AI 的價值、隱形工作與治理——與 John Willis 對談（Podcast）

John Willis 說明，為什麼 AI 導入應從商業價值、系統思維，以及對隱性工作、治理與風險的清楚理解開始。

「自動化不一定會消除工作。有時候，它只是把工作轉移到別的地方。」

在三部曲系列對談的第一篇中，作家暨科技領導者 John Willis 與 Progress 開發者倡議者 Eve Turzillo 一同探討，為什麼要透過 AI 創造長期價值，領導者就必須跳脫對新技術的興奮，真正了解工作實際上是如何完成的。

AI 大幅降低了從一個想法到實際可運作原型之間的門檻。只要輸入一段提示詞（Prompt），幾分鐘內就能產生程式碼、自動化一項工作，或將一個粗略的概念轉化為具體成果。

這樣的速度非常強大，但也可能造成誤導。

當一件事情很容易開始時，人們很容易以為最困難的部分已經結束了。然而，一個看似有潛力的實驗並不等同於已可正式上線的系統，而「做了很多事情」也不等於真正創造了價值。

當企業開始走出早期的 AI 試驗階段，領導者必須提出更難回答的問題：我們正在解決什麼問題？真正的限制在哪裡？我們正在創造哪些新的工作或風險？又該如何判斷組織是否真的有所改善？

在這場對談中，John Willis 將數十年來推動科技轉型所累積的經驗，帶入當前的 AI 浪潮。他所傳達的核心訊息非常務實：AI 或許改變了我們能做到的事情，但它並不會抹去組織過去在人員、系統、風險與變革方面所累積的經驗與教訓。

不要讓耀眼光芒遮住腳下的地形

Willis 將人們對新技術的興奮形容為一種螢光。光芒如此耀眼，以至於可能讓人看不清底下真正的地形。

過去在雲端、敏捷開發（Agile）與 DevOps 浪潮中，我們都曾看過類似的情況。這些技術與方法確實帶來了全新的能力，但也讓一些組織誤以為原本熟悉的挑戰已經消失。AI 正在重演類似的模式。領導者可能過度關注技術能夠產出什麼，而忽略這些產出將如何在更大的系統中實際運作。

因此，這場對談中最簡單的一個觀點，也可能是最重要的一點：原型不等於正式上線的產品。

要從原型走向正式環境，仍然需要完成許多較不容易被看見的工作，包括整合、審查、資安、治理、維護與衡量。AI 可以加速其中部分工作，但它並不會讓周圍的整體系統變得不重要。

AI 策略的成效，取決於背後的人才系統

AI 策略並不是獨立運作的。它會落實在 Willis 所稱的「人才系統（talent system）」之中，也就是由人員、行為、激勵機制與組織架構共同構成的系統，而這些因素將決定企業是否能將策略真正轉化為成果。

在這套系統中，不同的人通常會有不同的反應。有些人因為感受到威脅而抗拒改變；有些人則會快速往前衝，先做了再說；而中間還有很大一群人，他們或許相信 AI 的潛力，卻不清楚組織究竟期待他們做什麼，或允許他們做到什麼程度。

當領導者在不了解這些不同群體的情況下制定 AI 策略，策略與實際執行之間的落差就會愈來愈大。團隊可能刻意放慢 AI 導入速度、各自建立零散的自動化流程，或承擔組織尚未準備好管理的風險。

因此，真正的挑戰不只是組織是否擁有適合的人才，而是整體人才系統是否能產生策略原本希望達成的成果。

Token 使用量並不是價值的衡量指標

Willis 使用「token maxing」這個詞，形容目前許多組織所面臨的一種壓力：只是因為有能力使用更多 AI，就想盡可能增加 AI 的使用量。在經歷初期的謹慎觀望後，有些企業已經走向另一個極端：要求團隊到處使用 AI、能自動化的全部自動化，並且盡快展現導入成果。

問題在於，增加 AI 使用量並不代表商業價值也會隨之增加。

如果出發點是「我們可以在哪裡使用 AI？」，幾乎任何工作都可能成為導入 AI 的候選項目。更好的出發點應該是：「價值在哪裡？」這會讓組織的關注重點，從單純為了導入而導入，轉向企業真正需要改善的具體成果。

這也讓我們有機會看見一個在當前 AI 熱潮中很容易被忽略的答案：不是每一個問題都需要 AI。

受監管產業正在壓力與謹慎之間尋找平衡

對銀行、金融科技以及其他受到高度監管的組織而言，導入 AI 存在著一種特殊的拉扯。領導者知道 AI 將成為未來組織營運的一部分，但同時也必須負責保護敏感資料、因應法規要求，以及管理相關風險。

Willis 將目前的情況比喻為早期導入雲端技術的階段。有些金融機構快速採用雲端，有些則選擇等待主管機關提供更明確的規範後，才將特定資料或流程移至雲端。AI 正在經歷類似的發展過程，但外部壓力可能更加強烈。企業不斷被告知，如果現在還沒有開始使用 AI，就已經落後了。

因此，問題並不在於受監管產業「會不會」使用 AI，而是如何在創造價值的同時，不忽略應負的責任。

這不只是單純想辦法比競爭對手更快，也不能把治理視為最後才執行的一道檢查程序。Willis 主張採取系統化的方法，讓技術、風險管理與內部稽核朝向相同的目標合作：在改善組織的同時，也協助保護客戶、客戶的資產，以及機構本身的品牌。

AI 可能讓隱性工作變得更難被看見

組織內部有一些非常重要的工作，通常不會出現在流程圖上。這些工作存在於交接、審查、例外處理、重工，以及人員運用自身經驗讓流程持續運作的過程之中。

AI 可能加快流程中的某一個環節，卻沒有改善整個系統。團隊可能因此產出更多程式碼、內容或分析結果，卻同時為負責審查、驗證或實際運用這些成果的人員製造新的瓶頸。

正如 Willis 所說，自動化不一定會消除工作。有時候，它只是把工作轉移到別的地方。

因此，在決定 AI 能在哪裡創造價值之前，領導者必須先了解工作實際上發生在哪裡。如果 AI 讓其中一個步驟變快，卻同時增加更多審查、重工或人員過勞的情況，那麼組織可能只是製造了更多活動，卻沒有真正取得有意義的進展。

AI 改變了潛在的影響範圍

許多治理模式原本都是以人為決策，以及相對可預測的自動化機制為基礎所設計。AI 帶來的風險特性則有所不同。AI 系統可以運用極為廣泛的知識、以機器速度進行推論，並且在被賦予足夠權限時，執行人們可能事先沒有預料到的動作。

Willis 分享了一個案例：一項由 AI 輔助執行的工作，選擇了一個較為冷門、但看似效率很高的技術方案，最後卻產生了與原先目標完全相反的結果。這個案例要傳達的並不是組織應該避免使用 AI，而是傳統的風險控管機制不能等到最後，才附加到 AI 周圍。

領導者必須在 AI 執行動作之前，就先考慮可能造成的影響範圍。系統可以存取什麼？可以做出哪些決策？可以修改或刪除什麼？哪些地方必須經過人工審查？又有哪些證據可以用來確認究竟發生了什麼？

適度放慢腳步，才能真正了解整個系統

企業面臨必須提出 30 天、60 天或 90 天 AI 計畫的壓力，很容易讓人覺得花時間思考就等於拖延。Willis 認為，有遠見的領導者必須抵抗這股急於前進的風潮，花足夠的時間真正了解自己的組織。

AI 策略並不是獨立運作的。它會進入一套由人員構成的人才系統，而其中的人可能抗拒 AI、跑在策略前面，也可能很想參與，卻缺乏明確的指引。如果沒有先理解這些行為就制定策略，很可能造成零散的 AI 導入，以及難以察覺的潛在風險。

Willis 建議的一個實際做法是舉辦「創意發想黑客松（ideation hackathon）」。不同於傳統以程式開發為核心的黑客松，這種活動讓業務、營運、專案及行政團隊都有空間先定義問題並構思可能的解決方案，再由技術團隊開始進行開發。如此一來，就能透過更具包容性的方式找出真正有價值的應用情境，並為負責任的實際導入建立更完整的藍圖。

這也反映了整場對談更核心的觀點：真正有意義的 AI 導入，不是從產出更多東西開始，而是從更清楚地看見整個系統開始。

真正的進步來自審慎的 AI 導入

真正能透過 AI 創造長期價值的組織，未必是前進速度最快的組織。更可能是那些願意適時停下來、找出真正的限制所在，並建立必要的組織實務，讓 AI 能夠從實驗階段走向可靠執行的組織。

AI 讓開始一件事情變得更加容易。而領導者真正面臨的挑戰，是理解在第一個令人驚豔的成果出現之後，還有哪些事情必須完成。

收聽 John Willis 與 Eve Turzillo 的完整對談，深入了解 AI 價值、隱性工作、治理、組織文化，以及領導者在擴大 AI 應用規模之前應該檢視的重要議題。