臺北市

【專欄】AI轉型卡在領導者的舊腦袋

銳傳媒/蔡鎤銘
發布:(台灣時間) 資料更新:(台灣時間)

【專欄】AI轉型卡在領導者的舊腦袋

 

文/蔡鎤銘(淡江大學財務金融學系兼任教授)

引言:當技術跑得比認知還快

企業對人工智慧的投資正在以前所未有的速度累積,但價值的兌現卻遠遠落後。資誠(PwC)在2025年底對全球4,454位執行長的調查顯示,56%的受訪者表示AI尚未為企業帶來收入或成本方面的實質效益,僅有12%同時實現了降本與增收。麥肯錫的追蹤研究也呈現類似的落差:89%的組織至少在某一個業務功能中常態使用AI,但能夠將AI貢獻的稅前息前利潤達到5%以上、且自認影響「顯著」的高績效企業,長年停留在約6%。問題顯然不在技術本身,而在於推動技術的那一方。

東京大學一份以日本IT企業為對象的個案研究,追蹤了一位領導者從AI導入初期到逐步深化的完整歷程,歸納出一個關鍵命題:AI在組織中的推進,本質上是「組織實態的把握、領導者認知的更新、行為的改變、組織實態的再次變化」所構成的循環,而不是一條從上而下貫徹的直線。停滯的企業,往往卡在這個循環的某一個斷點上。

循環的起點:領導者看見的「實態」,決定了他下一步做什麼

循環的第一步不是策略規劃,而是「看見」。在個案中,領導者最初對AI的理解同樣停留在外部資訊的層次:生成式AI開始成為話題之後,組織內部意識到某種結構性變革正在發生,但同業普遍處於摸索階段,公司並未立即投入全員規模的行動。真正的轉折發生在領導者開始系統性地觀察組織內部AI被使用的實際樣態之後。哪些部門在自發嘗試、哪些工作流程出現了非預期的瓶頸、哪些成果的品質開始鬆動,這些來自現場的訊號,取代了對AI的一般性想像,成為認知更新的原料。

一項涵蓋12項研究、3,398位受訪者的統合分析確認,組織層面的「管理支持」對AI採用具有正向的中等效果,但這股支持若要轉化為持續的採用行為,前提是領導者掌握的資訊能夠反映組織的真實運作狀態,而非僅是採購數量或訓練時數。換句話說,循環的品質,從領導者「看得見什麼」就已經被決定了。

認知的更新:從「鼓勵大家用」到「知道哪裡該用、哪裡不該用」

當領導者持續接收到組織內部的使用訊號,認知便開始鬆動。個案研究顯示,領導者初期的認知框架偏向「廣度優先」:先讓AI在組織中擴散,藉此累積經驗與信心。然而隨著使用深化,一種原先未被預期的副作用浮現:AI生成的輸出開始出現思考淺薄化的傾向,部分員工的工作負擔不減反增,因為他們必須花額外時間審查與修正AI的產出。這些現象迫使領導者重新界定AI在組織中的位置。

一項針對15位資深高階主管的質性研究也捕捉到類似的認知位移:受訪者逐漸將生成式AI理解為「決策支援與創新的放大器」,而非自主的決策者,並在「策略性意義建構、操作實驗、倫理鞏固」之間形成動態的適應循環。認知的更新不是一次性的頓悟,而是在使用後果的反覆回饋中,逐步校準「AI擅長什麼」與「人類必須保留什麼」之間的邊界。

行為的轉向:從全員推廣到選擇性嵌入,再到治理介入

認知一旦改變,行為便隨之調整,而行為的調整又會重塑組織的AI使用樣態。個案中的領導者在初期階段以全員參與的宣言啟動AI導入,但在觀察到淺層使用與負荷轉移的弊病之後,將方針轉向「選擇性地將AI嵌入特定業務流程」。其中一個具體做法是將AI定位為「討論開始的結構化支援者」,而非「資料的完成者」:人類負責界定目標與判準,AI負責在最短時間內產出可供討論的初稿,隨後由人類進行審查、修正與決策。

這種分工本身就構成了一種行為層面的治理。值得注意的是,行為的轉向也包含對「控制」的節制。研究顯示,當員工對AI出錯的後果感到不安時,領導者若以更密集的監控與更嚴格的指令作為回應,往往適得其反:員工轉向未經核准的「影子AI」,組織反而喪失對使用實態的掌握,形成一個越管越失控的「AI控制陷阱」。行為改變的有效方向,不是收緊控制,而是創造讓員工願意揭露問題、分享實驗結果的條件,使組織的學習速度跟上技術變化的速度。

支撐循環的兩個條件:看得見實態,以及領導者自己也在學

這個循環不會自動運轉,它需要兩個制度性的支撐。第一個條件是組織層面的「監測機制」:領導者必須有管道持續掌握AI在組織中如何被使用、產生了什麼後果、引發了什麼新問題。沒有這層可見性,認知更新就失去了原料,循環在第一環便會斷裂。第二個條件更為根本:領導者自身必須持續更新對AI技術的理解。個案研究明確指出,領導者能夠在導入進程中調整認知與行為,與其本身保持對技術的學習密切相關。

這在數據上也有呼應:2026年已有76%的受訪企業設立了首席人工智慧官(CAIO),較2025年的26%大幅躍升;64%的受訪執行長表示,他們能夠自在地依據AI生成的輸入做出重大策略決策。然而,高階主管對AI的信任程度顯著高於一般員工,這種「信任不對稱」本身就可能成為認知盲點:領導者若以自身的舒適感推斷組織的準備度,便容易將員工的猶豫誤判為訓練不足,而非治理或心理安全層面的訊號。支撐循環的第二個條件,因此不只是「領導者懂AI」,而是「領導者知道自己和組織之間存在認知落差,並願意以此為起點重新觀察」。

結語:循環的品質,就是轉型的品質

人工智慧在組織中的推進,終究不是一個關於模型選擇或系統部署的線性問題。它是一個關於領導者如何看見、如何重新理解、如何據此改變行動,再讓行動所產生的新現實回過頭來修正自己的循環過程。停在「鼓勵使用」的企業,會在淺層採用與隱性抵抗之間反覆消耗;敢於讓組織的真實使用後果進入自己的認知、並據此調整行為的領導者,才有機會把AI從一個被推廣的工具,轉化為組織持續校準自身運作方式的契機。轉型的差距,歸根結底是循環的差距。

銳傳媒官方網站
https://vigormedia.tw/

銳傳媒Facebook
https://www.facebook.com/vigormedia.tw