務實為本 人機協作 助企業AI轉型
余晶煒 企業出海與AI轉型顧問
企業人工智能（AI）轉型不宜跟風。AI只是工具，降本增效才是目的。企業應先梳理業務流程、找出痛點（如效率低、出錯率高），藉「狩野模型」（Kano Model）為不同場景排列優先順序，逐一評估AI可行性，從成本效益最高、見效最快的環節入手。唯有目標明確、方案合理、人機協同，轉型才有望成功。
企業需建立可量化的績效指標，例如「客戶滿意度提升25%」「平均客服時間縮短50%」。部署AI除軟硬件開支外，還須納入詞元（Token）消耗等持續成本。宜先以低成本啟動最小可行方案，在可控環節見效、積累數據後再擴展。
在成本控制方面，方案應與任務匹配。簡單文圖生成、資料收集等輕量任務，用免費或廉價大語言模型（LLM）輔以提示工程（prompt engineering）最具效益。流程固定、重複性高的任務，可用「技能」（skills）或自動化「工作流」（workflow）提升可控性並節省詞元，員工短期受訓即可勝任。流程不固定、需一定自主性的任務則交由AI代理負責，人類把關。建「知識庫」宜將文本預處理為Markdown格式，以提高召回率（recall）並減少幻覺。海量數據檢索或AI客服需用檢索增強生成（RAG）技術；生成引擎優化（GEO）側重內容與網頁設計；專業製片或數字人則涉及更複雜技術。
AI知識廣闊，能瞬間比對海量數據、識別細微差異，穩定處理重複流程。資料規整但零散、需頻繁搜尋匯整、人手不足的低價值工作，以及人性化需求較低的服務，皆為AI所長。例如AI客服可識別語音與客戶意圖，兩三輪對話即完成查詢；員工經少量培訓便能查詢企業知識庫。AI亦擅長實時多線整合資訊，可用於電商競品分析或製造物流業的物料管理與風險預警，且不計疲勞，可省卻人事排班等行政開支。
人類則擅長非線性思維，憑經驗形成直覺與洞察，更能應對模糊多變的新情境。學者Arvind Narayanan的「決策—執行—交付」框架指出：頂層定義問題與目標，中層實施方案，底層整合驗收。AI主要壓縮中層繁瑣流程，上下兩層工作量反而可能增加，促使人更專注於制定目標與審核決策。
既懂AI又懂業務的人才，能避免轉型脫離實際甚至觸碰合規紅線。研究亦發現，頻繁使用AI與批判思維下降顯著相關，AI反而更考驗人的行業經驗與判斷力。AI落地離不開管理層、員工與客戶的支持，管理層更需順勢優化流程與架構。唯有人機相輔相成，企業AI轉型方能成功。
