挑 AI 工具的五個問題：先想清楚要解決什麼，再去找工具

「老師，我看到網路上一張 AI 應用懶人包，裡面三十幾個工具，我們該不該都先試試看？」

市面上的 AI 工具實在太多了，多到讓人焦慮。企業到底該怎麼挑？

我先講一句可能有點逆風的話：那種大家都在用的通用聊天機器人，是很好的「起點」，但千萬別把它當「終點」。 它門檻低、上手快，拿來讓員工先熟悉、先有信心，是再好不過的第一步。可是真正危險的地方在於——很多公司用了它，就以為自己「已經在做 AI 轉型了」，然後就停在那裡，沒再往真正能拉開差距的專屬場景前進。

判斷一個場景值不值得導入：我會問的五個問題

我挑工具的原則，一直是「先想清楚要解決什麼，再去找工具」，而不是反過來被工具牽著走。判斷一個場景值不值得導入，我大概會問五件事：

1. 這事多常做？ ——頻率高，導入的單位效益才划得來。
2. 流程有沒有規則可循？ ——規則越清楚，AI 越接得住。
3. 做錯了代價多大？ ——代價越大，越要有人在迴路裡審。
4. 會不會碰到機密資料？ ——這條是紅線，後面說。
5. 最後成效算不算得出來？ ——算不出來的場景，就不要先導。

這五題裡面，我特別想強調「資安」這一條。一般顧問可能把它當附帶提醒帶過，但我會把它放在最前面當第一道關卡。為什麼？因為我看過太多案子，最後不是死在工具選錯，而是死在機密 SOP、客戶資料的邊界沒講清楚，搞到後來整個案子被迫喊停。

所以只要牽涉到機密文件，我通常會優先考慮本地部署，或是有資料邊界的企業版方案。

老闆看治理跟 ROI，員工要重新設計工作

老闆跟員工切入的角度也不太一樣。

• 老闆要看的是「治理跟 ROI」：先確定資料不會外洩、KPI 算得出來，再談要不要放大規模。
• 員工這一邊，重點則是「把工作重新設計一遍」：不是學一個新工具，而是重新看自己的工作流。

這兩個角度錯了位，組織就會發生我最常看到的兩種失調：老闆只看炫技、不看治理；員工只學工具、不重新設計工作。

員工該從哪裡開始學？

那員工到底該從哪裡開始學？這是我最常被問到的，我的建議是三件事：

一、先盤點自己的工作，不是先學某個軟體

把你一週在做的事列出來，挑出那些「常做、又有規則、又花時間」的，那就是該優先交給 AI 的。

學習的起點，是搞懂自己的流程，不是搞懂某個工具。

二、先練底層思維，工具其次

我覺得有兩個能力比任何工具都重要：

• 「會問」：能把模糊的需求拆成 AI 聽得懂的清楚指令。
• 「會拆」：能把一件事拆成一步一步、可以交出去的流程。

這兩個練起來了，以後換什麼工具你都能很快上手。

三、別想著上完一堆課才動手

挑一個你每天都在做的小任務，直接拿 AI 來做做看，邊做邊修。

AI 這東西，是練出來的，不是聽出來的。

工具蔓延：一個被低估的坑

也順帶提醒一下「工具蔓延」這個坑。市面上那些「AI 應用懶人包」，很多其實是賣方在推銷，不是真的在幫你解問題。

被工具牽著走的公司，最後常常是訂閱買了一堆，結果沒一個用得精。

我的原則很簡單：

寧可一個工具用到深，也不要十個工具用到淺；而且那個用得深的場景，最好是別人抄不走的。

留一個問題給你

打開你公司目前的 SaaS 訂閱清單，數一下裡面有幾個是「AI」相關的。

然後再問自己一個問題：這些工具裡面，有哪一個，是你已經練到「別人想抄都抄不走」的程度？

如果一個都沒有，那不是工具不夠多的問題，是你還沒挑出那個值得「用到深」的場景。