現在的職場，應該很少有人完全沒用過 AI 工具。無論是和 LLM 交涉還是 AI 代理人，人們使用 AI 的目的無非是想要讓工作更有效率。使用 AI ，就像有人幫你寫初稿、有人整理資料、有人幫忙發想點子。從個人使用的角度來看，AI 在個人工作上確實已經是一種效率放大器。但這邊想問大家一些問題：你用 AI ，那你工作的團隊也用 AI 嗎？如果有，你知道他們是如何使用的嗎？
這幾年我最怕聽到的，不是工作變多，而是老闆或主管出去上了一堂課或聽了某個朋友說了什麼，回來之後——
說：「現在大家都在用 AI，我們也要導入。」
這句話本身沒有什麼問題，但當下明明公司的工作流程都還沒梳理好，又因為要將 AI 融入工作中，又沒有明確方向，每個人開始盲目「各自用 AI 」，有人很積極，有人保持觀望，最後團隊形成一種無形的混亂。 AI 工具很方便我們都知道，我們其實都有在用 AI，但沒有「一起用 AI 」。
其實早在 AI 工具出現前，我們在職場中就曾經看過不下數次這些狀況：公司導入一個新的工具或系統，但用沒多久主事者離職，沒有人接續使用，前面公司的投入都是資源浪費；又或者 AI 工具出現後，每個同事都知道彼此可能都有在用 Gemini 或 ChatGPT，我們以為每個同事對聊天機器人、大型語言模型都有一定程度的了解，但實情是有人用 AI 做出來的報告精美又有邏輯，有人做出來的報告滿滿的都是 AI 的「幻覺語言」。
每個人用 AI 的方式都不一樣，有人把 AI 當決策參考、有人幾乎當答案、也有人仍然對 AI 的信任微乎其微，而這個差距，會慢慢變成團隊的溝通成本、產出品質落差，甚至會產生與團隊間、客戶間的信任問題。
AI 沒帶來價值，通常不是技術問題
在代理型 AI（Agentic AI）如火如荼的發展了一年，麥肯錫在《One year of agentic AI》這篇文章整理了許多企業導入代理型 AI 之後，沒有產生價值的真正原因。雖然這篇文章主要是在講主動式代理型 AI ，但轉換在我們一般日常中小企業工作團隊在使用傳統 AI 工具的情境，我覺得有幾個邏輯與這篇文章是很相似的：
● AI 工具很強，但如果整體工作流程沒先優化改變，那效果就會很有限。
● 並不是每件事都需要 AI ，過度的使用 AI 會增加任務的複雜度。
● AI 工具產出的量體和速度效果都看起來很厲害，但卻不代表真的好用，如果產出品質很差，一樣會造成客戶／用戶的不信任感（一般可稱為「 AI 垃圾」）。
● AI 產出的內容若沒有驗證，錯誤資訊的傳遞會因為業務量龐大而更加被放大，嚴重一點可能會引發公關危機。
● 人不會被 AI 取代，但人的角色定位會改變。
● AI 的學習和使用在團隊組織裡面是要被規劃和監督的。
從個人效率到團隊共識
個人使用 AI，是效率問題。但團隊組織使用 AI，是協作問題。當團隊對於 AI 的知識與使用程度彼此沒有共識時，帶來的可能不是團隊效率提升，而是彼此開始懷疑對方的工作方式。這也是為什麼，有些公司開始倡導使用 AI 之後，反而變得更混亂，因為這個情況會將團隊間每個人各自產出的差異拉得比以往更大，造成更多資訊不對稱。
想要讓 AI 的力量被整合進團隊的工作流程裡，可以讓團隊成員一同討論與回答幾個實際的問題來確保大家對 AI 的知識和使用邏輯是一致的：
● 團隊成員有哪些 AI 工具的知識與學習是需要同步進修的？
● 覺得公司哪些情境可以直接用 AI？哪些任務目前絕對不能交給 AI？
● 哪些情境下 AI 產出需要人工驗證？
不同公司一定會有不同答案，有些公司會比較開放，追求速度與創新；有些公司會比較保守，優先控制風險。而這些都沒有對錯，重點是這些設定的界線是不是可以被團隊大家所理解與接受，並且能遵循著規範在實際工作中落實。
即使是以嚴謹著稱的銀行業，如今也開始大量導入 AI，用於審理流程與客服系統。難道他們不害怕 AI 出錯嗎？難道公司裡都不會有人跳出來反對嗎？我覺得倒也不是，他們肯定是經過了相當程度的討論以及達成共識才出此決策。而他們理解科技的進步，本來就建立在不斷修正之上，就像 AI 需要反覆訓練，才能逐漸接近更好的結果。這些業者選擇積極跟上科技進步的潮流，建立使用 AI 的規範，並在滾動中調整修正，正是清楚的了解－如果因為害怕錯誤而停下腳步，可能失去的會是更多在市場上的機會。
「 AI 肯定不會是完美的」這件事是普遍大家的共識，我們不能等它變得完美，而是得學會在不完美之中前進。但團隊是否變得更好，從來不取決於工具本身。決定一個團隊能走多遠的因素除了效率，更多時候是大家有沒有一起往同一個方向前進。職場上我們都在模糊之中做選擇，也在不確定裡累積自己確信的資訊與能力，持續讓自己更有判斷的底氣。而這也許是 AI 時代裡，比效率更重要的事。