亞太在 AI 使用率上領先全球：84% 的知識工作者已在工作中使用 AI，比次高地區高出約二十個百分點。2 落差不在認知，而在深度。53% 的亞太領導者正運用 AI 代理人自動化業務流程；然而，74% 的領導者自評對 AI 代理人非常熟悉，員工卻只有 48%。2 這道素養落差，正是導入停滯之處。
三個階段。每次合作都是相同的順序。
我們稱之為 Workflow-First Sequence。
第一階段
工作流程地圖
繪製團隊實際運作方式,再分類每項任務。
第二階段
整合
將 AI 嵌入工作流程,配套安全運行所需的控制。
第三階段
採用
領導變革。衡量使用率與品質,而非滿意度。
第一階段
工作流盤點
我們做什麼。盤點團隊今天實際怎麼工作。不是組織圖，不是 SOP 手冊，而是產出團隊成果的真實序列——決策、交接、判斷、重做。我們坐進工作裡，與實際執行的人對話，檢視他們產出的成果。
我們交付什麼。一張工作流地圖，標出三件事：AI 可以接手的任務、AI 可以輔助但不該獨力負責的任務，以及 AI 根本不該靠近的任務。外加每一項的變革工作量估算——技術投入與人力投入的規模，通常並不相同。這項工作建立在我們的 AI-Workflow-Fit Diagnostic 之上：一套結構化的任務盤點與決策對應工具，凝聚了十六年的學習發展與變革實務。對製造業與營運密集型組織，盤點會整合 Lean Six Sigma DMAIC 與 Value Stream Mapping 的原則；AI 大幅加速其中的 Define 與 Measure 階段。
為什麼是這一階段。在工作流決策之前先做平台決策，是一場賭注。在工作流決策之後再做平台決策，是一次建置。
第二階段
整合
我們做什麼。把 AI 嵌入診斷所盤點的工作流。工具選擇、提示與情境工程、治理與風險控制、與團隊既有系統的整合。打造的整合要能撐過財務、IT 與風控的檢視——而不只是撐過展示那一刻。
我們交付什麼。一套團隊用於真實工作的可運作整合，並具備安全運作所需的控制：成本上限、產出審查、稽核軌跡、升級路徑，以及每一筆自動化決策的責任歸屬人。
我們如何治理。每一套整合都依循受認可的 AI 風險與管理系統標準建置，涵蓋風險辨識、控制設計與營運問責。
第三階段
採用
我們做什麼。領導變革。主管逐級傳達、角色導向訓練、FAQ 庫、實作指導、領導者訊息傳達。把已部署的工具變成團隊能力的，是溝通與學習的工作。
我們交付什麼。採用——以量測為憑，而非假設。使用遙測、第二週／第四週／第八週的質性回訪，以及當早期資料顯示我們有某處判斷錯了時，對工作流的一次校準。
我們如何衡量。變革在兩個層次上管理：個人與組織。學習以行為轉移為設計目標，並以實際成效評估，而非完成率。
這是執行順序的問題。
這不是 AI 的問題。先挑平台的團隊，最後得把工作流硬改成適合工具的形狀。先試辦、後治理的團隊，最後放大不了試辦。先部署、後領導變革的團隊，最後得到一個沒人在用的工具。
數字也對得上。在企業導入中，95% 的 AI 試辦未能帶來可量測的回報。3 高階主管中，78% 沒有把握能在九十天內通過一場獨立的 AI 治理稽核。4 取消預測與稽核信心落差，是同一個問題的兩個面向。
工作流盤點 → 整合 → 採用，逆轉了上述每一種失敗模式。這也是多數組織無法靠自己跑完的順序。每一個階段需要不同類型的實務者：工作流分析師、技術整合師、變革領導者。Far West Consulting 三者兼備。
我們如何讀證據。
廠商的生產力宣稱與同行評審研究，常常相差一倍。Microsoft Research 自家針對 GitHub Copilot 的對照試驗發現，工程師自評的生產力提升，並未反映在工時遙測中。6 Brynjolfsson、Li 與 Raymond 發表於《Quarterly Journal of Economics》的隨機對照試驗發現，AI 為技能最低的工作者帶來 30% 的生產力提升、對最資深者沒有可量測的提升，並在技能最高的層級造成可量測的品質下降。7 MIT 經濟學家 Daron Acemoglu 的分析則認為，未來十年 AI 對美國全要素生產力的總貢獻最多 0.66%，每年不到 0.1%——與廠商每年數個百分點的宣稱形成鮮明對比。8
我們依同行評審的證據設計合作，而不是它的行銷版本。
1Gartner press release, June 25, 2025: "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027." (Source: gartner.com newsroom.)
2Microsoft 2025 Work Trend Index, APAC release (April 30, 2025): "APAC emerges as global AI frontrunner."
3MIT NANDA / State of AI in Business 2025.
4Grant Thornton AI Governance Readiness Survey, April 2026.
5KPMG, The importance of value streams in the age of AI (2024). Author: Adrian Clamp. Source: kpmg.com/xx/en/our-insights/ai-and-technology/the-importance-of-value-streams-in-the-age-of-ai.html.
6Microsoft Research, GitHub Copilot randomized controlled trial — n=200+ engineers, randomized. Telemetry showed no measurable productivity improvement, despite engineers self-reporting time savings (2024).
7Brynjolfsson et al., Quarterly Journal of Economics 2025 — field experiment, n=5,172 customer service agents. AI assistance produced +30% productivity for low-skill workers, ~0% for high-skill workers, and a measurable quality decline at the top of the skill distribution.
8Acemoglu, The Simple Macroeconomics of AI, NBER Working Paper 32487 (2024) — total factor productivity contribution at most 0.66% over 10 years (≈0.06%/year).
我們大約一半的探索通話，都以「現在還不是時候」作結。那是正確的答案。以下五種情況，我們並不適合。
-
我們不教工具，我們教那些比工具更長壽的思考方式。如果你要的是某個特定平台的 UI 操作導覽，你的廠商客戶成功團隊會免費幫你做。
-
我們不販賣轉型時程表。採用至少需要六個月。如果範疇是「轉型」、而時鐘只有六週，我們會婉拒，而不是過度承諾。
-
我們不以滿意度問卷衡量。我們衡量產出品質、週期時間與採用率。如果桌上唯一的指標是「團隊感覺好不好」，我們不是好選擇。
-
我們不壓縮診斷。趕工只會產出一份工具清單，不是一張工作流地圖。如果期限比工作所需更短，我們會直說。
-
我們不把上級指令驅動的合作照單全收。合規買得到出席，買不到採用。如果是董事會下令做訓練、但背後沒有真正的工作流問題，先預約一小時顧問。我們會誠實告訴你，一份完整的合作是否說得通。