企業 AI 變革管理指南:從試點到全員採用的內部推廣劇本

上季我們去收一個爛攤子。某製造業客戶花了七位數導入一套 AI 品檢輔助系統,技術驗收全過,PoC 準確率漂亮。上線三個月後,現場作業員的實際採用率是 11%。系統沒壞,模型也沒錯——是沒有人願意改變自己十五年來按按鈕的順序。

這就是AI 變革管理的真相:技術風險早就被高估,採用風險長期被低估。一套企業 AI 專案會不會失敗,八成不取決於模型 F1 分數,而取決於你有沒有一套讓「人」願意改變工作方式的推廣劇本。

AI 變革管理不是心法,是一份可照做的劇本

坊間談 change management,總繞在「高層要支持」「建立願景」「溝通再溝通」這類正確但無法執行的原則。你讀完點頭,回到辦公室還是不知道禮拜一該做什麼。

我們把它拆成六個有交付物、有負責人、有驗收標準的階段。這不是理論,是我們在金融、醫療、製造現場反覆跑出來的順序。

階段	核心動作	交付物	採用驗收指標
1. 對齊	找出一個會痛的真實工作流,不是最酷的	一頁「痛點—基準—目標」文件	業務主管簽字認帳基準數字
2. 燈塔試點	選 5–8 位「有影響力的中間層」,非最高階也非菜鳥	試點名單 + 每週使用資料	週活躍 ≥ 60%,而非登入數
3. 嵌入工作流	把 AI 塞進他們現有的系統,而不是多開一個分頁	整合到現有 CRM/ERP/工單	「不用切換工具」為真
4. 冠軍養成	讓試點裡最投入的人變成內部教練	2–3 位具名 champion	champion 自發回答同事問題
5. 規模擴散	按部門分批放量,不要一次全公司	分批時程表 + 回饋迴路	每批採用曲線可複製
6. 固化	把新流程寫進 SOP 與績效	更新後的作業標準	舊流程被正式關閉

大部分公司選試點對象都選錯。要嘛給最高階主管看 demo(他們不做第一線工作,給不了真回饋),要嘛丟給最資淺的人(他們沒有話語權,同事不會跟)。

真正該押的,是那些做十年、大家有問題會私下去問他的資深操作者。他們一旦真的用起來,不用你發公告,整個部門自己會擴散。反過來,他們若冷眼旁觀,你辦再多教育訓練都白搭。我們現在選試點,第一個問的問題是:「這個人不在的時候,同事會不會慌?」會,就選他。

「已開通帳號 300 個」是虛榮指標。我們只認三個數字:週活躍使用率、任務完成佔比(有多少該用 AI 的工作真的用了)、以及回流率(用過的人下週還回來嗎)。

前面那個 11% 的案子,問題就出在沒人盯回流率。第一週有 40% 的人被要求去點開,第二週剩 18%,第三週崩到個位數——這條曲線在第二週就該拉警報,但沒有人在看。變革管理最實際的一件事,是每週把採用曲線攤在營運會議上,像看營收一樣看它。掉了就當場問為什麼,而不是季末做滿意度問卷。

我們踩過的最大的雷,是把第一線的抗拒當成「員工守舊、需要再教育」。後來才懂:抗拒幾乎都是準確的訊號。作業員不用,常常是因為 AI 多花他三十秒、或在他最忙的時段跳出來、或它某次給錯建議害他被主管唸。

所以我們現在把每一句「這東西很煩」都當 bug 單收。上線頭兩週派工程師蹲在現場,不是去訓話,是去看他們卡在哪一步、把摩擦一個一個磨掉。採用率往往不是靠激勵漲上來的,是靠把「用它比不用它輕鬆」這件事做成真的。

一套 AI 系統從 PoC 到全員採用,中間隔的從來不是技術,是幾百個「這裡不好用」的小摩擦,和幾十次「我為什麼要改」的心理帳。這些東西沒辦法靠一份導入手冊遠端解決。

這也是為什麼我們在 Tenten 做 FDE(前線部署工程)時,工程師是進到客戶現場、扛採用數字到上線的——因為變革管理不是專案結束後補的一份 PPT,它本身就是專案。Demo 很美不算數,現場真的有人天天在用,才算數。