CEO 解析：如何養成 Builder Mindset？

這是一個很合理的焦慮，因為 2024 到 2025 的確像是 AI 轉型分水嶺。只是這個問題常常會把組織帶去一條很辛苦、卻不一定有效的路。團隊花大把時間測試不同 AI 工具，但殊不知焦點全放錯了。

市場常見的直覺做法，是把 AI 視為「更強大的軟體採購案」：買工具、導入系統、辦訓練，最後用 top-down 的方式要求大家上線。但真正的挑戰從來不只是「大家會不會用」，而是「誰能定義問題、誰能決定流程、誰能為成敗負責」。（詳見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」）

如果把這件事看成權力結構與誘因設計的問題，很多反覆出現的 bottleneck，其實就變得可理解了。

---

▍主流 top down 採購做法為何越來越行不通？

多數企業正在採取的路徑大概長這樣：

1. 由 IT 或數位轉型團隊挑一套工具。
2. 推內訓與使用規範。
3. 用使用率或席次數（seats）當 KPI。
4. 遇到資安、法遵、資料外洩疑慮就先踩煞車。

看起來很完整，但常常在三個地方失效：

- 第一個失效點：權力在「核准」而不在「產出」。 AI 讓「做出一個可用的系統」變得更容易，卻也讓組織裡的既有 Gatekeeper 更容易用風險語言封鎖。很多團隊不是不想做，而是沒有足夠的決策權去碰資料、碰流程、碰跨部門責任。最後大家只剩下做簡報、寫摘要、產生一些看起來很忙的輸出。

- 第二個失效點：誘因獎勵的是使用行為，不是結果迴路。 當 KPI 變成「用了多少次」或「有沒有開啟 Copilot」，人會很自然地把 AI 用在低風險、低影響的工作上。真正該被重構的，是能帶來 ROI 的 value loop，例如 lead generation 的迴路、報價的迴路、客服的迴路、內部審批的迴路。

- 第三個失效點：把 AI 當成自動化，卻忽略它是「不穩定的勞動力」。 GenAI 的特性是能力強但邊界不清。研究者把它形容成 jagged frontier，也就是它在某些任務上像資深專家，在另一些任務上卻會突然掉到新手水準。這不是使用者不夠努力，而是技術本質使然。(Harvard Business School)

所以主流做法容易陷入一種尷尬：投入不少，卻只有零星改善，最後組織得出「AI 很潮但不實用」的結論。這其實很可惜。

---

▍從「工具使用者」轉換成「 Builder」

我想用三個案例，把「從工具使用者走到系統建構者（Builder）」的路徑講清楚。它們共同點是：主角都不是工程師，甚至一開始也不打算當工程師，但他們做了同一件事：把 AI 放進一條可衡量的 business loop。

案例 A：把「找趨勢」變成一個可重複的 Agent 流程

Slate 行銷副總 Andrew Harding 的掙扎是：要追趨勢、要看公開影片數據、要做 benchmark（blah blah blah 講不完 🥱）。這些事情在過往，需要大量人工查找與整理。後來他用 Zapier Agents 做了一個輕量的「Trend Scout」流程，讓原本耗時的資訊蒐集變成自動化的結構化輸入，並把這些 input 接回行銷與銷售的日常節奏。(Zapier)

重點不在於「他用了什麼工具」，而是他把 AI 放進了一個能被驗證的迴路裡。Zapier 的案例文章也提到，他們透過這套流程在一個月內產生了 2,000+ leads，並讓這件事變得可擴張。

案例 B：用 Agents 把研究工作收斂成「每天穩定發生的產出」

NisonCo 的創辦人 Evan Nison 把 PR 與 SEO 的前端研究工作交給 AI Agents：每天掃描新聞、萃取公司與人物資訊、寫入 Google Sheets，讓研究變成連續、低摩擦、可追蹤的機器。

案例裡最值得看的不是「省人力」，而是它重新設計了節奏。Zapier 的數據提到，這套自動化把 leads 從每週 270 提升到接近 400，並帶來 48% 的成長，同時估算每月節省約 2,500 美元成本。(Zapier)

這種做法某種程度上是在說：

案例 C：讓懂現場的人自己做工具，而不是排隊等 IT

EquipmentShare 的案例有個很常見的背景：建築設備租賃與管理是一個「現場複雜、流程碎、變動快」的產業。它們沒有只靠集中式 IT 做所有系統，而是用 Retool 這類 low-code 平台，讓貼近業務的人把痛點做成內部工具，並逐步擴大到多使用者的應用。(Retool)

我很喜歡這個案例的一點是，它把權力從「能寫 code 的人」移到「最懂流程的人」。這其實就是 Builder 角色的雛形。

（附上在 MIT Bootcamp 連續 5 天都睡不到 2 小時當 builder 的我 💀）

---

▍學術研究與市場數據

如果把上面三個案例抽象化，它們都在做同一件事：用 GenAI 把**「個人能力」變成「可複製的組織產能」**。研究也正在指向同樣的方向。

• MIT（Noy & Zhang）的研究在日常寫作任務中觀察到：使用 ChatGPT 的參與者完成時間平均下降 40%，品質提升 18%。更有意思的是，能力較弱的人提升幅度更大，差距反而縮小。(Science)

• NBER 的研究（Brynjolfsson, Li, Raymond）在客服場景中發現：導入生成式 AI 助理後，平均生產力提升 14%，新手或低技能員工提升幅度可達 34%，並觀察到客戶互動情緒改善與員工留任的變化。(NBER)

• HBS 的研究與 BCG 的實驗提醒了一個容易被忽略的現實：GenAI 的價值不是均勻分布的。人在某些任務上會被大幅增強，但在超出模型邊界的任務上，反而可能更快產出錯誤，而且錯得很有說服力。

• McKinsey 的估算則從更宏觀的角度指出，生成式 AI 可能在多個職能帶來每年 2.6 兆到 4.4 兆美元的經濟價值。這類估算不代表每家公司都能分到同樣的紅利，但它至少提醒我們：這不是單點工具升級，而是產能曲線的改寫。(McKinsey & Company)

若把上述的企業案例與學術（市場）研究放在一起看，我們會發現：

---

▍關鍵洞察與思考框架

我現階段會把「從技術消費者進化為系統建構者」濃縮成三個原則：

原則 1：不要以「工具」為單位思考，要以「價值迴路」為單位思考

Builder 在回答「用哪個 AI」的問題前，會先規劃並選擇一條迴路，例如：

• Lead 到 meeting 的迴路
• 報價從需求到可交付的迴路
• 客訴從受理到關閉的迴路

然後把 AI 放在最能改變 throughput 的瓶頸點。這也會立刻牽涉到權力結構的問題，您的權限是否能讓 AI 同步公司內部的資料？還是您自己也無法看到目前流程的後台狀況？

原則 2：把「情境」當成資產，Context 是新的護城河

在 AI 時代，寫 code 的稀缺性下降，但「正確理解問題」的稀缺性上升。情境包含：資料定義、例外狀況、內部規則、客戶語言、產品妥協。

Stanford CS146S 這門課在課程描述裡就明確寫到，AI 正在改變軟體建構與維護方式。組織之間最終拉開差距的，不是誰的 Prompt 下的比較厲害，而是誰把 context 變成可累積、可交接、可審計的系統。

原則 3：把 AI 視為「新型勞動力」，就要有治理與校驗機制

這裡的重點不是合規口號，而是很現實的風險管理：您需要 human-in-the-loop、可追蹤的輸入輸出、知道錯誤會在哪裡被擋下來。這也是為什麼「jagged frontier」的提醒很重要，因為它決定了哪些任務適合自動化，哪些任務只適合輔助。(Harvard Business School)

---

▍給決策者的話

如果您正處在「想推 AI，但不想變成一場革命性轉型」的階段，也許可以用一個比較溫和但有效的順序。

1. 先選一條您願意為它背書的迴路 不是最大、最理想的那條，而是您能在 2 到 6 週看到指標變化的那條。指標可以很務實，例如 turnaround time、漏斗轉換率、每週可處理案件數。

2. 先談決策權，再談工具採購 誰擁有流程，誰擁有資料定義，誰負責例外狀況。這些先談清楚，導入成本會大幅下降。反過來，如果決策權不清，工具越多只會越混亂，也會發現有一堆工具卡在 pipeline 上面不知道到底要不要進採購。

3. 把「AI baseline」寫成文化，但用結果衡量它 Shopify CEO Tobi Lütke 的內部備忘錄引發討論，Shopify 把 AI 使用設定為一種 baseline expectation，甚至要求在新增人力前先證明 AI 不能完成該工作。(The Verge) 不一定每家公司都適合原封不動地照抄，但他們的精神是值得借鏡的：

4. 用小規模的「系統化勝利」建立信任，而不是亂喊口號 當第一條迴路跑順了，組織對風險、對效益、對責任邊界的理解會變得更具體。屆時再擴張 AI 工具的使用範圍會自然很多，因為您不是在說服人相信未來，您是在展示一個已經發生的現實。

---

▍成為 Builder 吧！

很多人把這波 AI 趨勢理解成「軟體更便宜了，所以每個人都要學 coding」。我會更傾向用另一種說法：

可複製的產能變得更容易，所以真正稀缺的是能把產能放進正確位置的人。

Sam Altman 曾談到「一人獨角獸」的可能性，甚至說在他的小圈子裡有人在賭第一年會出現一間「一個人就能做到十億美元」的公司。(Fortune) 不管這件事會不會如期發生，它都在提醒一個結構性改變：未來的公司規模會跟 headcount 完全脫鉤。你能調度多少產能、你能否持續做出正確決策，才是真正能夠將公司天花板撐得更高的關鍵。