為準備好把 AI 嵌入特定工作流的職能主管。
整合範疇與費用於建置開始前確立。執行期間不會追加。
整合合作是工作流地圖變成可運作整合的階段——建置、治理，以及讓已盤點的工作流變成運作中工作流所需的變革領導工作。建置要撐過財務、IT、風控的檢視。工具的選擇基於實際工作，不是基於展示。
Brynjolfsson、Li 與 Raymond 2025 年的隨機對照試驗（n=5,172，《Quarterly Journal of Economics》第 140 卷）發現 AI 為技能分布底端的工作者帶來 30% 的生產力提升、頂端沒有可量測的增益，且在最資深者身上出現了可量測的品質下滑。7 整合設計考量到這個分布——而不是與之對抗。
兩種規格
單一工作流整合
四週。一個工作流、一段採用弧線。為已知道要先改變哪一個工作流、想先驗證模型再放大的團隊設計。治理與變革工作的範疇與工作流綁定——範圍收斂、部署快速、評估容易。
4 週 · 單一工作流
多工作流整合
六到八週。兩到三個工作流，搭配共用的治理層。為要在單一序列中跨多個職能導入 AI 的組織設計。治理層只建一次，套用於範疇內所有工作流——降低重複，給 IT 與風控一個單一稽核面。
6–8 週 · 多工作流 + 治理
內容包含
工具選擇——選哪一個 AI 適合這份工作，而不是只看預算或廠商關係。提示與情境工程——讓工具能在你團隊真實的任務上穩定運作。與團隊既有系統的整合，讓 AI 嵌進工作流，而不是另外並行。治理與風險控制——成本上限、產出檢視、若出錯時是誰負責的清楚紀錄。對齊國際 AI 風險與管理系統標準——涵蓋風險辨識、控制設計、營運責任歸屬。
所依循的標準
NIST AI RMF——識別、評估、控制 AI 風險，涵蓋整個系統生命週期的國際參考標準。
ISO/IEC 42001——AI 治理的國際管理系統標準。提供組織向監理機關、客戶與董事會證明負責任使用 AI 所需的可稽核結構。
主管向下傳達與角色導向的訓練——讓做工作的人知道怎麼用、讓管理工作的人知道怎麼監督。完整序列：從「該建什麼」到「團隊在用」。
所用框架
ADKAR——導入的個人準備度層——追蹤每個人在整合工作流上線時，落在變革弧線的哪個位置。
Kotter's 8-Step Model——組織層——把導入排序，讓動能累積、阻礙清除、變革在合作結束前站穩。
Diffusion of Innovations——採用曲線層——把導入分梯次排序，讓創新者與早期採用者成為多數族群所需的社會證明，而非一次把整個組織丟進來。
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.