AI不能不做，也不能亂做(上)：AI能完成大部分工作，為什麼仍不等於能取代一個人？

從 Klarna 的策略轉折，看企業最容易低估的例外風險

AI 正以前所未有的速度進入企業。從分析資料、撰寫程式、生成報告，到回覆客戶、操作系統與協助決策，AI 的能力仍在快速擴張，也讓企業經營者陷入兩難。

企業如果現在不開始導入 AI，短期內也許看不出明顯損失；但當競爭者逐步運用 AI 降低成本、縮短交期、加快研發並提升服務時，差距最終仍會反映在企業的競爭力與營運成果上。

如果企業選擇等到競爭壓力逼近時，再靠緊急購買系統與延攬人才追趕，屆時往往會發現：系統可以買、人才可以挖，但多年累積的企業知識、實務經驗，以及經過磨合的人機協作流程，無法在短時間內補齊。

相對地，若企業推進得太快，在技術、成本與管理機制尚未成熟前，就急於以 AI 大幅取代人力，可能造成決策錯誤、資安外洩、費用失控與關鍵人才流失，最後反而傷及核心營運。

因此，企業面對 AI，不應只在冒進與觀望之間選擇，而應建立一套可驗證、風險可控、可逐步擴大的導入路徑。先從技術成熟、邊界清楚且效益可衡量的應用開始，逐步整理資料、重設工作流程，並透過沙盒、權限控管與人工把關，確認 AI 在什麼條件下可以安全地擴大使用。

這場 AI 競賽真正考驗的，不是誰最快導入、誰買了最多系統，而是誰能更早建立一套「進可攻、退可守的導入方法」。AI 導入的成敗，最終不在於用了多少 AI 或裁減多少人，而在於能否在風險可控的前提下，持續創造可衡量的經營效益。

AI 能完成任務，不代表能取代職位

過去一段時間，不少企業將 AI 視為降低人力成本的捷徑，甚至希望直接以 AI 取代原有職位。然而，這種思考忽略了一個關鍵差異：「AI 能自動化的是任務，企業取消的卻是職位」。

一個職位通常同時包含標準化、可重複的例行工作，以及發生頻率較低、卻可能影響客戶關係、品質與營運安全的例外處理。除此之外，還涉及情境判斷、跨部門溝通、風險控制與責任承擔。以客服或品質工程師為例，AI 可以查詢資料、回答常見問題、整理數據與辨識異常，但面對敏感客訴、產品放行、產線停線或重大品質事件時，仍需由人判斷並負責。

AI 通常會先在標準任務上，展現驚人的效率。企業最容易犯的錯誤，便是：「把局部任務的成功，誤解為整個職位已經可以被取消了」。而真正需要評估的，不只是 AI 能完成多少工作，而是那些仍然無法穩定處理的少數情境，一旦判斷錯誤，企業將承受多大的損失。

Klarna 策略轉折：效率成功，為何仍要補回真人服務？

瑞典金融科技公司 Klarna 的案例，正好說明，AI 帶來效率提升，不代表整個職位就可以被取消。

2024年2月Klarna 宣布，其 AI 客服助理上線一個月後，已處理約三分之二的客服對話，承接的工作量相當於 700名全職客服人員，平均解決時間也由11分鐘縮短至2分鐘。公司當時預估，這套 AI 工具可在 2024年帶來約 4,000萬美元的利潤改善。^[1]

這些數字使得 Klarna 成為 AI 降低成本與人力需求的代表案例。此後，該公司進一步擴大 AI 應用，並配合限制招募與調整客服人力配置。^[2][3]

然而，到了 2025年，Klarna 卻開始重新調整策略。公司重新強化真人客服選項，並恢復招募部分客服人員，讓複雜、敏感或需要同理心溝通的情境，仍能由真人承接。執行長 Sebastian Siemiatkowski 坦言，公司先前推動 AI 可能走得「太快、太早」，因此將重點由削減成本，轉向改善產品、服務與業務成長。^[2][3]

但這並不代表 Klarna 的 AI 客服失敗了。AI 確實提高了處理速度、承接大量標準化工作，也降低了部分成本。真正需要修正的，是把「部分任務效率提高」進一步推論成「整個職位都可以消失」，而忽略少數但高風險的例外情境，仍需由真人判斷並承擔責任。

真正困難的，是低頻但高代價的例外

AI 最容易處理的，是規律、重複且條件明確的工作；真正困難的，則是低頻、模糊、未必依照標準流程發生的，卻可能造成重大損失的例外情境。

例如，客戶未能清楚表達實際需求、資料彼此矛盾、現場條件不符合 SOP，或事情已經朝錯誤方向發展，需要有人察覺異常、重新判斷並及時止損。這些情況出現的比例或許不高，卻往往決定著這項工作是否可以完全交由 AI 自主完成。

因為人類不只是依照流程完成工作，同時也會運用常識、經驗、情境理解與同理心，察覺「事情好像不太對了」；而生成式 AI 即便能夠快速產生看似合理的答案，卻未必知道自己已經偏離事實，更不一定知道何時應該停止、轉交或尋求協助。

更大的風險是，AI 犯下第一個錯誤後，可能還不知道自己已經錯了，仍沿著錯誤方向繼續推論、重試，甚至直接採取行動，使原本可控的小問題，逐步擴大，最終演變成難以收拾的局面。

例如，如果 AI 只是把會議紀錄寫錯，損失也許有限；但如果它誤解合約條款，發出錯誤的付款指令，即使整體正確率很高，單次錯誤仍可能造成企業難以承受的損失。

因此，企業不能只問 AI 能完成多少比例的工作，還必須進一步評估：一旦出錯，損失有多大？錯誤能否立即被發現？在結果變得不可逆之前，是否有人員、規則或系統，能及時中止 AI 的執行呢？

上集小結：先拆任務，再談人力調整

因此，企業導入 AI，不應先問能刪掉多少人，而應先拆解工作，重新界定 AI 的執行範圍、人的判斷權與責任歸屬。中集待續…

點我報名Frank直播，一次說清楚製造業如何應用AI

傳送門：(待續)

本系列上集：AI能完成大部分工作，為什麼仍不等於能取代一個人 (點我連結)

本系列中集：AI真的比較便宜嗎？企業可能從未算過它的真正成本 (點我連結)

本系列下集：從工作拆解到風險治理：企業AI落地的五個步驟 (點我連結)

參考資料

1. Klarna, “Klarna AI Assistant Handles Two-Thirds of Customer Service Chats in Its First Month,” February 27, 2024.
2. Customer Experience Dive, “Klarna Changes Its AI Tune and Again Recruits Humans for Customer Service,” May 9, 2025.
3. Reuters, “Sweden’s Klarna Shifts AI Focus from Cost Cuts to Growth,” September 10, 2025.