公司買了 AI 工具、安排教育訓練，也鼓勵員工多加使用。幾個月後，主管卻還是回答不出來：「我們究竟改善了什麼？」
有人用 AI 寫文案，有人整理報告，有人嘗試自動化。每個人都很忙，但各部門沒有共同目標，成果也難以比較。
這時候，企業缺少的可能不是另一套工具，而是把問題、流程、人員與責任串起來的能力。
AI 領導力，不是主管自己最會下提示詞，而是能判斷什麼值得做、誰來負責，以及如何證明做了之後確實有幫助。
一、先問經營問題，不要先問要買什麼工具
「我們也要導入 AI」是一個方向，卻還不是可以執行的專案。
主管需要先把它變成一個具體問題，例如：
業務整理詢價資料花太多時間，還常遺漏重要規格。
客服找不到最新資料，同一個問題出現不同答案。
行銷企劃反覆修改，卻說不清楚卡在資料、審核還是分工。
技術文件分散，員工找到了資料，仍難以確認版本與適用條件。
這些問題不一定全部適合用 AI 解決。有時候，真正需要先做的是統一欄位、更新資料，或釐清決策權責。
因此，開始之前先回答三個問題：
我們最想改善哪一項工作或經營成果？
目前有哪些資料可以證明問題存在？
如果不用 AI，是否有更簡單的改善方法？
先確認問題，再選擇工具，才能避免為了導入而導入。
二、主管不必成為工程師，但要有 AI 判斷力
主管不一定需要親自開發系統，卻需要理解 AI 的能力與限制，才能與使用者、資訊人員及供應商做出合理決策。
例如，AI 能協助整理文件、產生初稿或提出分類建議，不代表它能自行確認資料真偽、承擔專業責任，或對外作出承諾。
評估一項應用時，可以依序檢查五件事。
第一，價值：解決的是重要問題，還是只是展示起來很吸睛？
第二，資料：有沒有可靠、更新且具使用權限的資料？
第三，可行性：需要哪些系統、資源與人員配合？
第四，風險：答錯、漏掉或執行錯誤時，會造成什麼影響？
第五，驗證：能否在限定範圍內觀察結果？
第一個專案不必最大。選擇範圍清楚、資料條件較成熟、能保留人工覆核的工作，通常更容易展開有意義的試辦。
三、AI 專案不能只交給 IT 部門
資訊部門能評估工具、系統與資料安全，但「什麼問題值得解決」「結果是否符合工作需求」，仍需要業務部門參與。
如果沒有共同的成功定義，就容易出現這種落差：
資訊部門認為系統已經上線，使用部門卻覺得不好用；主管看到使用次數增加，第一線卻多了一道檢查與重做的工作。
開始試辦前，至少要確認：
誰負責定義問題與驗收成果？
誰負責資料、技術與安全條件？
誰負責調整實際工作流程？
誰代表第一線使用者提供回饋？
出現例外或爭議時，由誰決定？
中小企業不一定需要為每個角色另設職位，一個人也可能兼任不同任務。但每項重要工作都應有清楚的主要負責人，不能只寫「相關部門共同負責」。
四、不是把 AI 塞進舊流程，而是重新設計人機分工
導入 AI，不只是把原本由人完成的步驟換成自動執行。
更重要的是：資料從哪裡來、誰確認內容、遇到例外怎麼處理，以及最後由誰負責。
以下以「業務詢價整理」為假設示例，並非實際導入成果。
環節一：閱讀詢價內容
AI 可協助：依核准規則整理需求與欄位。
人員保留的責任：確認原文、遺漏與歧義。遇到不清楚的需求，應回到原始資料或請客戶確認，不能讓 AI 自行補齊。
環節二：比對產品資料
AI 可協助：從授權資料中提出候選項目。
人員保留的責任：確認規格、版本與適用性。候選項目只是查找輔助，不等於已完成產品適用性判斷。
環節三：草擬回覆
AI 可協助：產生待確認事項與回覆初稿。
人員保留的責任：審核價格、交期與承諾，確認內容沒有超出可提供的服務與權限。
環節四：對外回覆
AI 可協助：在核准範圍內提供輔助。
人員保留的責任：由指定人員核准與送出，並依公司規範保留必要紀錄。
這種分工不是唯一答案，但能讓團隊看見：哪些工作可以加速，哪些判斷不能省略。
如果 AI 輸出缺少依據、資料互相矛盾，或問題超出使用範圍，就應停止自動處理並交由人員確認。
五、不要只看省了多少時間，也要看品質與完整成本
AI 使用量高，不代表專案已經成功。
假設初稿製作變快了，但審核、修正與重做時間增加，總體效益就需要重新計算。省下的工時也不一定會直接變成現金節省，還要看企業如何運用釋出的工作能力。
試辦時，可以選擇二至三個核心指標，再設必要的品質與風險底線，例如：
每件工作從開始到完成的總時間。
資料完整率、答案正確率或返工情況。
員工能否依規範完成任務。
客戶是否重複詢問或需要轉人工處理。
是否發生重大錯誤或未授權資料使用。
成本也不只是軟體訂閱費，還包括資料整理、教育訓練、人工覆核、維護與安全管理。
先建立導入前的基準，再比較試辦結果。沒有資料時，就標示「待蒐集」，不要先填一個漂亮的改善百分比。
六、員工的疑慮，是流程設計需要面對的問題
員工對 AI 有疑問，不一定是不願意改變。
他們可能擔心：
「我會不會被取代？」
「AI 做錯了，責任算誰的？」
「原本的工作沒減少，現在還要多學一套工具？」
「主管會不會只看產出速度，不看品質？」
這些問題需要具體回應，不能只用「AI 是來幫忙的」帶過。
主管可以說清楚這次試辦要改善哪個工作、目前不包含哪些用途、人工責任如何分配，以及公司會提供什麼培訓與支援。
也不要為了安撫員工，作出尚未獲得確認的人力或職務承諾。對未知事項坦白說明，並建立能回報問題、討論調整的管道，比空泛保證更有幫助。
七、用 90 天試辦，把構想變成決策依據
90 天可以作為小範圍試辦的規劃框架，不代表所有企業都能在 90 天內完成 AI 轉型。實際期間仍應依資料、安全審查與系統複雜度調整。
第一階段：第 1 至 30 天，確認問題與條件
主要工作：確認問題、建立基準、整理資料與審查風險。
應留下的成果：試辦計畫、主要負責人、驗收條件與必要的資料使用界線。
第二階段：第 31 至 60 天，小範圍試行
主要工作：培訓使用者，在限定範圍內試行，記錄錯誤與使用回饋。
應留下的成果：試辦紀錄與改善清單，清楚區分已確認的問題、修正方式及仍待驗證的事項。
第三階段：第 61 至 90 天，整理證據與下一步
主要工作：比較結果，檢查完整成本與風險，提出下一步建議。
應留下的成果：有證據支持的試辦結論，說明是否值得擴大、調整、補充驗證或停止。
每個階段都要回答：誰負責、交付什麼、如何驗收，以及出現什麼情況必須暫停。
試辦結束後，不必只有「全面推行」一種答案。
效益、品質與風險條件都符合要求，可以評估擴大。
有部分效益，但流程仍有缺口，先調整再驗證。
證據不足，可以限定期限補充資料。
效益不足或風險不可接受，就停止或重新選題。
願意根據證據停止不適合的專案，也是一種領導能力。
結論：AI 領導力，是把技術變成可管理的工作方法
企業不缺 AI 工具的介紹，真正需要的是有人把問題、資料、責任、流程與員工支持一起想清楚。
主管明天回到公司，可以先做三件事：
第一，找出一個值得改善、能具體描述的工作問題。
第二，指定主責人，邀請必要的使用與協作角色參與。
第三，確認基準資料、試辦範圍與第一個驗收條件。
不要急著證明公司用了多少 AI，先確認團隊是否用更可靠的方式，把重要工作做好。
想讓主管團隊從「認識 AI」，走向「規劃可執行的試辦」？
織夢人國際行銷有限公司的 AI 領導力培訓與顧問輔導，從策略判斷、跨部門協作、人機分工到變革溝通，協助主管整理可帶回公司討論的試辦提案。
課堂提案是後續決策的起點，不等於已完成部署或保證投資效益。實際培訓與輔導範圍，可依企業現況與需求討論。
預約需求診斷：https://droomwever.com.tw/#consultation-form
