AI 流程的停損條件：你當初力推的那條，現在由誰喊停

先講結論：AI 流程停不掉，很少是因為沒人看得出它沒用。更常見的卡點是——停掉它，等於說當初力推它的人看錯了。而那個人，常常就是主管自己。

所以停損條件不能等到出問題才來討論。它應該在上線那天就寫下來，而且由當初力推的那個人親自同意。

先交代這篇的邊界，有兩條。

第一，我帶過團隊，但沒有做過企業級的 AI 導入，也沒有替任何企業做過退場評估。我手上能講的停損經驗，來自自己那套網站後台的自動化——力推的人和該喊停的人，都是我自己。一個人的規模，碰不到「面子」那一層；那一層我靠研究來支撐。我自己的經驗，講的是面子以外、停損在執行面會卡住的地方。

第二，這篇和〈這五種工作我交給 AI，結果更慢〉不一樣。那篇是個人層：我自己交出去、自己收回來，不需要跟任何人解釋。這篇講的是團隊流程層：別人還在用、有人當初背書、停掉之後要對外說明。多了這兩種人，停損就從「技術判斷」變成了「組織問題」。

AI 流程為什麼停不掉？卡點很少是「看不出來沒用」

AI 流程停不掉，常見的原因不在資訊不足，而在有權喊停的人和當初推動它的人是同一個——而人對自己做過的決定，特別難放手。

當然，「看不出來沒用」也真的會發生，我下面第二個例子就是反過來的版本。兩種卡點都存在；這篇主要處理的是另一種：看得出來，但沒人說。

一個 1976 年的實驗：結果不好時，負責的人反而投更多

組織行為學裡有一篇很經典的研究。1976 年，Barry Staw 讓 240 名商學院學生參與一個模擬的企業投資決策，並操弄兩件事：受試者是否要為先前的決定負個人責任，以及那個決定的結果是好是壞。

結果是：當受試者自己要為負面結果負責時，他們投入到原本方案的資源最多。

這個現象叫做「承諾升級」（escalation of commitment）。它跟大家熟悉的「沉沒成本」有關，但多了一層更刺的東西：讓人繼續加碼的，除了已經花掉的錢，還有「我當初是對的」這個需要。

（它是學生參與的模擬實驗，直接套到企業現場要打點折扣。）

放回辦公室：力推的人，通常也是最有權喊停的人

一條 AI 流程從提案到上線，通常有一個人推得最用力——他寫了簡報、爭取了預算、在會議上說了「這個會幫我們省很多時間」。

半年後，數字不太好看。這時候最有權力喊停的是誰？通常是他，或他的主管。而最不想喊停的，也是他。

其他人呢？看得出來不太對的同事，很少會主動說「我覺得這個該停了」——因為那等於在會議上說主管看錯了。於是這條流程就停在一種「沒有人說好，也沒有人說停」的狀態，繼續佔著預算，繼續佔著大家的時間。

公開預測數的是「被停掉的」，該停沒停的沒人數

關於 AI 專案被放棄的比例，常被引用的是 Gartner 的兩則預測。先講清楚：它們都是研究機構發布的短期預測，不是已經發生的統計，也不是我的預言。

• 2024 年 7 月，Gartner 預測到 2025 年底，至少 30% 的生成式 AI 專案會在概念驗證之後被放棄，原因包括資料品質不佳、風險控管不足、成本升高，或商業價值不明確。這個期限已經過了，我沒有去驗證它後來是否成真，所以只把它當作「當時的預測」。
• 2025 年 6 月，Gartner 又預測到 2027 年底，超過 40% 的代理式 AI（agentic AI）專案會被取消，原因是成本升高、商業價值不明確，或風險控管不足。他們的分析師在發布時提到，目前多數這類專案還是早期實驗或概念驗證，大多由炒作驅動，而且常常被用錯地方。

我引這兩則，重點不在 30% 或 40% 這兩個數字，而在它們數不到的東西。

這些預測數的是「被放棄、被取消」的專案。真正難處理的，是那些早該停、卻因為沒人喊而一直沒停的。 它們不會出現在任何「被取消」的統計裡，因為它們還在跑，還在每個月的帳單上，也還佔著同事每週的時間。

停損卡住的三個地方：我自己踩過的

停損在執行面最容易卡住的三個地方，是「以為停了其實沒停」「訊號本身是錯的」「決定沒傳到執行層」——這三個我都踩過。規模很小，但一個人一樣會遇到，放進團隊只會更容易發生。

第一課：加了「預設不用」的規則，它還是被退了三次

我在〈AI 導入的 KPI 怎麼訂〉那篇提過後台的一個自動化模組：上線第一天，它跑出來的結果就被我退回，當天我就給它加了一道規則——預設不用，要先通過五題評估才能啟動。我當時的想法很直接：寧可它什麼都不產出，也不要產出重複或矛盾的東西。但接下來三週，它的結果又被我退回了 3 次。

那篇講的是退回次數，這裡想講的是另一面。現在回頭看，我當時沒有把它關掉，而是「再加一條規則管它」——這其實也是一種加碼：捨不得拆，就再加一層。規則寫了，它還是照樣在跑。

這是第一課：停損條件寫下來，不等於真的停了。 「預設不用」是一個態度，不是一個開關。要真的停，就得把它從流程裡拿掉，或設定成必須有人明確允許才能啟動。

第二課：差點動錯手——53 個頁面，其實只有 1 個有問題

第二次正好相反：我差點對一套好好的東西動手。

有一次我跑了一份全站連結的體檢分析，結論非常嚇人：53 個頁面、255 條連結有問題，判定是「系統性」的漏洞，待修清單上列了 221 條。數字精確到個位數，看起來非常可信。

同一天稍晚，我換了一個方法重新檢查，才發現原本的檢測方法本身就是錯的——它檢查的時間點，根本看不到真正在運作的那個機制。實際有問題的，只有 1 個頁面。

如果那天我照著那份分析動手，我會把一套運作正常的東西大拆一遍。

這是第二課：喊停或大改的訊號，本身也需要被驗證。 越精確的數字越容易讓人直接行動，但精確不等於正確。所以停損條件裡除了「看到什麼就停」，還要寫「看到之後，先用另一個方法確認一次」。

第三課：決定了，執行的那一層沒收到

第三次最隱形。

我曾經在一份設定文件裡寫清楚：某個排程時段已經讓給另一條流程。但後來盤點時發現，兩條排程的實際設定，在那個時段仍然撞在一起。文件改了，排程本身沒跟著改。

這是第三課：停損常常卡在傳遞，而不在決策。 做決定的人以為停了，實際執行的那一層還在跑。

AI 流程的停損條件，要在上線那天寫：三條就夠

AI 流程的停損條件，最好在上線那天就寫下來，因為那一天所有人對它的期待最清楚，也還沒有任何人需要為失敗辯護。我建議只寫三條。

第一條：看到什麼訊號就停（要量得到）

寫下一到兩個量得到的退場訊號，而且事先定好數字。例如：

• 同一類產出，連續 N 週退回率沒有下降
• 連續 N 週，實際在用的人少於當初預期的一半
• 每週花在修它、補它的時間，超過它省下的時間

數字要在上線前定，不能事後才定——事後定的數字，很容易剛好讓現況落在「還可以再觀察一下」。

另外，照第二課的教訓，訊號出現之後，先用另一個方法確認一次再啟動。退回率怎麼量，我在〈AI 導入的 KPI 怎麼訂〉那篇寫過收件端勾選表的做法，可以直接拿來當第一條的量尺。

第二條：誰有權喊停（力推的人要先簽名）

寫下兩個名字：

• 當初力推的人：他要在上線前同意一句話——「如果出現第一條寫的訊號，我同意停。」
• 一個不是他的人：有權在訊號出現時提出「該停了」，而且提出這件事不需要付出政治成本

為什麼要力推的人先簽？回到 Staw 的實驗：在結果不好時，對原決定負有個人責任的人，最傾向繼續加碼。事先簽名，是把「停」從「承認自己錯了」，改寫成「履行自己當初說過的話」。 這是我的推論，研究本身沒有測過這個做法。

反過來也要想到：白紙黑字簽了名，觸發的時候也可能更像被公開打臉。所以簽的內容要是「條件」，而不是「預測」——他簽的不是「我保證這會成功」，而是「出現這個訊號，我同意停」。前者觸發時是認錯，後者觸發時是守約。

第三條：怎麼停、通知誰，以及確認執行層真的變了

停不是只有「關掉」一種。建議分三段：

1. 降級：從自動改成人工確認，或縮小使用範圍
2. 凍結：不再新增用途，只維持現有的
3. 下線：正式停用，改回原本的做法或替代方案

每一段都要寫清楚：誰要被通知、在哪一天之前、改回什麼做法。

最後再加一個檢查動作：停的決定發出去一週後，去看實際執行的那一層——排程、設定、共用文件——是不是真的變了。我的第三課，就是漏了這一步。

喊停之後，怎麼跟還在用的人說？

跟還在使用 AI 流程的同事宣布停用時，最容易出錯的地方，是讓對方覺得「我之前花的力氣白費了」。這一段我沒有團隊停用的實戰可講，下面是我覺得比較站得住的三個說法原則。

先講保留什麼，再講停什麼。 例如：「整理格式那一段我們繼續用，只是最後的彙整改回人工。」

講清楚這是條件觸發，不是誰的錯。 如果你有第一條寫下的訊號，就直接說：「我們上線前說好，退回率連續 N 週沒降就調整，現在到了。」這句話不指向任何人。

給過渡期。 還在用的人可能已經把它排進自己的工作節奏，突然拿走會造成新的混亂。給一段時間讓大家改回來，並講清楚遇到問題找誰。

這套做法適合誰、不適合誰

這套停損做法，最適合一條 AI 流程已經有別人在用、當初也有人背書的團隊。

適合你，如果：

• 你們有一條 AI 流程已經上線一段時間，大家私下覺得不太行，但沒有人正式提
• 你就是當初力推某條 AI 流程的人，而你開始懷疑它
• 你正準備上線新的 AI 流程，想事先把退路寫好

不適合你，如果：

• 那條流程只有你自己在用，當初也沒跟任何人背書——那是〈這五種工作〉那篇的情境，自己收回來就好（不過第三節那三課，一個人也會遇到）
• 流程才上線兩三週——現在喊停太早，資料還不夠

代價：

上線前寫停損條件，會讓提案看起來比較沒自信。 有些主管會覺得「還沒開始就在想失敗」很掃興，這需要推動的人自己先接受。

你可能會停掉一些「再撐一下就會好」的流程。 事先定好的數字不會知道下個月會不會好轉。這是用可預測性，換掉一點機會。

喊停的那個人需要被保護。 如果組織文化是「誰提出問題、誰負責解決」，第二條寫了名字也沒有人敢用。

決定停掉之後，接下來用什麼？

決定停掉一條 AI 流程之後，接下來的問題通常是：改回純人工，還是先用比較輕的方案頂著？

如果是小範圍降級——例如先把付費方案縮回少數人使用，其他人暫時用免費版撐著——我在自己的部落格整理過一篇 ChatGPT 免費版還剩哪些限制，可以先對照免費版夠不夠那些人的用量。

FAQ 常見問題

AI 流程上線多久之後，才適合判斷要不要停？

我建議不要用「時間」判斷，而是用「資料量」。至少要累積到看得出趨勢——例如退回率連續幾週的變化。如果你在上線前就寫好了第一條的訊號和數字，這個問題會自動被回答：訊號出現就討論，沒出現就繼續。

當初力推的就是我的主管，我要怎麼提「該停了」？

不要提「該停了」，提「我們當初的標準是什麼」。例如：「這個流程上線時，我們有定過怎樣算成功嗎？我想整理一下目前的數字，對照看看。」這個說法不否定任何人，只是把討論拉回標準。如果當初真的沒定，就提議現在補定——從今天開始算，一樣有用。

停掉之後，當初花的錢和時間不就白費了嗎？

那些錢和時間，不管停不停，都已經花掉了。停不停唯一會影響的，是接下來還要再花多少。這就是沉沒成本最難的地方：它讓人覺得「繼續」是在保護過去的投入，但過去的投入不會因為繼續而回來。另外，停掉通常不是全部歸零——降級、或保留有用的那一段，本身就是在保留當初的投入。

停損條件寫了，但到時候大家還是不想停，怎麼辦？

這就是第二條要寫名字的原因。停損條件只是一張紙，真正讓它生效的，是「有一個人被授權、而且被期待在訊號出現時說出來」。另外，把檢查排進固定會議——例如每月例會最後五分鐘看一次訊號——比等人主動提起可靠得多。我自己第一課那條規則就是例子：寫了，但沒有固定回頭檢查，很容易就只剩下「寫了」。

參考資料

Staw, B. M.，Knee-deep in the big muddy: A study of escalating commitment to a chosen course of action（Organizational Behavior and Human Performance, 16(1), 27–44, 1976）：240 名商學院學生參與模擬投資決策，操弄個人責任與決策結果；對負面結果負有個人責任者，投入原方案的資源最多。

Gartner，Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025（2024-07-29，預測）：至少 30% 生成式 AI 專案將於 2025 年底前在概念驗證後被放棄。

Gartner，Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027（2025-06-25，預測）：超過 40% 代理式 AI 專案將於 2027 年底前被取消。