最近常常到各種企業協助內訓，顧問轉型，也有更多的公開演講，或是上Podcast，都會得到非常多來自AI的焦慮者，積極者，或是質疑者的意見。
『到底AI能幫我什麼』
『我都懂，但我要的是做法』
『你說的那個做法，我懂，但我們公司不會這樣做』
『建議我買哪一套AI』
『聽說AI有資安外洩問題，所以我們建置地端，還在評估哪一套…』
『他們不會用AI…』
問題真的非常多種。
也因為看到很多現場問題，除了我自己大量使用AI外，我更是花大量時間整理來自矽谷、歐洲與亞洲企業的 AI 轉型案例，整理了超過三百份資料後，我得到最重要的的結論是：
『AI 工具很容易取得，真正困難的是改變公司的工作方式。』
McKinsey 2026 年的調查顯示，80% 的受訪者認為 AI 提升了個人生產力，只有 37% 表示 AI 已對企業 EBIT 產生正面影響，約 6% 的企業被歸為 AI 高績效者。
很多公司已經購買帳號、舉辦訓練、成立專案，也完成不少展示。這些活動可以提高使用率，距離真正的經營成果仍有一段距離。
原因大都是，90%工作流程，工作方式跟以前一樣。
管理者需要八個新思維
看沒產生EBIT正面影響的cases，其實沒有什麼價值，他們非常多，是主流的AI用戶群，但對於引導我們做好AI轉型沒有幫助。
我都去看把EBIT做到正面影響的cases，總結起來，對管理者來說，可以跟這些領先群學習的八個新思維如下：
第一，把 AI 放進經營與營運會議。AI 會影響流程、角色、決策權、成本結構與顧客體驗。
第二，從價值倒推。先決定希望改善的收入、成本、品質、速度或風險，再選擇工具與模型。
第三，把工作拆成任務、決策、交接與例外。職位太大，工具太小，工作流才是適合管理的單位。
第四，把 AI 當成隊友。它可以搜尋、分析、建議與執行，人類負責設定目標、限制與最終責任。
第五，用受控實驗推動改變。每個試點都要先寫下基準線、成功門檻、風險與停止條件。
第六，要求每個專案留下可重複使用的資產，包括資料、評測集、提示、元件、API 與操作手冊。
第七，主管必須親自使用 AI。沒有實際操作經驗，很難判斷它能做什麼，也很難重新設計團隊工作。
第八，把信任與風險放進設計。權限、日誌、人工核准、錯誤處理與停用方案，都要在上線前準備好。
AI 已經開始改變團隊結構
P&G 的正式研究（六月發布的論文）找來 791 名專業人員進行隨機實驗。結果顯示，個人搭配 AI 的工作表現，可以接近沒有使用 AI 的兩人團隊。AI 也降低了技術人員與商務人員之間的知識差距。
Moderna 在導入 ChatGPT Enterprise 兩個月內建立了 750 個 GPT。公司同時安排內部 AI 冠軍、office hours、學習社群與高階主管示範。這些數字代表採用強度，財務與臨床成果仍需分開驗證。
Morgan Stanley 為不同任務設計評測機制，要求財務顧問檢查 AI 產出的會議摘要，持續進行回歸測試，也保留客戶同意與人工修改的流程。
六個轉型策略
企業接下來需要完成六件事：建立價值北極星與高層治理、選擇端到端燈塔工作流、建立共用資料與 AI 平台、重新設計角色與人才能力、導入風險分級及生命週期治理、建立可以複製成功經驗的持續再造飛輪。
主管可以先選一條重要工作流，刻意進行一個 90 天實驗。量測時間、品質、成本、採用、風險與顧客結果，再決定擴大、修改或停止。這是實驗，學到的都是公司的。由主管來帶領是最正確的。
AI 轉型沒有固定終點。模型會變、成本會變、法規會變，公司的工作方式也要持續更新。
管理者真正要建立的能力，是讓組織更快看見證據、更快調整判斷，也更快把一次成功變成整個公司的能力。
反之，在這個AI帶來巨變的時代，管理者不要忙著找各種理由來證明AI這裡/那裡有問題，所以 delay實驗導入的機會。一個新東西，要學會駕馭，發揮100x的變革，我們需要的是變革管理的心態能力與轉型策略。