導入 AI 後反而更忙了？老闆的 AI 大夢 vs 員工的噩夢

經理人在今年 4 月進行的全台主管和員工調查發現了一個巨大的矛盾：73% 的企業已經導入 AI，但只有 12% 的員工感受到整體工作效率明顯提升。這個落差背後的真相，由美國行為數據追蹤機構 ActiveTrack 的研究揭露。導入 AI 工具後，員工的日均工時平均只減少 2%，看似沒什麼改變，但同時發生的卻是郵件往來暴增 104%、即時通訊增加 145%，甚至連周六的工作時數都上升了 46%。

這個現象可以用 1865 年經濟學家 Jevons 提出的悖論來解釋，原稱「Jevons 悖論」，現在也適用於 AI。當蒸氣引擎效率提高時，英國的煤炭消耗反而暴增，因為高效率帶來低成本，需求就隨之膨脹。AI 也是同樣邏輯——當撰寫報告變得容易，組織對報告的需求就擴大，員工省下來的時間被新工作迅速填滿。調查證實了這一點：48% 的員工確實感受到工作速度提升，但工時完全沒有減少。

問題出在員工和管理層之間的認知完全錯位。員工感受到的是「一樣忙，只是忙的形式不同了」，而老闆看到的是「我買了 AI 工具、送員工去上課，為什麼產出還是只有這樣？」兩邊都沒說謊，只是用了不同的衡量語言，各說各話成為必然結果。

進一步的調查發現，45% 的主管坦承導入 AI 後最大的挑戰就是缺乏清楚的成效衡量方式，其中 38% 的企業完全沒有建立新的評估機制。台根大資訊長蔡奇妍提出的解決方案值得參考——他自己開發了一套叫做「Function Point」的 AI 評估系統，用 AI 來衡量每個工作的難度和約當工時。同一份工作系統會給出一個客觀的基準工時，工程師交付後再做後評，看實際化了多少時間跟基準差多少，全部都有數據。這套系統讓主管第一次有根據去問對問題：這個工程師持續落後是真的卡關，還是任務難度被低估？那個工程師表現特別好是找到更有效率的方法，還是功項難度被高估？

另一個問題出在培訓。許多企業做了很有誠意的事：買工具、辦說明會、甚至送員工去上課，完課率 87%、滿意度 4.5 顆星，但 3 個月後回來一看，員工的工作行為幾乎沒有任何改變。BCG 的數據更打臉：在所有聲稱推動 AI 導入的企業裡，實際上只有 6% 真正協助了員工提升 AI 技能。一個有趣的對照是：45% 的主管認為推不動的原因是員工習慣難改、抗拒新事物，但問員工呢？72% 說他們最大的需求是希望公司能提供更多培訓和實際操作機會，44% 說他們有意願但根本沒有時間。主管以為員工不想學，員工其實在說他們根本沒被好好支援。

根本問題在於培訓設計邏輯反了。多數企業的做法是先買工具，然後叫大家去上課，卻從來沒問過員工「你現在工作上最花時間的是什麼？你最大的痛點在哪？」這就是「先給藥再看病」——員工根本不知道這堂課要解決哪個問題，自然沒有動力去改變。研發科技面對這個問題找到了一條路：他們內部有一個數位行銷處專門負責 AI 轉型的工具開發。他們最怕聽到的一句話是「沒有什麼想法，你們就先做做看好了」，因為他們知道那樣開發出來的功能沒人想用。所以他們做的第一件事是想盡辦法挖出員工的真實痛點，甚至做了隱蔽式的焦點群體觀察，在員工不知道的情況下觀察他們實際的工作流程、資料斷點、卡住的步驟、浪費最多時間的地方。從痛點出發，他們開發的工具才能真正解決問題。結果是：業務以前要跨好幾個系統才能了解一個客戶的全貌，現在一個平台就看到全部；談折扣時，系統可以立刻給出歷史成交率和折扣率，讓業務更有信心更客觀地談判。他們提供使用誘因、辦使用者分享說明會、追蹤使用次數，最後達到導入後連續兩季使用率成長 20% 的成果。其中一位在美國的業務發來訊息說「這是我多年夢想的系統，今天你們終於實現了」，這句話點出了最重要的事：好的 AI 導入並不是從工具出發，而是從人出發。

愛麗公英店的故事提供了另一個視角。這家物流業者承接台灣近四成進口紅酒和多個快銷品牌的倉儲配送。台灣物流業除了黑貓、新竹物流這幾家大公司外，還有五千多家小業者，平均每家只有十幾台貨車，這個行業長期仰賴紙本作業。一張貨運回單從出貨到簽收要經過 5 個環節，因為物流業者在末端沒有議價能力去要求上游全面電子化，這張紙幾乎不可能消滅。總經理林炫博原本是 Google 雲端的商業發展主管，帶著滿腔熱血進來後，理所當然地認為推動 AI 轉型就要找大量 AI 人才。但幾年下來，他有完全不同的體悟。他們推動的第一個 AI 應用是把紙本回單數位化，結合影像辨識、大語言模型和流程自動化，讓系統能自動理解回單內容和欄位。聽起來很厲害，但第一天上線就出問題了。問題不是 AI 不夠強，而是現場的紙本回單本來就充滿折痕、夾著訂書針，一放掃描機就卡紙。如果你沒在物流現場待過根本想不到這個問題。林炫博的團隊沒有怪員工不會用，也沒規劃這個行業就是這樣，而是親自走到現場把問題一個一個拆解。從掃描機換成攝影掃描、從手動裁切換成踩腳踏板拍照，經過三個階段改良，一張回單的處理時間從 10 分鐘降到 1 分鐘以內，每人每日能處理的數量從 50 張翻成 200 張。

更大的改變是他對「誰才是轉型主力」的認知反轉。物流業有很特別的人才結構：許多員工在這個行業待 3 到 5 年後累積了深度理解，最終還是會回到原本行業。過去這些人來了又走，知識留不下來。但林炫博意識到，他原本以為轉型最需要的是 AI 人才，實際上最大的能量其實就是這些在原產業生根的員工——他們對工作流程的理解最真實。現在有了 AI 門檻被踏平了，就算不會寫程式，只要對自己的工作有深度理解，就可以把工具做出來。他們在公司內部發起了一個 AI 讀書會，一個月內涌現了 30 個員工自主開發的 AI 工具，有計算倉儲空間成本的計算機、動態追蹤美日人效的標籤版，全部都是對這個行業最了解的人親手做出來的。林炫博說，他對這個行業的從業人員產生了一種心疼感。物流業從業人員長期被認為是比較底層的勞動工作，很多人自信心不足。但現在有了 AI，這些人開始發現，原來他們腦子裡對這個行業的理解才是最難被複製、最難被取代的東西。