CEO 解析：你以為在問「AI 能省多少人」，其實在問「誰要為結果負責」

1. 錯誤但合理的問題

董事會最常問的一句話是：

這句話很合理，因為 CFO 天生要把不確定性壓成數字。

但它也幾乎保證你會失敗，因為它會誤把 AI 當成「更便宜的工具」，

而不是「一層新的生產力結構」。當你用省人頭的語言開場，

你的組織就會用保人頭的方式回應，然後整件事會在政治與激勵裡慢慢窒息。

你真正要問的是：「如果 AI 變成每個團隊都能調度的新產能，

那我們的權責、預算、績效與風險邊界，要怎麼改？」

---

2. 主流做法為何失效

主流做法通常長這樣：

AI Office 或 AI CoE（Center of Excellence）拉起來，

選 10 個 use cases，辦幾場 workshop，買一套工具，做幾個 PoC，然後期待各 BU 自己擴散。

結果大多停在「有人用、有點酷、但不改決策」。McKinsey 的 2025 State of AI 也點出，

多數組織仍停在實驗或試點，尚未真正大規模擴展。(McKinsey & Company)

為什麼必然會翻車？

第一個摩擦：權力結構不允許「跨流程」

AI 真正能產生複利的地方，幾乎都是跨部門，

例如銷售到交付、客服到產品、法務到行銷。可是真正的預算與 KPI 往往鎖在部門牆內。

你要一個主管拿自己的成本中心去買別人的收益，

這不叫轉型，這叫做慈善。

第二個摩擦：激勵設計（Incentive Design）會把 AI 變成「純表演」

只要績效評估仍然以「你管理多少人、你守住多少資源」為核心，

主管就會把 AI 當成威脅。於是你會看到最常見的兩種偽轉型：

1. 表面導入，實際把 AI 當成搜尋引擎，沒人敢動流程。
2. 讓基層用 AI 加速產出，但把省下的時間塞回更多雜事，形成新的執行債（Execution Debt）。

第三個摩擦：風險與責任被丟在地上 當 AI 產出出錯，誰扛？法務、資安、品牌、客服第一線都怕背鍋。

於是最安全的策略就是「先不要上線」。導致所有部門遲遲不想，也不敢讓 AI 真正上線。

3. 三個企業案例讓你看到 AI 帶來的真正衝突、誤判與修正

Shopify 把「AI」變成資源申請的門檻，直接打到組織的神經

Shopify CEO Tobi Lütke 的做法是：團隊要新增人力或資源前，

必須先證明為什麼不能用 AI 完成。並且把 AI 熟練度放進績效與同儕評量的語境裡。(The Verge)

這招的重點不是「省人」，而是改變權力的預設值：

以前資源申請的默認是「先給人」，現在默認是「先用 AI」。但它也會引發衝突：

• 中階主管會覺得被削權，因為 headcount 是他們最直接的影響力來源
• HR 會卡住，因為績效語言變了，職能模型也必須跟著改
• 產品與工程會吵起來，因為「AI 能不能做」其實取決於流程、資料、權限，而不是多會說話

Shopify 的訊號很清楚：AI 不是 IT 專案，而是「工作方式的 baseline」。

這會逼組織面對一件大多數人不想面對的事：

你到底想要用 AI 把人升級，還是用 AI 讓人互相消耗？

---

Klarna 先高調宣稱 AI 取代掉 700 人，後來又把「真人客服」請回來

Klarna 在 2024 年曾公開宣稱其 AI 助理能處理大量客服對話，

甚至被描述為相當於 700 名全職客服的工作量。(Klarna)

但到 2025 年，Klarna 又開始強調要讓客戶「永遠可以選擇真人」，

並啟動招募與調整做法。(Bloomberg)

這個轉折很關鍵，因為它揭露了許多 CEO 一開始不願承認的事：

AI 可以把平均處理時間壓下來，但它也可能把「信任」磨掉。

客服不只是在解題，它同時在處理情緒、灰度、例外、以及客戶對品牌的感受。

Klarna 的修正其實是在說：成本曲線可以被 AI 改寫，但品牌曲線不一定能被 AI 承擔。

---

Air Canada 聊天機器人翻車，讓「責任歸屬」變成公開課

Air Canada 因聊天機器人提供錯誤資訊而被判需賠付的事件，被大量報導與分析。(The Guardian)

對企業領導者來說，這不是一個「客服 bot 很危險」的故事，而是一個「當 AI 在你名下說話，你不能把它當外包」的故事。

4. 從現實到研究、再從研究推回到現實

看完上述三個案例後，我們回到現實來探討，到底什麼是真的：

• AI 的確能提升生產力，但效益分布不平均。根據 NBER 對客服情境的研究，導入生成式 AI 輔助後，生產力平均提升約 14%，且增益更集中在較缺乏經驗或較低技能的員工。(NBER) 這對 CEO 的含義是：AI 不只是省成本，它更像是一種「把隱性知識快速擴散」的機制。但同時你也要接受另一面：高手不一定更快，甚至可能因為流程被改寫而出現品質波動。
• 多數企業卡在「做得出 PoC，做不出價值」。2024 年 BCG 的數據統計，只有一小部分公司真正從 AI 走到可衡量的價值產出，許多公司仍停在 proof of concept，且能在規模化層面創造價值的比例更低。(BCG)
• ROI 低於預期其實很常見。HBR 於 2025 年 11 月所出版的文章提到，有相當比例的高階主管認為 AI 導入的 ROI 低於期待，只有小部分認為真的超出期待。(HBR)

把這三點放在一起，你會發現：

AI Model 的進步不會自動變成競爭力，能不能變成競爭力取決於你是否重寫了組織的決策與激勵。

5. 把 AI 從「工具」升級成「長期競爭力」

以下是我所分析的 3 條原則，能專注、能落地，也能改善組織：

一：把 AI 當成「新產能」，將其視為投資組合管理，而不是用專案管

專案管理的默認目標是交付，投資組合（Portfolio）管理的默認目標是比例配置。

AI 真正的價值不在「做出一個聊天機器人」，

而在「你把哪些決策與流程交給新產能處理，哪些保留給人，兩者如何互補」。

這會直接改變你的長期競爭力，因為它把資源從部門牆內，移到全公司價值鏈的最薄弱處。

二：把責任鏈做成硬規則，否則風險會吃掉所有優點

你不可能用「大家小心一點」去治理 AI。你需要的是清楚的 Decision Rights：

• 哪些內容可以自動發布
• 哪些必須人審
• 哪些必須升級到特定角色
• 出錯時的補救措施 SOP 是什麼

Air Canada 的教訓就是，當 AI 在你名下說話，責任不會因為「它是機器」就消失。(McCarthy)

三：重寫獎勵機制

讓主管因為「釋放產能」而被獎勵，而不是因為「守住人」

如果組織不改獎勵方式，AI 只會變成底層加速器，中層阻力源。

Shopify 的做法之所以值得研究，是它把 AI 變成資源申請的前置條件，

等於在制度層面逼大家承認：用 AI 是工作的一部分。(The Verge)

Klarna 把真人帶回組織中與 AI 協作的案例則提醒我們：釋放產能不等於消滅人，

你需要的是把人移到 AI 做不好的地方，例如關係建立、緊急需求、品牌信任等。(CX Dive)

「名不正，則言不順。」

你若不把 AI 的角色與責任定義清楚，你就不可能讓跨部門協作順起來。

5. 給領導者的行動指引：Do / Don’t

Do

• Do 把 AI 變成「資源配置機制」的一部分。像 Shopify 那樣，讓 headcount 申請、預算申請，先回答「AI 不能做什麼」，而不是「我們想要什麼」。(The Verge)
• Do 建立 3 層流程分流：可全自動、可人審後自動、必須專家介入。這不是工具選型，這是把風險與責任可視化。
• Do 用兩套指標管 AI：效率指標（時間、成本、產出量）加上信任指標（CSAT、投訴率、退貨率、升級率）。Klarna 的轉向，本質上就是信任指標反噬效率敘事。(CX Dive)
• Do 把 AI 的價值做成投資組合節奏：30 天出可用改動，90 天看流程 KPI，180 天看組織能力與人才結構是否真的移動。用節奏壓掉「無限試點」。

Don’t

• Don’t 用「裁員故事」當轉型宣言。你會換來的是全公司防禦姿態，大家開始隱藏問題，降低透明度，最後 AI 變成政治鬥爭的武器。
• Don’t 把治理丟給法務或資安獨扛。那會變成永遠的 No。治理要跟業務共同擁有，因為風險來自流程設計，不只來自模型。
• Don’t 把 PoC 當成果。BCG 的數據已經說得很直白，卡在 PoC 的公司很多，真正能規模化產生價值的很少。(BCG Global)

---

6. 《孫子兵法》中提過「上下同欲者勝。」

身為高階經理人的你要負責讓各層級在同一套獎勵與責任裡行動，

否則 AI 只會被當成別人口中的 KPI。

所以！！！！！

別再問誰用 AI 用得多了，應該開始問

「哪個流程因為 AI 被重寫了？」「責任鏈與獎勵機制是否已經同步更新了？」

當組織開始用這個問題管理，貴司的 AI 才會從「炫砲成本中心」變成「長期競爭力引擎」。

延伸閱讀：什麼都想做，為什麼是創業合夥人的 Red Flag？

支持我，持續關注更多優質好文： Buy Me A Coffee