本日文章的內容脈絡

哇，一轉眼間時間來到了2026年，在這一次的鐵人盃參賽前反覆思考了一次這次報名的目的，畢竟在當前是一個一句話就能輕鬆生成千字或者是好幾頁內容，甚至是要產生出幾張圖片或者是幾秒的影片都是很輕而易舉的時刻。

然後在這一次的系列文內容會分享的內容會有別於以往，盡量用更多實際觀察以及實戰過程中的一些心法，並且從個人層面再往上到企業的維度一層一層的解構與實作 AI 和自動化這兩個關鍵字組合的故事線。

另外這一次的系列文對個人而言同時要培養的層面是關於賦能，要重新想清楚 AI enablement 該用什麼單位來衡量。衡量的基準已經換了，員工學會多少 AI 功能可能不再是重點，而是要觀察員工能否更自主的辨識工作問題、建立上下文、判斷 AI 介入邊界，最後改善真實工作結果。

那話不多說，歡迎各位一起探索與感受這一段里程吧！

AI 一直在加速，人類 ”們“ 有一起跟上這個節奏嗎？

呼應開頭的現況，在過去這一年常常有一種很矛盾的感覺。

每天打開各式各樣的社群媒體，都可以看到新的模型、新的 Agent、新的自動化工具等等的貼文，昨天還需要自己一步一步處理的工作，今天可能已經有人示範怎麼用 AI 在幾分鐘內完成。

久了之後大家就養成了一個習慣，那就是看到一個新的 AI 工具第一個問題就是：這個可以拿來幫我做什麼？

這個問題沒有錯。模型持續迭代，新功能不斷出現，本來就會讓人更有意圖，也更有衝動去嘗試這些生成式 AI 工具。

只是過去一年在內部賦能與解決方案設計的過程裡，個人反而愈來愈常遇到另一個更前面的問題。

那就是當真正開始討論，要把某一段工作交給 AI 或自動化時，才發現很多人知道自己每天「在做什麼」，卻不一定說得清楚自己「怎麼把它做完」。

例如每天早上整理一份報表、每週把不同來源的資料重新彙整，或是在收到特定類型的 Email 之後，判斷這件事接下來該交給誰處理。到了月底，還要再把散落在不同地方的資料重新整理一次，轉換成主管真正看得懂、可以拿來判斷的內容。

這些工作看起來都很平常，甚至已經熟悉到不需要特別思考，但是做久了之後，很多步驟其實早就從明確的判斷，慢慢變成一種直覺。

所以當有人真的問起「這個流程到底怎麼跑」時，很容易得到這樣的回答：

先把資料抓下來，整理一下，看一下有沒有問題，然後再寄出去。

真正麻煩的地方，通常就藏在「整理一下」與「看一下」裡面。而在真正導入 AI 之前，其實有幾個問題得先由人自己回答，像是……

1. 整理的時候，你到底改了哪些東西？
2. 看到什麼訊號，你就會覺得這筆資料有問題？
3. 什麼情況下可以直接往下走？
4. 又是什麼情況，會讓你停下來，找另一個人確認？

而這些平常沒有被說出口的判斷，其實才是一份工作真正的結構。

因為工具變得愈快，人反而愈需要看懂自己的工作