AI 沒有變，但場景不同，需要關注的焦點就不一樣。同一個工具走進公司的流程，錯誤會放大、資料會有軌跡、出了事得有人負責，而這些大多發生在你看不見的地方。

同一件事，換個場景看。

週末你用 AI 查餐廳、排行程，它把餐廳訂位方式弄錯了，你到現場發現錯過用餐時段。有點傻眼，在社群軟體上發發牢騷，這件事到此為止，代價由你一個人吸收。

週五下班前，業務使用 AI 工具整理報價單送出，其中一個服務項目是它腦補出來的。這份報價單快速走完簽核流程，沒有人確認內容，寄到客戶的信箱。專案開始後沒有人知道該怎麼解釋這個服務內容，客戶開始質疑你們公司的誠信。

同一個工具、同一種錯誤，代價完全不同。今天要來認識 AI 進入組織時，需要注意的三個重點。

放大、資料軌跡、問責

放大。

相信大家都聽過「AI 是個放大器」，生產力放大、效率放大，當出錯的時候，錯誤和影響也同樣會被放大。在工作場景中，資料不會只止步在某個貼文或對話中，它會隨著工作流程移動，被吸收重整。當錯誤的資訊進入這個流程，又成為下一階段工作的參考來源時，錯誤的雪球會越滾越大，甚至無法被察覺。因為多次被重複參考的錯誤資訊，已經在過程中變成某個「事實」了！

軌跡。

個人帳號的 AI 服務，尤其是免費版，商業模式的一部分就是你的資料：使用條款預設多半允許服務商把你輸入的內容拿去訓練模型，或交給人工審閱。反過來說，企業版賣的核心承諾之一，就是「不拿你的資料做這些事」。查聚餐餐廳、找下午茶商家，用哪一種都無所謂。但員工用個人帳號處理公事時，風險就來了。風險有兩層，第一層是資料外流：貼進去的客戶名單、還沒公告的財報、行銷策略，離開了公司的邊界，留在別人的伺服器上，甚至進入下一版模型。第二層更麻煩：你不知道流出去的是哪些。外流發生在員工的個人對話裡，公司這邊沒有任何紀錄，真的出了事，要清點損失、評估影響，你連從哪裡開始都不知道。這就是 Shadow AI 的風險核心：未被管控的 AI 工具，正在處理公司內部的資訊；資料在外流，而你連流出去什麼都不知道。

問責。

個人出錯，自己吞。組織裡出了事，一定會走到「誰負責」這一題。用 AI 的員工？單位的主管？還是根本沒訂規則的公司？AI 不會被記過、不會賠錢、不會吃官司（也沒辦法進土城看守所 🙂）。責任不會憑空消失，只會落在組織圖上的某個人身上。差別只在於，是事先想清楚落在哪，還是出事之後才開始找人。

看到這裡你可能會覺得：「這麼多問題，還好我們公司還沒導入 AI。」但這可能是最危險的想法。公司沒有正式導入，不代表公司沒有人在用。員工自己刷卡訂了帳號、自己申請了 API key、甚至有人在自己的電腦上架了開源的 AI 助理。你的組織裡，可能已經有幾十個沒有工號的數位員工在上班，只是不在 IT 的資產清單上，也不在你的視野裡。

對經營者意味著什麼：「要不要導入」是個假問題

「要不要導入 AI」聽起來像一個還沒發生、可以慢慢評估的決策。但它已經在你的組織裡了，帶著放大、軌跡、問責三個面向的新性質在運作，差別只在你看不看得見、接不接得住。真正的問題是接下來這六組，也是這個系列剩下二十幾天要嘗試回答的：AI 應該投在哪（進場）；會出什麼事、出在哪（風險）；閘門設在哪、誰來簽（治理）；公司要跟著改什麼（轉型）；哪些決定還是人做的（組織）；這個產業的局變了沒（競爭）。

前六天，你在看懂一個工具。從今天起，你在經營一個多了新型員工的組織。這不只是一個 IT 系統升級案，是管理的新章節。

要拿走的問題

• 執行層（CTO/CIO）：找一個公司裡有 AI 輸出的工作流程，我們答不答得出「它們讀過哪些資料、做過哪些動作」？
• 經營層（董事會/CEO）：如果明天一份 AI 參與生成的資料造成損失，我能不能在組織圖或工作流程上找出負責的人？還是這一題到今天都還沒有答案？

一句話帶走：AI 進入組織，錯誤會放大、資料會有軌跡、責任要有人扛。工具沒有變，是你要管的東西變了。