衿星有限公司

這一兩年來，很多企業談 AI，要用 ChatGPT ,Claude，還是 Gemini，公司資料丟進去會不會外洩？還是要用地端模型，做一個自己的 AI，放在公司裡，而且它會越來越聰明？

這些問題都重要，但我覺得真正核心的問題是，企業裡有沒有人能把問題想清楚，能想到解法、運用工具處理問題。

開頭提到的那些問題，實際上是代表企業真正在意的，是資料不要外洩，地端不自動等於安全，雲端也不必然等於危險；重點是資料怎麼被處理遮蔽和控管，以及企業有沒有能力持續維護這套流程。

很多時候，企業以為自己在做技術選擇，其實是在逃避管理問題。例如，擔心資料外洩，直覺想做地端 AI；擔心落後，想導入最新模型。可是工具買了，不代表問題會被解決。AI 不會因為被放在公司裡，就自己變聰明。它要持續變好，背後仍然需要人整理資料、設定流程、調整使用方式、檢查輸出結果等等。今天大型 AI 模型之所以一直進步，是因為背後有大量資金、人才與工程資源持續投入。因此，AI 時代最缺的，不是會用工具的人，是會解題的人。

過去我們談人才，很習慣先檢視會什麼，有什麼技能。技能當然仍然重要，但它們的保鮮期正在變短。以前不會做一件事，可能要去上課、拜師、看書、查資料，現在很多答案，AI 幾秒鐘就能列給你，可是不代表事情就會完成。

真正困難的，而是做了沒效，接下來怎麼辦。

資料不能直接丟出去，怎麼處理？客戶需求講得很模糊，怎麼釐清？AI 回答看起來很完整，但其實有漏洞，誰來判斷？AI 給了三個方案，哪一個符合公司現在的資源與風險承受度？導入後員工不用，流程接不上，誰要把它重新設計到可以落地？

這些事情，AI 可以輔助，但不能替人全責扛起。未來重要的不單看技能，而是解決問題的思維和能力。這種人會懂得提問，這件事真正要解決的是什麼？如果這個方法不行，還有沒有第二條路？如果資源不夠，能不能先做最小可行版本？哪些部分可以讓 AI 做，哪些部分必須由人判斷？

AI 工具越多，這種人反而越重要。因為工具越多，選擇也越多；選擇越多，越需要判斷。企業不是缺少新的 AI 名詞，而是缺少把判斷轉換成新的流程去行動，把行動接回公司目標的人。

假使要導入 AI，我會建議不要只盤點工具，也要盤點人。公司裡有沒有人能提出好問題？有沒有人能看懂 AI 的答案哪裡不對？有沒有人願意在結果不如預期時，繼續把問題拆開、重組、再試一次？有沒有人能在技術、業務、管理之間，做出負責任的取捨？

AI 可以降低取得知識的門檻，但不會自動提高組織解決問題的能力。最後真正決定 AI 能不能落地的，不是公司買了哪一套工具，而是企業裡有沒有一群人，願意把問題解到可以被使用、可以被信任、可以產生結果。工具會一直翻新，但會解題的人，永遠稀缺。

本文整理自原始 Google Docs 稿件。外部刊登版本：經濟日報｜企業 AI 落地 關鍵在解決問題。