更新於 2026年11月21日
我們談論的是工具,工作卻早已改變。
過去兩年,人工智慧成為各組織的核心議題。大家一再提出相同的問題:該導入哪些工具、如何培訓團隊、又該如何加速推動採用?
這些問題都很合理,但往往建立在一個共同的假設上:AI 只是另一種工具,員工只要學會如何有效使用即可。這種看法令人安心,因為它把轉型描繪成可掌控且熟悉的事。
然而,這個觀點忽略了更深層的轉變。如今改變的不只是員工使用的工具,而是工作本身的組織與執行方式。
真正的轉變:我們不再單打獨鬥
長久以來,工作主要仰賴個人能力。員工運用自身的知識、經驗與推理來分析情況並做出決策。
人工智慧為這個模式帶來根本性的改變。工作愈來愈不是獨自完成,而是在互動中進行。員工現在會與 AI 一起琢磨想法,在幾秒內探索多種方案,並在決策前比較不同的產出。工作的過程變得不再那麼線性,而更具反覆迭代的特性。
這樣的轉變不見得顯得劇烈。它逐步發生,融入日常任務之中,卻重新定義了思考與決策在實務上如何發生。
一個簡單的場景,道盡一切
想像一個常見的情境:一位行銷經理必須在時程緊迫、資訊有限的情況下推出一檔行銷活動。他不再只依賴既有知識或標準流程,而是打開 AI 工具,重新梳理簡報需求,測試多個方向,產生不同選項,並不斷調整做法。
幾分鐘內,他探索的可能性比過去花上數小時還多,但關鍵的改變不在速度,而在工作的進行方式。過程變得具探索性、反覆迭代且能靈活調整。思考不再與行動分開,而是在行動中逐步成形。
這個時刻不會被視為培訓,沒有正式的學習路徑,也沒有評量。然而,學習正是在這裡發生。
然而,我們仍用同樣的方式培訓
儘管出現這樣的轉變,多數組織仍以熟悉的方式因應。他們著重於培訓員工使用 AI 工具:教授提示技巧、分享應用案例,以及發送最佳實務。
這些做法有其價值,但只解決了部分挑戰。它們假設首要問題是技術熟練度,實際上卻是行為問題。
兩位員工可以使用同一個工具,卻得到截然不同的成果。差別不在於能否取得技術,而在於如何將它融入日常工作:如何做決策、如何解讀產出,以及如何運用判斷力。
真正的問題:使用品質
在許多組織中,AI 已被廣泛使用,但多半是個人、非正式的使用,通常用於撰寫、摘要或整理資訊等簡單任務。
這些用法很有價值,能立即帶來生產力提升,但仍然零散。它們缺乏一致的分享、結構化,也沒有在團隊間對齊。員工各自摸索、獨立養成習慣,建立的做法可能無法擴大規模,也難以長久維持。
結果就是落差開始浮現。有些人發展出強大而有效的使用模式,另一些人則停留在表面層次。這種落差並非來自能否取得工具,而是來自使用的品質與成熟度。
轉換提問方式
要充分發揮 AI 的價值,組織必須重新思考出發點。問題不再只是如何部署工具,或讓員工熟悉工具功能。
取而代之的問題是:我們希望在團隊中看到哪些工作實務出現?
這個轉變意義重大。組織必須超越工具導入,關注工作實際上如何進行:如何做決策、如何面對問題,以及學習如何在行動中發生。
領先的組織有哪些不同的作法
取得實質進展的組織往往有共通的做法。他們不把 AI 視為獨立的專案,而是將它融入工作的肌理之中。
他們從真實情境著手:需要做的決策、有待改善的流程、需要重新思考的任務。接著觀察團隊目前如何使用 AI,並設法讓這些做法更明確、更一致、更有效。
Complement 採取的正是這種方式。Complement 不是僅仰賴由上而下的培訓或靜態內容,而是聚焦於真實的使用情境。AI 在實際工作脈絡中,作為思考、決策與持續改進的輔助。
目標不只是教員工如何使用工具,而是幫助他們發展出更穩健、更一致的工作方式。
一場無聲卻影響結構的轉型
這場轉型之所以難以掌握,原因之一在於它非常細微。它不見得以大型計畫或顯而易見的專案形式出現。
它發生在微小的日常行為中:人們如何寫作、分析與做決策。隨著時間推移,這些漸進的改變不斷累積,最終促成工作方式更深層、更結構性的轉變。
真正的問題
人工智慧不只是導入與否的問題。
它提出了一個更根本的問題:我們希望未來的工作如何被完成?
參考資料
McKinsey – The State of AI(2023)
OECD – AI and the Future of Work(2023)
Brynjolfsson & McAfee – The Second Machine Age
