動，先不要換工具。先問兩句：

第一句：如果一開始就有 AI，這件事我們還會這樣做嗎？

第二句：如果他真的把效率做到十倍，他會得到什麼？

第一句問的是方向，第二句問的是制度。兩句都答得出來，再談工具。這是我整理的順序，你可以照自己公司的狀況調整。

下一篇：企業導入 AI 的五個層級

從導入的階段來看，我覺得企業導入 AI 有五個層級：AI 工具、工作流程、知識庫、AI 員工、全新價值點。第一層用 AI 做小工具，主要是賦能員工；到第三層，才是把知識庫建好，讓 AI 來學。

每一層在做什麼、你的公司現在在第幾層，接下來我會有一篇仔細講。歡迎追蹤我。