當今每位執行長都正在思考同一個問題：我們的AI投資究竟要如何才能實現價值？

我們看到，許多組織的因應做法是擴充AI培訓課程，例如增開提示詞運用課程，或擴增多種AI工具的使用授權。然而，這些努力往往讓員工不堪負荷，也讓組織失望。此外，隨著AI能力演進，AI技能需求的成長速度，已超過人才供給的速度。

問題在於，許多組織都把AI技能當成一份不斷加長的檢核清單。更好的做法，是集中培養少數核心技能，讓這些技能有機會隨著AI一起演進。顧能（Gartner）在兩大核心領域找出6項能力：工作統籌技能，以及監督與治理技能。組織若把力氣集中在這些能力上，就能確保員工的能力隨AI一同演進。

工作統籌技能

工作統籌技能，是員工運用AI取得成果的能力，包括：

界定問題

在AI轉型初期，組織會用AI加快既有流程、提高效率。不過，AI工具的產出品質，取決於提供給它的資訊及指引。一開始若未釐清人要解決什麼問題，就不會得到什麼好的結果。

若要AI產出期望的結果，關鍵在於能清楚說明問題、界定範圍、確立目標，並設定界線來引導有效的解決方案。

我們看到，成功的組織正逐漸捨棄通用型的AI培訓，轉而要求人資與資訊部門共同舉辦跨部門工作坊，讓各部門一起界定企業面臨的挑戰及其範圍。

例如，一家全球律師事務所的人資與資訊部門，為不同事業單位設計專屬工作坊，讓員工用AI來解決各自的業務難題。這些難題包括各單位日常工作中遇到的阻礙。他們不聚焦於技術本身，而是從問題出發，讓員工培養出實際的問題界定能力，並在同事與資訊專業人員的支援下，更迅速、有效地反覆改進AI解決方案。

系統思維

隨著AI開始重新設計工作流程，問題界定能力就必須進一步發展為系統思維（systems thinking）——也就是了解整體之中，各部分如何互動與相互連結的能力。顧能在2025年7月針對全球3,029名員工進行的調查發現，在運用AI的工作環境中，系統思維能帶來1.6倍的員工績效改善，因為它讓員工具備處理複雜情況的能力，而不再只是改善孤立的個別任務。

領導人可以建立正式機制，讓員工親身投入工作過程，直接體會相互連結的系統所產生的連鎖影響，藉此將系統思維落實於工作。

U.S. Venture是再生能源與傳統能源產品、潤滑油、輪胎及運輸資訊的領先供應商。這家公司的領導人發現，員工各自採用AI，只能帶來小幅改善；要實現真正的成長，就得重新設計流程。人資部門指派一名內部人員，跟著第一線業務人員觀察工作，親眼了解員工實際面臨的阻礙、繁瑣的變通做法，以及核准流程的瓶頸。

在導入AI之前，先與第一線員工一起梳理流程，不僅讓公司找出值得解決的實際業務問題，也示範了系統思維的運用：讓員工直接參與，了解將AI嵌入流程時，涉及哪些工作層次與決策步驟。

策略前瞻

隨著AI演進，組織終將能夠創造全新的工作方式，大幅擴大營運規模並顛覆市場。例如，未來幾年，業務人員將與AI代理共事，由AI代理協助判定潛在客戶的優先順序、進行研究與分析，並獨立培養與潛在客戶的關係。

要走到這一步，系統思維就必須進一步發展為策略前瞻。當組織借助AI轉型，創造新產品、服務或商業模式時，人也必須轉而培養預想未來情境、打造能隨情勢調整的解決方案的能力。此處的目標並非成功預測未來，而是培養能預想顛覆性變化、做好變革準備的心態。

領導人可以把「如果……會怎樣」的情境規畫，納入既有決策流程，藉此培養這項能力。

在業務遍及全球的高偉紳律師事務所（Clifford Chance），領導階層、合夥人、律師、知識專家與科技團隊緊密協作，共同決定如何導入AI，並將其融入法律工作流程。各方正一起探討，未來幾年，AI可能如何重塑客戶的期待、法律服務的提供方式，以及事務所的營運模式。這家事務所不只著眼於短期生產力提升，還追蹤準備就緒的程度、採用情況及員工感受等關鍵績效指標，做為制定長期AI策略的依據，確保事務所做好準備，因應未來變化。

監督與治理技能

監督與治理技能，是員工確保AI結果準確、安全且值得信賴的能力，包括：

判斷AI結果、降低風險

AI協助人們工作時，員工必須主動查核結果是否可靠、降低風險，並落實符合倫理的AI治理。若不假思索地相信AI結果，又過度依賴AI工具，就會造成錯誤、偏誤或法遵問題。

雖然負責任使用AI的正式培訓與指導原則不可或缺，但在日常工作中，團隊也必須形成共同的要求：對AI協助完成的工作提出質疑，並加以查核。

例如，一家全球行銷研究公司，針對AI文件摘要工具建立了「驗證稽核」流程。員工開始使用工具時，必須為最初幾份由AI生成的摘要擔任「事實查核員」，使用結構化評分表核對統計數字，並對照原始文件查核引用來源。如果摘要中含有未經驗證的主張，就加以註記，再轉交開發人員微調工具。這種抱持適度懷疑的實作練習，幫助員工迅速辨識常見的AI幻覺模式與錯誤，也改變了員工與工具的關係：從預設相信，轉為有條件地相信。

人與AI協調

AI改變工作的程度愈大，治理就愈複雜。這時，判斷AI結果與降低風險的能力，也就進一步發展為人與AI協調的能力。自動化程度提高，會改變人的工作，在機器邏輯與人的判斷之間造成摩擦。在運用AI的工作環境中，員工將愈來愈需要解讀模糊的情況，並考量細微差異做出決策。

要實際培養這項技能，組織必須讓團隊把「事後檢討」與以情境為基礎的「事前驗屍」納入例行工作，檢討如何處理複雜的例外情況。例如，AI因一名長期顧客多次未付款而取消對方的訂閱，卻未察覺這名顧客其實是因為受到天災影響。

許多醫療機構正在研擬策略，要將人與AI協調納入工作流程。例如，機構可以為臨床團隊建立正式的「人工改判紀錄」。舉實例來說，若放射科醫師不認同AI的診斷建議，就能立即循管道向上提報，將自己推翻AI建議的決定，連同格式固定的理由說明與時間戳記，一併記錄下來。跨領域的臨床倫理委員會每週檢視這些紀錄，不僅確認人的決策是否恰當，也會運用這些資料，重新訓練並改進背後的AI模型。

道德領導

人與AI協調能力演進的最後階段，是道德領導。隨著AI開始創造全新的工作形式，人必須有能力持續管理AI系統的設計與運作，讓系統產生公平且負責任的結果。這不只是查核產出，人還必須主動塑造值得信賴的系統。

組織採用的一項做法，是將「紅隊演練」（red teaming）制度化，讓員工刻意測試AI系統的極限，找出弱點。有些組織甚至提供獎勵，鼓勵員工擔任內部白帽駭客，在自主運作的流程對內或對外啟用之前，主動找出其中的偏誤，或刻意讓流程陷入混亂。

我們的客戶對以下情境頗有共鳴：一家醫療科技公司正在開發AI系統，以偵測高齡者的認知功能退化。公司明白，開發這項全新的AI產品將使公司面臨重大的法遵、信任與隱私風險。因此，人資部門與資訊及產品主管合作，在產品團隊內設立AI倫理委員會，訂定治理規範並進行紅隊演練，訓練員工以批判思考質疑每一項決策，找出偏誤與倫理風險。

＊＊＊

檢驗員工是否準備就緒，不能只看培訓完成率，還必須重視成果。要求員工隨著AI進步不斷累積更多技能，反而會妨礙員工做好準備，無助於提升就緒程度。到頭來，要讓AI創造實際價值，培養員工與技術同步演進的能力才是必要的投入。

（費艾文編校）