Far West Consulting Far West Consulting
EN 繁中

工作流優先。工具其次。採用始終如一。

多數 AI 合作把順序搞錯了。它們從平台決策開始。試辦在某一個團隊跑起來,然後停滯。真正決定 AI 會不會改變什麼的工作——盤點工作流、治理整合、領導變革——被壓縮到上線當週,或乾脆整個跳過。

我們以相反的順序進行合作。三個階段,每一次都一樣。

亞太在 AI 代理人的導入上領先全球:53% 的亞太領導者已運用代理人,將工作流程或業務流程完全自動化,高於全球平均的 46%。2 落差不在認知,而在深度。74% 的亞太領導者自評對 AI 代理人非常熟悉,員工卻只有 48%。2 這道素養落差,正是導入停滯之處。

三個階段。每次合作都是相同的順序。

我們稱之為 Workflow-First Sequence。

第一階段

工作流程地圖

繪製團隊實際運作方式,再分類每項任務。

第二階段

整合

將 AI 嵌入工作流程,配套安全運行所需的控制。

第三階段

採用

領導變革。衡量使用率與品質,而非滿意度。

第一階段

工作流盤點

我們做什麼。盤點團隊今天實際怎麼工作。不是組織圖,不是 SOP 手冊,而是產出團隊成果的真實序列——決策、交接、判斷、重做。我們坐進工作裡,與實際執行的人對話,檢視他們產出的成果。

我們交付什麼。一張工作流地圖,標出三件事:AI 可以接手的任務、AI 可以輔助但不該獨力負責的任務,以及 AI 根本不該靠近的任務。外加每一項的變革工作量估算——技術投入與人力投入的規模,通常並不相同。這項工作建立在我們的 AI-Workflow-Fit Diagnostic 之上:一套結構化的任務盤點與決策對應工具,凝聚了十六年的學習發展與變革實務。對製造業與營運密集型組織,盤點會整合 Lean Six Sigma DMAIC 與 Value Stream Mapping 的原則;AI 大幅加速其中的 Define 與 Measure 階段。

為什麼是這一階段。在工作流決策之前先做平台決策,是一場賭注。在工作流決策之後再做平台決策,是一次建置。

第二階段

整合

我們做什麼。把 AI 嵌入診斷所盤點的工作流。工具選擇、提示與情境工程、治理與風險控制、與團隊既有系統的整合。打造的整合要能撐過財務、IT 與風控的檢視——而不只是撐過展示那一刻。

我們交付什麼。一套團隊用於真實工作的可運作整合,並具備安全運作所需的控制:成本上限、產出審查、稽核軌跡、升級路徑,以及每一筆自動化決策的責任歸屬人。

我們如何治理。每一套整合都依循受認可的 AI 風險與管理系統標準建置,涵蓋風險辨識、控制設計與營運問責。

第三階段

採用

我們做什麼。領導變革。主管逐級傳達、角色導向訓練、FAQ 庫、實作指導、領導者訊息傳達。把已部署的工具變成團隊能力的,是溝通與學習的工作。

我們交付什麼。採用——以量測為憑,而非假設。一個在開始前與你議定的數字,於第 30、60、90 天各讀取一次,並輔以自述節省的工時、前後工作樣本與主管回饋。外加當早期資料顯示我們有某處判斷錯了時,對工作流的一次校準。

我們如何衡量。變革在兩個層次上管理:個人與組織。學習以行為轉移為設計目標,並以實際成效評估,而非完成率。

這是執行順序的問題。

這不是 AI 的問題。先挑平台的團隊,最後得把工作流硬改成適合工具的形狀。先試辦、後治理的團隊,最後放大不了試辦。先部署、後領導變革的團隊,最後得到一個沒人在用的工具。

數字也對得上。MIT 的 Project NANDA 初步報告發現,95% 的組織並未從生成式 AI 取得可量測的回報。3 在美國的資深企業領導者中,78% 沒有十足把握自己的組織能在 90 天內通過一場獨立的 AI 治理稽核。4 取消預測與稽核信心落差,是同一個問題的兩個面向。

工作流盤點 → 整合 → 採用,逆轉了上述每一種失敗模式。這也是多數組織無法靠自己跑完的順序。每一個階段需要不同類型的實務者:工作流分析師、技術整合師、變革領導者。Far West Consulting 三者兼備。

我們如何讀證據。

廠商的生產力宣稱與獨立研究,常常不一致。連 Microsoft 自家的研究人員也發現落差:在一項為期三週的隨機對照試驗中,獲得 GitHub Copilot 的工程師認為它更有用,但遙測資料顯示其產出沒有統計上顯著的變化。6 Brynjolfsson、Li 與 Raymond 發表於《Quarterly Journal of Economics》的隨機對照試驗發現,AI 平均提升生產力 15%,其中技能較低、經驗較少的工作者提升 30%,對技能最高者影響甚微,其對話品質則略有下降。7 MIT 經濟學家 Daron Acemoglu 的分析則認為,未來十年 AI 對美國全要素生產力的總貢獻最多 0.66%,每年不到 0.1%——與廠商每年數個百分點的宣稱形成鮮明對比。8

我們依同行評審的證據設計合作,而不是它的行銷版本。

1Gartner press release, June 25, 2025: "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027." (Source: gartner.com newsroom.)

2Microsoft 2025 Work Trend Index, APAC release (April 30, 2025): "APAC emerges as global AI frontrunner."

3MIT Project NANDA. The GenAI Divide: State of AI in Business 2025 (preliminary findings, July 2025). Method: review of 300+ public AI initiatives, interviews with 52 organizations, and 153 survey responses from senior leaders, January to June 2025. Not peer-reviewed; the authors describe their figures as directionally accurate.

4Grant Thornton, AI Impact Survey, press release of April 13, 2026: nearly 1,000 senior U.S. business leaders surveyed in early 2026. More than three-quarters (78%) lack full confidence that their organization could pass an independent AI governance audit within 90 days.

5KPMG, The importance of value streams in the age of AI (2024). Author: Adrian Clamp. Source: kpmg.com/xx/en/our-insights/ai-and-technology/the-importance-of-value-streams-in-the-age-of-ai.html.

6Butler, J., Suh, J., Haniyur, S., & Hadley, C. Dear Diary: A randomized controlled trial of Generative AI coding tools in the workplace. arXiv:2410.18334, October 24, 2024 (preprint). A three-week trial at one software company: 269 engineers enrolled, 106 analysed. Developers given GitHub Copilot rated the tools more useful and enjoyable; telemetry (code changes, pull requests, pull-request hours, development time) showed no statistically significant difference, and the authors note the trial may have been too short.

7Brynjolfsson et al., Quarterly Journal of Economics 2025 — field experiment, n=5,172 customer service agents. AI assistance produced +30% productivity for low-skill workers, ~0% for high-skill workers, and a measurable quality decline at the top of the skill distribution.

8Acemoglu, The Simple Macroeconomics of AI, NBER Working Paper 32487 (2024) — total factor productivity contribution at most 0.66% over 10 years (≈0.06%/year).

我們大約一半的探索通話,都以「現在還不是時候」作結。那是正確的答案。以下五種情況,我們並不適合。

  1. 我們不教工具,我們教那些比工具更長壽的思考方式。如果你要的是某個特定平台的 UI 操作導覽,你的廠商客戶成功團隊會免費幫你做。

  2. 我們不販賣轉型時程表。採用至少需要六個月。如果範疇是「轉型」、而時鐘只有六週,我們會婉拒,而不是過度承諾。

  3. 我們不以滿意度問卷衡量。我們衡量產出品質、週期時間與採用率。如果桌上唯一的指標是「團隊感覺好不好」,我們不是好選擇。

  4. 我們不壓縮診斷。趕工只會產出一份工具清單,不是一張工作流地圖。如果期限比工作所需更短,我們會直說。

  5. 我們不把上級指令驅動的合作照單全收。合規買得到出席,買不到採用。如果是董事會下令做訓練、但背後沒有真正的工作流問題,先預約一小時顧問。我們會誠實告訴你,一份完整的合作是否說得通。

準備好盤點你的工作流了嗎?

30 分鐘的探索通話,談你想改變的工作流,以及最合適的合作架構。