重點摘要
- Gartner 2026 年 10 月調查:只有 13% 的資訊總監表示企業已從 AI 取得顯著或轉型級價值。
- 麥肯錫研究指出,變革管理與部門各自為政,比技術基建更阻礙 AI 規模化。
- 成功的 AI 轉型大致遵循 1:3:5:技術每投入 1 元,流程再造投入 3 元,能力建設與採用投入 5 元。
- 按「認知、信任、承諾、培養、固化」五個階段推進,並針對每個職位的具體顧慮設計。
- 向董事會匯報處理時間、品質與單位成本,而不是登入次數或授權數目。
一家香港物流集團半年前為客戶服務部引入 AI 代理。系統運作正常,每週調用次數以千計,IT 部的報告一片綠燈。然而客戶投訴的處理時間幾乎沒有改善,營運總監開始追問:這筆投資究竟換來了什麼?
這就是 AI 採用落差:工具已經部署,工作方式卻沒有改變。要解決它,需要的是領導框架,而不是再買一套系統。
為什麼 AI 工具上線後員工仍然不用?
因為企業把 AI 推行當作技術項目處理,真正的阻力卻在人身上。員工害怕暴露自己不懂、害怕為 AI 的錯誤負責、對未來角色感到不安,也擔心多年累積的專業價值被取代。這些顧慮沒有被正視,團隊便只會「表演式採用」。
數據指向同一結論。Gartner 2026 年 10 月的資訊總監調查顯示,只有 13% 的受訪者表示企業已從 AI 取得顯著或轉型級價值。麥肯錫在〈How to close the agentic adoption gap〉一文中歸納了四種顧慮:
- 怕被看穿:不知從何入手,又不願承認,學習只在私下進行。
- 怕有責無權:AI 答錯而我照做,錯的仍然是我。
- 怕前路不明:工具每隔數週就變,沒有人說得清最終的運作模式。
- 怕專業貶值:分析與草擬交給 AI 之後,我的價值在哪裡?
治理不足令問題加劇。根據 Gartner 於 11 月 9 日公布的數據,71% 的機構預計 12 個月內部署代理式 AI,但只有 21% 具備相應的治理能力。規則不清楚,員工自然更不敢承擔責任。
AI 預算應該有多少用於變革管理?
遠比大多數企業預期的多。麥肯錫觀察到成功的 AI 轉型遵循 1:3:5 模式:技術每投入 1 元,流程再造投入 3 元,能力建設與推動採用投入 5 元。多數企業卻反其道而行,把預算集中在平台,人的部分只當作執行細節。
這個比例是規劃參考而非定律,但它改變了與財務總監的對話。若商業方案只計算授權、整合與 token 費用,等於只計算了成功所需投入的約九分之一。
「人」的預算應該花在哪裡
- 讓團隊有受保護的時間重新設計自己的流程
- 嵌入團隊的教練與同儕先行者,而非一次性課堂
- 清晰的人工覆核規則,讓員工知道何時由自己拍板
- 調整 KPI、獎勵與晉升準則,讓新做法得到肯定
AI 變革領導框架包括哪五個階段?
五個階段依次是認知、信任、承諾、培養與固化。員工要先有親身體驗才會相信,相信才會願意投入,投入後才能建立能力,最後由指標與獎勵把新行為固定下來。跳過任何一個階段,採用都容易停滯甚至倒退。
下表把麥肯錫的 A 至 E 方法整理成香港管理層可以在一個業務單位內執行的步驟。
| 階段 | 目標 | 主管要做什麼 |
|---|---|---|
| 1. 認知 | 讓改變變得具體 | 用真實業務問題親手試用;清楚說明哪些會改變、哪些仍由人負責 |
| 2. 信任 | 證明安全而且值得 | 高層在真實會議中公開使用;由有實績的同事示範 |
| 3. 承諾 | 讓員工自己選擇投入 | 預留時間重新思考每個職位;坦白承認失去的東西 |
| 4. 培養 | 在工作中建立能力 | 嵌入式教練、覆核方法、清晰的能力分級 |
| 5. 固化 | 鎖定新的運作模式 | 更新 KPI、決策權、獎勵與晉升準則 |
有兩點特別關鍵。第一,按職位設計,而不是對「全體員工」一刀切。理賠專員、財務主任與客戶經理的顧慮各不相同,要找出 AI 提供建議、員工決定是否採納的那一刻。
香港企業可以怎樣應用這個框架?
由一個部門、一條決策點清晰的流程開始,例如保險理賠分流、物流異常處理。在該單位內完整走完五個階段,量度流程成果,再以實證與已培養的先行者,把模式複製到下一個部門。
金融服務:理賠與客戶盡職審查
受規管的工作最怕「有責無權」。推行前先寫好人工覆核規則:哪些 AI 結果必須逐一檢查、哪些可以抽查、由誰簽批。個人資料私隱專員公署的 AI 指引本已要求按風險程度設定人為監督,這一步同時照顧合規與採用。
物流:運輸異常處理
以「救火」建立聲譽的主管最怕前路不明。把新的一週寫出來:AI 收集追蹤數據並標示異常,主管負責改道決定與客戶溝通。當員工看得見自己的新角色,便不再觀望。
企業推動 AI 採用最常犯哪些錯誤?
最常見的錯誤包括:把推行當作 IT 項目、高層花數天沉浸體驗而前線只有十分鐘簡介、依賴一次性培訓、以登入次數衡量成效,以及沒有調整獎勵制度。每一項都讓舊的工作方式與新工具並存,結果是投資落空。
- 由 IT 單獨主導:麥肯錫提到一家企業軟件公司,在把代理式 AI 當作工程工具推行時採用停滯,改為讓主管參加沉浸式訓練營後才見起色。
- 一次性培訓:工具數週一變,需要持續、嵌入式的教練。麥肯錫引述一家財富 500 強科技公司,每五至十名工程師配備一名 AI 教練。
- 只看活躍度:提示次數與授權使用率只會獎勵表演,而非更好的工作。
- 對人手問題避而不談:迴避只會加深焦慮,即使答案未完整,坦白更有公信力。
怎樣向董事會或財務總監匯報 AI 採用成效?
匯報流程成果,而不是使用量。按每條已改造的流程列出處理時間、錯誤或返工率、單位任務成本、人工覆核負擔與決策速度,並標示各團隊處於五階段中的哪一步,同時附上每個 AI 代理的治理狀況,讓價值與風險出現在同一頁。
Gartner 11 月的建議從風險角度得出相同結論:評估 AI 投資時應同時衡量其帶來的風險,而審計紀錄、人工覆核等控制措施可以是讓有價值項目安心擴展的「良性阻力」。
一頁式董事會匯報
- 本季已改造的流程,以及改造前後的處理時間
- 品質:各流程的錯誤、返工或升級比率
- 經濟效益:每項任務成本,包括 token 與人工覆核時間
- 各團隊所處階段,以及主要障礙
- 治理:在用的 AI 代理、負責人、覆核規則與事故紀錄
領導學習,而不只是推行系統
AI 採用落差不會因為多買一套授權或換一個更強的模型而消失。它的縮窄,取決於主管是否為「人」的部分投入足夠預算、是否針對每個職位的顧慮設計、是否帶領團隊走完五個階段,以及是否以成果而非活躍度匯報。
真正跑在前面的企業,不是工具最多的那一家,而是最懂得逐條流程重新設計工作、讓科技服務使用者的那一家。
懂AI,更懂你 UD相伴,AI不冷
由一條流程開始,用成果說話
選定最需要提升採用率的部門,UD 團隊手把手帶你完成每一步:由職位與流程設計、部署上線、人工覆核規則,到董事會關心的成效指標。AI 員工方案 0 元開通,由 UD 專人協助配置,資料存放香港。
常見問題
一個部門需要多久才能看到真正的 AI 採用?
沒有固定時間表,但應以一個團隊、一條流程為單位。通常要到「培養」階段,員工在教練協助下把 AI 用於日常工作,流程指標才會出現可量度的改變。
單靠培訓能否推動 AI 採用?
不能。麥肯錫指出,一次性培訓只能建立認知,難以為數週一變的工具養成習慣。嵌入式教練、同儕先行者與更新後的 KPI,才能把試用轉化為工作方式的改變。
AI 採用應由 IT、人力資源還是業務部門負責?
成果應由業務部門負責,IT 負責平台,人力資源負責技能與職位設計。Gartner 亦建議設立中央治理職能,統籌各部門的價值與風險。