工作與思考誌 · 王若婷 Sammi
一個人用 AI 是效率問題,組織用 AI 是治理問題
網站發布: · 依 2026.09.24 AI 協作開發工作紀錄整理
最近在實際建立公司的 AI 工作流程時,我愈來愈清楚一件事:
一個人使用 AI,和一個組織使用 AI,本質上是兩件不同的事。
一個人使用 AI 時,流程可以很簡單。
我提出問題、我決定要不要做、AI 幫我執行,我看結果,再決定下一步。
因為需求、判斷、執行與驗收,很多時候都集中在同一個人身上。
所以個人使用 AI,最直接感受到的通常是效率。
事情做得更快,資料整理得更快,研究、分析、寫程式與內容產出也都變快。
但當 AI 被放進組織,問題就開始改變。
誰提出需求?
誰判斷這件事值不值得做?
誰可以讓 AI 開始執行?
誰核准成果?
誰決定可以進入正式環境?
最後出了問題,由誰負責?
這些問題,不是 AI 工具本身會幫組織回答的。
個人 AI,可以省略很多交接點
如果是我自己使用 AI,我知道自己要什麼,也知道哪些地方可以接受、哪些地方需要重來。
AI 做錯了,我自己修。需求改了,我自己調整。
很多原本在組織裡需要被說清楚的事情,在個人工作中,可以靠自己的脈絡與經驗直接跳過。
所以一人的 AI 工作方式,可以很短:
想法 → AI 執行 → 看結果 → 再調整
這種方式效率很高。
但它有一個前提:
需求、判斷、責任與驗收,都在同一個人身上。
放進組織之後,就不能只是把 AI 接上去
今天,我們真的把一條 AI 協作開發流程走了一輪。
從需求被定義開始,由 AI 協助整理、拆解、實作、審查、測試,到最後開出 PR。
但流程並沒有因為 AI 可以繼續做,就一路自動跑到底。
需求是不是成立,要有人決定。任務能不能開始,要有人放行。成果能不能合併,要有人核准。是否進一步發版,也需要明確責任。最後做完了沒有,仍然需要驗收。
這讓我更清楚看見:
組織真正要設計的,不只是 AI 能做什麼,而是哪些地方一定要留下人的決策點。
AI 可以執行,但責任不能一起交出去
我現在愈來愈傾向把工作拆成兩類。
一類是執行。
整理資料、拆解任務、產出內容、寫程式、檢查差異、跑測試、整理回報。這些事情,AI 能承擔的比例會愈來愈高。
另一類是決策。
要不要做。
做到什麼程度。
現在是不是該做。
風險能不能接受。
成果能不能正式進入組織。
這些事情的責任,不會因為 AI 變強就自然消失。
所以我現在設計 AI 工作流程時,會刻意保留一些地方,讓流程停下來。
不是因為 AI 不夠強。
而是因為責任需要有清楚的歸屬。
工具只是內層,組織還需要外層
很多 AI 工具,其實比較接近「一個人完成整段工作」的使用情境。
一個人可以自己提出需求、叫 AI 做、自己看結果,再繼續往下。對個人來說,這很合理。
但到了組織裡,真正困難的往往不是 AI 能不能執行,而是:需求從哪裡來?誰有權改變方向?成果要交給誰?誰有權讓它進入下一個階段?
工具負責的是內層執行。
組織要自己補上的,是外層的責任、權限、交接與治理。
所以我現在不再只問:
「這個 AI 工具能做什麼?」
我更常問的是:
「這個工具放進組織之後,應該在哪裡停下來?」
實踐案例:奇豐如何一步一步重新設計 AI 時代的工作系統 →
一人 AI 的核心是效率,組織 AI 的核心是治理
個人使用 AI,最直接的收穫是效率;組織使用 AI,還要讓責任、權限、交接與審查跟上。工具與模型會換,但誰決定、誰負責、哪裡必須停下來,需要在工作裡說清楚。