我接觸過三種不同規模的組織：一個不到十人的小公司，一個有幾百人的組織，還有一個規模介於兩者之間的組織。接觸之後，我發現，即使都在談 AI 導入，大家先問的問題，也不太一樣。有的很在意資料會不會外洩，有的先確認客戶資訊能不能使用，也有的比較關心，這件事能不能真的幫上眼前的工作。

這讓我開始回頭看，自己在目前組織累積的經驗，換到另一個地方，有哪些仍然適用，又有哪些需要重新理解。

同樣說資安，背後擔心的事情不一樣

我接觸的幾百人組織，對內部資料與品牌信任特別謹慎，連透過 API 串接服務，都需要仔細確認。規模介於中間的組織，談得比較多的是客戶資料，哪些可以使用、哪些不能傳出去。不到十人的小公司，則先提到財務資料、身分證字號這些敏感資訊。

這只是我在這幾次接觸裡聽到的，還不能直接推論成「大組織都怎樣、小公司都怎樣」。但至少讓我看見，同樣一句「我們很在意資安」，背後可能是不同的資料、責任，以及不能辜負的信任。如果沒有先理解這些，只拿一套自己熟悉的做法去介紹，很容易講了半天，卻沒有回應到對方真正擔心的事。

IBM 在 2025 年 7 月公布的資料外洩成本報告，則提供了另一個角度。這份研究涵蓋 600 個曾遭遇資料外洩的組織，其中 13%回報 AI 模型或應用曾遭入侵；在這些 AI 遭入侵的組織裡，97%表示沒有適當的 AI 存取控制。這不是所有組織的發生率，但確實提醒我們，開始使用 AI 時，也需要把相應的管理一起想清楚。

自己熟悉的環境，不能直接當成別人的起點

我現在待的組織，是非營利組織，也不是直接提供第一線服務的單位。在我目前接觸的工作裡，資料的類型與使用情境，跟前面幾個單位不太一樣。這會影響我們從哪裡開始嘗試 AI，也會影響哪些事情需要先確認。但不能只因為接觸的個資比較少，就認為其他資料都沒有風險，還是得回到具體的工作來看。

我習慣了自己的環境，有些事情做起來很自然。換到另一個單位，才發現對方需要多確認幾步，而那些步驟背後，可能有我原本不知道的責任。反過來，也不能因為某個單位有一套很完整的管理方式，就覺得每個地方都應該照著搬。需要先弄清楚，這些做法是在處理什麼問題，哪些適合現在的情境。

同樣一場活動，每個人需要的時間也不一樣

除了資料與資安，另一個差異，是大家原本怎麼工作、怎麼學習。

在目前的組織裡，我常看到同仁接觸新工具之後，很快就開始試。到了其他場域，也有類似的情況，但有時候，同一場活動裡，大家對 AI 的熟悉程度差得比較多。有人已經知道要拿哪件工作來試，有人還在確認這個工具能做什麼；也有人需要先看到一個跟自己工作接近的例子，才比較能想像怎麼使用。這讓我想到，前面寫 Team of Teams 時，也有同樣的提醒：我自己能想像，不代表大家都能想像。如果用同一個速度往下帶，很可能有人已經想動手，有人卻還沒找到跟自己工作的關係。這時候，需要調整的也包括我的說明方式、範例，以及留給大家嘗試的時間。

要讓事情落地，我還是得先理解人

這幾天寫下來，我越來越覺得，概念與方法可以幫我找到方向，但真的進入一個組織，還有很多事情需要重新問、重新理解。資料與權限有技術上的問題，也有制度上的安排。要把這些變成日常的工作方式，又會碰到人的習慣、顧慮，以及彼此怎麼協作。有人擔心資料外洩，有人擔心結果不可靠，有人則是不知道，花時間學了之後，究竟能幫自己省下什麼。這些顧慮，需要先聽懂，才有機會一起找到能接受、也真的有幫助的做法。

這又回到我過去跟工程師合作時學到的事：多問一句，了解對方為什麼這樣想，常常比急著把自己的方法講完，更能讓事情往前走。

做法會變，我想累積的是自己的心態

如果回到我自己，我還是很在意心態的累積。

以前遇到新問題，我會很想趕快找到一套工具、一個方法，讓事情有答案。現在接觸不同的組織，我更需要提醒自己，先理解眼前的情境，再決定怎麼運用已經學會的東西。

Steve 曾經用《金剛經》裡的「妙用」，來談心態的重要。我不確定自己理解得是否完整，但這和我現在的體會很接近：學過的方法，不是每次都照原樣拿出來用，而是要能看著當下的情況，知道怎麼調整。我現在也還在練習。換一個組織，多聽幾個不同的問題，就會再發現一些自己原本沒想到的事。