代理式AI時代的當責思維：AI籌全局，決策者求「放心」

某次金融業的AI主管培訓課程中，一位高階主管舉手發問：「如果AI建議的方案是錯的，誰負責？」教室安靜了幾秒鐘。

那一天，課程原本談的是生成式AI與未來工作模式。起初，大家關心的是如何寫Prompt（提示詞）、如何選模型、如何把AI放進日常流程。但討論愈深入，主管們真正關心的已不再是工具，而是責任。當AI愈來愈會分析、愈來愈會規畫，甚至開始能自主完成任務時，人類管理者究竟還剩下什麼？

爾後，在科技製造業、傳統製造業、公部門關鍵基礎設施機構與醫學中心的交流中，類似問題一再出現；場域不同，語言不同，但結構相似。金融業面對的是授信風險、詐欺偵測與法遵責任。製造業面對的是品質異常、設備故障、產能與交期。醫學中心面對的是病歷、影像、檢驗與治療取捨。公部門關鍵基礎設施面對的是安全、民意、資源配置與公共責任。

AI可以協助這些組織看見更多風險、整合更多資訊、提出更多方案。然而，最後那個需要承擔後果的決定，仍然回到人。AI正在改變決策的方式，卻沒有改變決策的本質。

AI從「分析工具」變成「數位幕僚團」

過去的AI，比較像分析工具。使用者提出問題，AI給出答案；使用者提供資料，AI協助摘要、分類、預測或生成內容。這種AI很有用，但它仍然像一位坐在旁邊的分析師。代理式AI（Agentic AI）的出現，使情況開始改變。AI不再只是回答問題，而是開始能拆解任務、規畫步驟、調用工具、串接資料、協調流程，甚至完成一段工作。

若說傳統AI像分析師，代理式AI更像一群AI助理組成的數位幕僚團。它之所以重要，是因為現代組織中的風險，很少停留在單一部門。授信風險表面上來自信用模型，實際上會牽動客戶關係、法遵規範與業務策略。品質異常看似發生在工程現場，後續卻可能影響交期、成本與客訴。醫療決策雖以檢驗數值為基礎，仍必須納入病人狀態、家屬期待、醫療資源與倫理判斷。公部門關鍵基礎設施亦復如是；暴風雨期間，水庫是否提前放水，看似是水位與雨量的工程問題，實際上同時牽動防洪、供水、水質、下游安全、媒體溝通與民眾信任。

代理式AI的吸引力，在於它能把這些不同面向拉到同一個決策場域中。不同Agent可以扮演不同角色：一個看風險，一個看成本，一個看客戶，一個看法規，一個看資源配置，再由系統整合成多個方案供決策者參考。這讓AI不再只是幫人回答問題，而是開始協助組織形成全局。但也正因如此，一個新的錯覺開始浮現：既然AI已經能幫人看見風險、整理全局、提出方案，決策是不是也可以交給AI？

這是代理式AI時代最需要警覺之處：AI可以籌劃全局，卻不能替人承擔後果。

治理三層：看見、協調、定奪

在不同產業導入AI的過程中，可以看到一個共通結構。當AI只是協助單一任務時，它仍是管理工具；但當AI開始進入跨部門、跨目標、跨責任的決策流程時，問題就從管理走向治理。管理關心的是把事情做對，治理關心的是在衝突中做出可承擔的取捨。

這也使代理式AI時代的組織能力，逐漸展開為3個治理層次：風險感知層、治理協調層及智慧決策層。風險感知層，讓組織更早、更細、更全面地看見風險；治理協調層，讓不同專業視角進入同一個決策場域，看見風險之間如何互相牽動；智慧決策層，則是把所有分析收束到最後的問題——哪一個後果是我們願意承擔的？亦即，分析可以由AI提供，方案可以由Agent整理；可承擔之策，仍要由人定奪。

治理三功：見風險、觀全局、求放心

若說治理三層描述的是組織如何使用AI，那麼治理三功描述的，則是領導人如何在AI展開的全局中養成判斷力。

見風險，是不讓組織活在遲鈍之中；觀全局，是不讓組織被單一指標綁架；求放心，則是不讓領導者把責任推給模型、流程或眾人的共識。AI可以讓風險更早浮現，Agent可以讓全局更清楚展開；但當各種方案都帶著代價時，決策者仍要捫心自問一句：這個決定，我能不能承擔？

治理三境：見山是山、見山非山、見山還山

若再往深處看，見風險、觀全局、求放心，也對應著決策者的3種境界：見山是山，見山不是山，見山還是山。

剛開始導入AI時，山就是山，水就是水。資料就是資料，風險就是風險，異常就是異常。這時候，組織最重要的能力，是先把過去看不見、看不清、看不快的東西看見。

再往前走，山不再只是山，水也不再只是水。管理者會發現，每個風險背後都連結著另一個風險，每個答案背後都伴隨新的問題；品質、交期、成本、法遵、病患權益、公共安全與社會信任，全部交織在一起。這時候，決策不是選擇一個單點答案，而是在複雜關係中做取捨。

但決策者不能永遠停留在複雜之中。成熟的決策，不是停在複雜之中，而是在看盡複雜後，回到眼前這一件事：這筆授信要不要放？這條產線要不要停？這個病人要不要轉入加護病房？這項防災措施要不要啟動？這就是見山還是山，見水還是水。問題仍是那個問題，決策仍是那個決策，但決策者已經不是原來那個決策者。他已經看過風險的細節，也走過全局的複雜，最後仍能回到眼前一事，參定一個自己可以承擔的決定。

判斷力，是平日薰習而成的

在關鍵情境中，決策者往往沒有太多時間。金融市場變化很快，產線異常可能突然擴大；急診室裡，病人狀況會在短時間內急轉直下；颱風夜的水情風險也不等人。沒人能在那一刻慢慢重新計算所有可能性。資深決策者在這種時刻常仰賴直覺。但直覺不是神祕力量。

赫伯．賽門（Herbert Simon）曾說，直覺即是辨識。專家能在短時間內做出判斷，不是因為他有第六感，而是因為他在當前情境中，認出了過去反覆經歷過的模式。AI的模式辨識來自大量資料與訓練，人的情境辨識則來自長期經驗、反覆覆盤，以及在場域中見風險、觀全局、求放心的平日薰習。

佛法中有一字，可以描述這種工夫：參。參不是急著找答案，而是讓問題長住於心，經由觀照、沉澱及反覆驗證，逐漸生出活的理解。對領導人而言，參不是決策當下才開始，而是平日如何看案例、如何面對錯誤、如何聽進不同專業意見，如何在壓力中不急於抓住單一答案。

因此，AI時代真正值得保存的，不只是資料，而是決策脈絡。資料告訴我們發生了什麼，紀錄告訴我們做了什麼；真正有價值的，是理解當時為什麼那樣決定。正如《資治通鑑》的重要性，不只是因為它記錄歷史，而是因為它「鑑於往事，有資於治道」。若金融業的風險案例、製造業的8D報告、醫院的M&M會議（死亡與併發症病例討論會）與公部門的重大應變紀錄，能轉化為可查詢、可對話的組織記憶，便能成為AI時代的「治理通鑑」。前事不忘，未必自然成為後事之師；要讓往事有資於治道，還需有組織把經驗轉化為可被查詢、對話、覆盤與參照的治理機制。

求放心：參定可承擔之策

AI的發展仍會加速，分析、預測、生成與協調能力也會持續推進。未來組織的競爭力，將取決於能否把AI放進治理流程：讓它協助人看見風險、觀照全局，卻不讓人誤以為責任也能一併外包。因為最後的問題始終沒有改變。當AI給出答案，誰來承擔？當Agent提出方案，誰來選擇？當所有資料都已展開，誰來面對後果？

孟子云：「學問之道無他，求其放心而已矣。」此處「放心」並非今日用語「安心」之義；「放」音讀「仿」，指放失、散逸之心。求放心，並非把決定交給AI便可安心，也不是消除所有焦慮；它指的是，把被風險、壓力、利益與模型答案牽走的心重新找回來，參定一個自己願意承擔的決定。AI可以幫助我們見風險，也可以幫助我們觀全局。但它無法替我們求放心。

代理式AI時代真正的新管理課題，不只是如何導入AI，而是當AI已經籌出全局後，人是否仍有能力完成最後的判斷。

〈求放心〉

AI籌局萬端開，治道無他反己參；

看盡風險明取捨，求其放心策乃堪。

〈求放心〉點出本文之旨：代理式AI可以協助組織籌局、見風險、觀全局，卻不能替決策者完成最後的承擔。治理之道不只在工具、流程與模型，更在決策者能否反己而參，在風險、取捨與責任交錯之中，找回被風險、利益與模型答案牽走的心。孟子所謂「求其放心」，不是放心交給AI，而是把放失之心重新找回來；如此，所定之策才真正可堪承擔。

3個提問：當AI籌出全局之後，決策者如何求放心？

1. 當AI讓風險更早浮現時，組織如何判斷哪些訊號值得進入治理議程？
2. 當代理式AI整理出多種方案時，組織是否看見誰受益、誰承擔代價，以及誰的聲音沒有被納入？
3. 當所有方案都看似合理時，決策者如何參定一個自己願意承擔的選擇？