在一場對外的公開場合，我遇到一位在上海開工廠的老闆。聊到 AI，他問了我一個問題：「我們有好幾個部門，大家的做法都很固定，AI 也是各用各的，不知道該怎麼開始。」這個問題讓我回頭想了一件事：我們在談 AI 的效益時，到底期待它帶來什麼改變？是讓每個人把原本的工作做快一點，還是讓大家有機會重新想，這份工作可以怎麼做？

把原本的工作做快，是很好的起點

最容易開始的做法，通常是在既有流程裡找可以改善的地方。哪裡慢，就想辦法讓它快一點；哪裡重複，就試著交給工具處理；原本需要花時間讀、寫、整理的事情，則讓 AI 協助完成。這些改善有價值，也比較容易看見成果。但如果只看自己負責的那一段，能想到的用法，往往也會停在那一段。每個部門都可能省下一些時間，部門之間原本怎麼交接、資料怎麼流動，卻未必跟著改變。有些流程，是在過去的人力、工具和協作條件下形成的。當 AI 開始能承接其中一部分工作，就值得再問一次：原本的步驟和分工，還是不是最合適的安排？

工作照常進行，學 AI 卻是額外的事

對那位老闆的情況，我當時先想到的是：就算沒有 AI，大家的工作也照樣在進行。第一線的人有原本的任務要完成。這時候再要求他研究工具、嘗試新方法，甚至重新設計流程，很容易變成多出來的一份工作。所以，我給的第一個建議，是創造一個可以暫時離開日常工作節奏的空間。讓大家有時間試 AI，也容許嘗試之後發現不好用、需要重來。否則，每天都忙著交付眼前的事情，很難再騰出力氣，探索還不知道會不會有用的方法。

這樣的空間，也是先鋒小隊和分享會很重要的元素之一：先鋒小隊讓大家有持續嘗試、帶著問題回來討論的場合；分享會則讓人有機會看見別人怎麼用，從中找到跟自己工作的關聯。探索需要時間，也需要一個能把還沒完成的東西拿出來討論的地方。

讓人有機會看見角色之外的工作

第二個建議，是讓大家有機會跨出原本的功能角色，看看前後的工作。組織愈大，分工通常愈清楚。這有它的好處：責任明確，也比較容易累積專業。但當每個人都只看自己負責的部分，就可能把既有的交接方式，當成工作本來就該有的樣子：上游交來什麼，我就處理什麼；處理完，再交給下一個部門。即使開始使用 AI，也很自然會先拿來改善自己的步驟。那位老闆提到的「AI 各用各的」，讓我想到的就是這個可能性。不過，短短一段談話，還不足以知道他們真正卡在哪裡。如果要再往下走，我會建議讓相關的人有機會一起看一遍完整流程：這一步為什麼需要？下一個部門真正要的是什麼？現在的產出，有沒有讓對方又做了一次整理？有了這些討論，才比較可能發現，某些工作可以合併、某些交接可以調整，甚至有些步驟已經不必保留。

我自己的想像，也來自跨出角色的經驗

回頭看我自己，也是因為接觸過不同環節，才開始有這樣的想法。前面提過，我原本做產品，學著跟工程師溝通，後來理解使用者體驗，過去也接觸過行銷。這些經驗，讓我比較有機會看見一件事前後是怎麼連起來的。到了跟 AI 協作時，這些經驗一起派上用場。我會想怎麼讓眼前的步驟做得更快，也會問：為什麼一定要照這個順序？這份資料為什麼要在不同地方各整理一次？如果換一種產出方式，下一個人是不是就能少做一些事？這些問題，需要對其他環節有一些理解，也需要跟真正負責那些工作的人討論。一個人不必變成所有領域的專家，但如果能往前後多看一步，對 AI 的想像就比較有機會超出自己的工作清單。

從各自使用，走到共同改變

後來，我沒有機會再遇到那位老闆，也不知道這兩個建議有沒有被採用。因此，這段對話對我來說，留下的是一個值得持續思考的問題。當組織裡已經有人開始用 AI，接下來要怎麼讓個人的嘗試，變成大家可以一起討論的工作改變？優化現有流程，仍然是很好的起點。但要再往前走，就需要給人探索的空間，也讓不同角色有機會一起看見工作的全貌。當大家開始討論的不只是「我的這一步怎麼做快一點」，而是「我們一起完成這件事，有沒有更好的做法」，AI 才比較有機會帶來超出個人效率的改變。