把 AI 當 Salesforce 來導入？企業 AI 最大的認知錯誤

本文整理自 AI Applied Podcast 2026 年 5 月播出的單集。

---

AI 不是另一次數位轉型

企業在導入新技術時，通常有一套熟悉的劇本：先評估、再採購，然後把舊系統換成新系統，最後培訓員工使用。這套劇本用在 Oracle 換 SAP 上很有效，用在舊 CRM 遷移到 Salesforce 上也完全合理。但 AI Mindset 創辦人暨執行長 Conor Grennan 在 AI Applied Podcast 上直言：拿同一套劇本來套 AI，是企業最常犯、也最昂貴的認知錯誤。

Grennan 之前在紐約大學史登商學院（NYU Stern）做了 12 年首席 AI 架構師，現在他的公司 AI Mindset 專門做企業級 AI 培訓，客戶包括 Walmart、JP Morgan 等大型組織，單次導入規模可以到兩三萬人。他觀察到一個反覆出現的模式：管理層看到 AI，第一反應就是「這是一次數位轉型」，然後用數位轉型的框架去規劃預算、設定 KPI、安排時程。但 Grennan 指出，數位轉型的本質是把人從一個低效的系統搬到一個高效的系統。比如把舊 CRM 全部拆掉，把所有人遷到 Salesforce。工具換了，但核心流程基本不變，只是做同樣的事變得更順暢。AI 完全不是這回事。

AI 跟過去的技術升級有一個根本性的差異：它不是換一個系統，而是改變人的思考和工作方式。Grennan 用了一句話精準描述這個區別：AI 看起來像技術，但它的行為更像一個人。當你導入 Salesforce，你做的是「搬家」，把東西從 A 搬到 B。當你導入 AI，你做的是「讓每個人用不同的方式工作」。前者需要的是 IT 部門的專案管理能力，後者需要的是組織行為層面的變革管理能力。如果你用搬家的心態去做「改變人的工作方式」這件事，你就會一直困惑為什麼 ROI 遲遲看不到。因為你從第一步就搞錯了這件事的本質。這有點像你請了一個搬家公司來幫你做心理諮商，專業領域根本不對。

追求快 10% 還是轉型 10 倍？

把 AI 當數位轉型的企業，通常會掉進一個看似合理的陷阱：專注在生產力提升上。「我們部門用 AI 之後效率提升了 15%」，這聽起來是好消息，Grennan 也承認它確實不差。但他在跟 Walmart 合作的過程中發展出一個框架，叫做「創新指數」（Innovation Quotient），核心觀點讓很多人意外：生產力提升反而可能是創新最大的敵人。

邏輯是這樣的。假設 AI 讓你每小時多完成 10% 到 20% 的工作。你一天省下半小時到一小時，一週省下幾小時，一年累積起來確實可觀。但如果你把同樣的時間和注意力拿來思考一個更大的問題：「我這個角色到底應該怎麼運作？有沒有可能讓 AI 承擔掉所有認知負擔重的瑣事，讓我專注在真正需要人類判斷力的高價值工作上？」那帶來的回報不是 10%，是 10 倍。問題在於，一旦你嘗到了「快 10%」的甜頭，你就很難停下來去思考「完全不同的做法」。你會持續優化現有流程，而不是質疑「這個流程本身該不該存在」。生產力的進步給了你一種「我們已經在進步了」的安全感，但那個安全感反而阻擋了你去追求數量級的突破。

Grennan 提到 Anthropic 就是走「10 倍路線」的公司，員工不只是用 AI 做同樣的事但更快，而是在做過去根本不可能的事。他在 Walmart 部署創新指數框架的目的，就是幫助團隊區分清楚：你目前的 AI 應用是在「讓現有流程更快」，還是在「重新設計流程本身」？如果全部都是前者，那你的 ROI 天花板已經看得到了。這個區分聽起來簡單，但在實際執行中非常容易模糊。因為「讓流程更快」的效果馬上就能看到，而「重新設計流程」的效果要幾個月甚至半年才會浮現。多數組織在壓力下會選擇前者，然後一年後回頭看，發現自己花了大把時間精力，只得到了 15% 的改善，錯過了 10 倍的機會。

為什麼最精於計算的客戶反而最難轉型

Grennan 在節目裡提到一批特殊的客戶，語氣半開玩笑半認真：避險基金。「上帝保佑你們，你們自己也知道不是最好合作的對象。」這不是因為避險基金的人不聰明，恰恰相反，他們太聰明了，聰明到用錯了框架。避險基金天生用演算法思維看世界。他們追求的是在數十億美元的投資上多擠出幾個基點的報酬率，用更精密的模型、更快的運算、更多的資料來微調投資決策。這套框架用在交易系統上完全正確，用在衡量 AI 的價值上就完全走偏了。

為什麼？因為 AI 不是一個跑在系統上的最佳化演算法，它是一個增強人類認知的工具。它的價值不體現在「讓同一套流程跑出更好的數字」，而是體現在「讓人去做他原本做不到的判斷和決策」。前者可以用數學精確衡量，後者必須用實際結果去觀察。避險基金習慣問「這東西能幫我多賺幾個基點？」但正確的問題應該是「這東西能讓我的人看到什麼原本看不到的東西？」量化思維在交易領域是優勢，在 AI 導入的語境裡反而成了盲區。

Grennan 的企業部署經驗也指向一個規模效應。他提到有些組織一口氣買一萬個 AI 訓練課程的席位，讓整個部門甚至整間公司同時接受轉型訓練。這種做法聽起來激進，但他認為這才是對的粒度。因為 AI 導入是變革管理，不是技術採購。一個人學會用 AI 跟一萬個人同時改變工作方式，效果不是線性疊加。當整個團隊的思考框架和協作模式都跟著調整，效益才能真正浮現。而零散的「找幾個人先試試看」的做法，很容易變成永遠在試、永遠看不到全局效果。這跟「搬家」式的導入完全不同。你不能只搬幾個人的辦公桌，然後期待整棟大樓的運作方式改變。

我的觀察

Grennan 的觀點，其實跟 BCG 董事總經理暨全球資深合夥人徐瑞廷（JT）在今年稍早分享的「10-20-70 法則」不謀而合：AI 轉型的障礙，10% 在演算法，20% 在 IT 技術，70% 在流程、人才和文化。技術是最容易解決的部分，人的改變才是真正的硬仗。把 AI 當 Salesforce 來導的企業，等於是拿全部的力氣去處理那 10% 的技術問題，然後對著 70% 的組織行為瓶頸束手無策。這不是說技術不重要，而是說技術從來不是瓶頸所在。瓶頸在於：你的團隊有沒有真的改變他們思考問題和完成工作的方式？

臺灣企業在 AI 導入上普遍面臨一個狀況：IT 部門跑得很前面，各種工具都買了，概念驗證（POC）也做了好幾輪。但真正的組織行為改變，幾乎還沒有發生。員工用 AI 翻譯一下、摘要一下、產生初稿，然後工作流程依舊照走。這不是技術的問題，是「沒有人把 AI 當成變革管理來做」的問題。Grennan 的框架提供了一個很實用的自我檢測：你的 AI 導入，是在幫員工「做一樣的事但更快」，還是在讓員工「做不同的事」？如果答案大部分是前者，那你可能需要退一步，重新想想你到底在部署什麼。答案很可能不是更多的工具，而是一次認真的組織對話。