> ## Content Index > Fetch the complete content index at: https://growthhackers.tw/llms.txt > Use this file to discover other available public pages before exploring further. # AI 原生組織的 4 個工作方式：為什麼每個人都在用 AI，團隊卻沒變快？ - URL: https://growthhackers.tw/blog/ai-native-organization-4-workflows/ - Published: 2026-07-19T16:02:14.000Z - Updated: 2026-07-20T13:38:10.000Z - Author: Lewis wang - Tags: AI agent, AI 原生組織, 組織效率, 團隊協作, Context 管理 我看過太多台灣電商團隊，ChatGPT 開得比誰都兇，Claude、Gemini 一人好幾個分頁，Token 燒得比誰都多。可是你把他們一個月前跟一個月後的出貨速度攤開來看，長得幾乎一模一樣。上檔期還是卡設計，客服還是回不完，老闆交代的事還是三催四請。 如果你問我，這才是這一波 AI 最大的誤會。 先講一段歷史。1890 年代電力剛進工廠，老闆做的第一件事，是把中央那台蒸汽機換成一顆大電動馬達，其他照舊，一根主軸帶動整排機器。結果生產力幾乎沒提升，只是把煤錢換成電費。真正的爆發發生在將近三十年後：工廠被重新設計成每台機器各配一顆小馬達，能獨立開關、獨立調速，產線照物料流動重排，這套叫 unit drive（單元驅動）。經濟學家 Paul David 那篇經典論文講得很白，工廠效率的提升不是因為有了電，而是因為工廠被重新設計了（來源：[Paul David《The Dynamo and the Computer》, 1990](http://www.dklevine.com/archive/refs4115.pdf?ref=growthhackers.tw)）。 你公司的 AI，現在大概還停在「換馬達」這一步。 再補一刀數據。MIT 在 2025 年一份報告說，大約 95% 的企業導入生成式 AI 的專案，沒帶來任何可衡量的獲利；但同一份報告也說，超過九成的公司裡，都有員工私底下在用自己的 AI 工具，他們叫這現象 shadow AI（影子 AI）（來源：[MIT NANDA〈The GenAI Divide〉, 2025/8](https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/?ref=growthhackers.tw)）。 這兩件事看起來矛盾，其實是同一件事。 ## 個人效率提升，不等於組織效率提升 員工人人都在用 AI，個人產出確實變快了，公司損益表卻沒動。你知道為什麼嗎？ 因為 AI 都跑在「單機」上。每個人開自己的視窗，跟自己的 AI 對話，做完自己那段，再手動交給下一個人。中間那些來回討論、判斷、修正，全鎖在個人腦袋跟私聊視窗裡。組織看不到，也接不住。 這篇的來源，是一位長期待在矽谷、專研企業怎麼導入 AI agent 的內容創作者 Zara，在飛書「絕活大會」講的四個「可以立刻落地的 AI 原生工作方式」（來源：[Zara 飛書絕活大會分享](https://aitodo.co/content/1ed980e1-1c60-4310-9e78-499b7f50c6ec?ref=growthhackers.tw)）。我把它拆完，發現這四招表面各談各的，底層只有一句話： 把原本鎖在「個人腦袋、私聊視窗、沒錄的會議」裡的 context（脈絡），從單機黑盒挖出來，攤在整個組織都看得到的公開層。 組織效率的槓桿，從來不在個人那一段，而在「人跟人的交接處」。那才是 AI 真正該插進去的地方。想通這件事，下面四招你就會用得起來。 ![示意圖：每個人用 AI 都變快 10x，但人與人的交接處塞住，團隊整體沒變快](https://growthhackers.tw/content/images/2026/07/anwf-inline-personal-vs-org-v1.png) ## 工作方式一與二：讓 context 浮出水面 前兩招放一起講，因為它們解的是同一個問題：怎麼讓 context 從個人手上，流到組織的公開層。 **第一招，所有會議默認錄製。** 以前你做的叫「知識管理」，開一堆 Notion、Confluence，逼大家把知識寫成結構化文件。那套是給人看的，因為人不整理就找不到。現在餵的對象換成 AI，而 AI 最擅長啃的就是非結構化資料。所以你不用再搭漂亮的知識庫，你要做的是 context 管理，而 context 最肥的來源不是文件，是會議逐字稿。 想像一下。你們每週一場營運會、一場採購會、一場廣告週會，老闆一句「母親節主打客單價要拉高」、主管一句「這支素材 CTR 太差要換」，這些判斷從沒被寫下來，散會就蒸發。老闆在 LINE 群一則語音交代的事，聽完也沉底。Zara 那句話很衝：如果一個會議沒被錄製，那它就白開了。 重點是什麼？ 會議的結束，是工作的開始。把「開會」當成一則 prompt。開完會，逐字稿直接丟給 agent，它自己就會拆解：待辦有哪些、誰負責、下一步做什麼。你連提示詞都不用寫，因為整段討論就是最完整的脈絡。 台灣電商怎麼玩？客服品質是一個。以前抽查客服回覆靠主管手動翻對話，一天翻不了幾筆；現在把逐字稿餵給 agent，讓它比對標準話術、抓常見客訴、沉澱 FAQ。做 OMO 的品牌更好用，像寶雅、康是美、生活工場這種實體加電商都有的，主管到店口頭交代「這陳列改一下、那標價貼歪了」，錄下來丟給 agent，直接拆成整改清單、在群裡 @ 店長去改。 **第二招，做一個團隊共用的 agent。** Zara 把企業用 AI 分成三段位，值得你對照自己公司： - Level 1：人跟人協作，沒有 AI。 - Level 2：每個人跟自己的 AI 協作。你們公司大概在這。 - Level 3：AI 無縫融入到人跟人的協作裡。極少數。 ![示意圖：企業用 AI 的三個段位，Level 1 人跟人、Level 2 各自跟自己的 AI、Level 3 團隊共用一個 AI 同事](https://growthhackers.tw/content/images/2026/07/anwf-inline-ai-levels-v1.png) Level 2 到 Level 3 的差別，就是把 AI 從私人助理，變成公開同事。 這裡有個很硬的標竿，我之前專門[拆過 Shopify 內部那隻叫 River 的 agent](https://growthhackers.tw/blog/shopify-river-lehrwerkstatt/)。它設計上只在公開頻道工作，根本沒做私訊功能。CEO Tobi Lütke 的說法是：如果每次跟 agent 的互動都在私人視窗，唯一學到東西的只有鍵盤前那個人。放公開頻道，同事就能看著你怎麼跟 agent 對話、怎麼下指令，這叫滲透式學習，不用排課、不用培訓。光是最近三十天，River 就跑了近六萬場對話，每八個被合併的程式修改就有一個有它參與（來源：[Shopify Engineering〈Under the River〉](https://shopify.engineering/under-the-river?ref=growthhackers.tw)）。 同一個方向，Anthropic 也把 Claude 帶進 Slack 推出 Claude Tag，讓一整個頻道共用同一個 Claude，而不是每個人各自開私聊（來源：[Anthropic Launches Claude Tag](https://www.techrepublic.com/article/news-anthropic-claude-tag-ai-agent-slack/?ref=growthhackers.tw)）。這跟我寫過的[Salesforce 把平台變成 AI agent 基礎設施](https://growthhackers.tw/blog/salesforce-platform-agent-infrastructure/)是同一條路：介面在退位，協作層在長出 agent。 為什麼一定要公開？因為單機協作對組織是個黑盒，你不知道每個人跟自己的 AI 在聊什麼、練出哪些絕活，這些全是浪費掉的組織資產。 講個台灣電商最有感的場景。你們的數據分析師握著 GA4 跟後台，行銷、營運要看個轉換數字都得排他的期，一等好幾天。把一個數據分析 agent 拉進共用群（[Google 的 Ask Ad Manager](https://growthhackers.tw/blog/google-ai-agent-ask-ad-manager-ask-advisor/)這類會查數的 AI 代理就是現成範本），大家直接問它，它先給你八十分的答案，口徑抓錯了、數字怪怪的，分析師人也在群裡，直接在下面補一句糾正。這叫接力：agent 做前面 80%，人補最後一哩。 公開 context 只是第一步，真正難的，是把「交接」這件事本身拆掉。 ## 工作方式三：不要只給自己做 skill，要給上下游做 第三招最容易被忽略，卻是組織效率真正的痛點。 先講個反直覺的判斷：組織的低效，不是來自個體的低效，是來自人跟人之間的依賴。 你每個人都用 AI 把自己那段做到 10x 了，團隊卻不一定 10x。為什麼？因為這個人做完還是要交給下一個人 review、還是要開一場會對齊，流程跟分工一步都沒變。你只是讓每節車廂各自跑更快，但車廂之間的鉤環還是原來那個。 所以真正 AI 原生的組織在做一件事：不只給自己做 skill（可以被 agent 呼叫的技能包），而是給協同方做。設計團隊不只做自己用的出圖 skill，而是做一個「設計 skill」交給行銷，讓行銷自助產檔期素材，不用每次排設計師的期；工程做一個 playground 給營運，讓營運自己查數、自己驗前端有沒有兜對。你把每一對「誰老是在等誰」列出來，那裡就是機會。skill 怎麼落地，我整理過[Agent Skills 的完整說明](https://growthhackers.tw/blog/agent-skills-andrew-ng-course/)，這裡不重複。 背後有篇文章講得很透，Shrivu Shankar 的〈The Transposed Organization〉。它主張公司該圍繞 loop（迴圈）而非職能重組。一個 loop，是從問題發生到解法上線的一整條決策鏈，由一個人完整擁有，盡量不留交接、把 context 流失壓到最低（來源：[Shrivu Shankar〈The Transposed Organization〉](https://blog.sshh.io/p/the-transposed-organization?ref=growthhackers.tw)）。 對照就懂了。傳統按職能分工：一個網站 bug，客服先接到、轉 PM、PM 再轉工程、修完再回頭驗，每個交接都要溝通、都要等，一件小事拖一週很正常。按 loop 分工：一個人從頭到尾把這迴圈包了。 ![示意圖：按職能分工（一件事流轉一週）vs 按 loop 分工（一人自閉環）](https://growthhackers.tw/content/images/2026/07/anwf-inline-loop-vs-function-v1.png) 障礙在哪？不是組織架構，是人。我們招人進來，他大概只擅長一件事，很少有人開發、設計、行銷一條龍全做好。以前這是死結，現在 agent 就是那個補位的隊友，把小王欠缺的那幾塊能力補上，讓他有本事自己閉環。 當開發、執行這些事都能被 agent 補上，你的瓶頸就從「做不做得出來」，變成「做得好不好看、有沒有人願意用」。這就是下一招要解的。 ## 工作方式四：審美是一種生產力 第四招聽起來最軟，其實最實用。 審美不是美學品味那麼窄，它是降低認知負擔的能力。這年頭 people don't read（大家不讀字），每個人都資訊過載，你的週報、檔期復盤、提案，只要一坨字就沒人看。把「變好看、變好懂」交給 AI，你才能專心在內容本身。 這裡有個聰明的洞察：站在 agent 的視角想事情。很多人叫 AI 做 PowerPoint，做出來很醜，因為它訓練資料裡 PPT 本來就少；但它讀過的網頁多到不像話，排 HTML 又漂亮又快。Zara 那場的簡報就不是 PPT，是用一個「拿 HTML 取代 PPT」的開源 skill 直接生出來的。讓 AI 做它擅長的事，成果自然好看。 還有一個更重要的落地心法：入口，要放在使用者「已經在」的地方。 人有三個天性，懶、健忘、注意力渙散。你的工具再好，只要需要使用者「多學一個新習慣、多開一個新網頁」，大概率沒人用。Zara 自己做過一個網頁版工具，好用歸好用卻老是忘記打開，後來改成瀏覽器外掛、入口塞在他每天本來就會點的地方，才真的用起來。 這對做電商的你太重要了。你的店家、你的客人每天已經在哪？在電商後台、在 LINE。所以要塞 AI 功能，就塞進他們已經天天在看的介面，別逼他們為了你再下載一個新 App。我在 91APP 這麼多年，後台就是店家每天睜開眼就在用的地方，把 AI 放進那個「使用者已在的入口」，跟另外做個新產品要他每天記得打開，導入率是兩個世界。用 Zara 的話收尾很到位：讓 AI 去找使用者，而不是讓使用者去找 AI。 ## 那，AI 時代你自己的競爭力在哪？ 順著這四招，Zara 最後丟出一個對經營者跟操盤手都受用的框架。 做一個東西本來三步：決定做什麼、把它做出來、推廣出去確保有人用。AI 來了之後，第二步變太簡單，跟 coding agent 講一句就有了；但第一步跟第三步反而更難。他歸納成三個核心素養： - Agency（主動性）：發現問題、動手折騰的能力。 - Taste（品味）：不只美感，更是洞察跟判斷。做減法比做加法難，刪功能比加功能重要。 - Distribution（推廣）：不只對外行銷。就算你在公司內部做了個超好用的 agent，也得把價值講清楚、讓同事願意用，這也是 distribution。 如果你做電商，這三個字應該特別有感。電商這門生意，本質上就是 distribution。會不會寫程式從來不是你的護城河；對顧客有多深的洞察、能不能把對的東西推到對的人面前，才是。這點我在[王董週刊 #6 談 Agent 元年](https://growthhackers.tw/blog/weekly-6-agents-rewrite-your-job/)也聊過，AI 接手的是「做事」，留給你的是判斷。 ## 回到那顆馬達 繞一圈，我們回到 1890 年那間工廠。 台灣電商老闆現在最該問的，不是「我要不要導入 AI」，這題早過時了。真正該問的是這句： 我的團隊現在有多少 context，還鎖在每個人的私聊視窗跟沒錄的會議裡？ 那個數字有多大，你離「換馬達卻沒提升」就有多近。 給你一份今天就能動手的清單： - **重要會議默認錄製、留逐字稿。** 從營運週會、廣告週會開始，把逐字稿丟給 AI 拆待辦，跑兩週看看。 - **挑一個 agent 拉進團隊公開群，預設公開、敏感資料例外。** 數據分析 agent 是最好的起手式，需求最高頻、痛點最明確。 - **列出部門之間「誰老是在等誰」，把最卡的那一對做成 skill。** 通常是行銷等設計、營運等數據，先解一個。 - **內部 AI 工具的入口，塞進大家已經天天在用的介面。** 電商後台或 LINE，別另開新網頁。 - **把時間留給判斷跟推廣，不是留給學寫程式。** 中間那段交給 AI，你負責驗收。 電力花了三十年才重新設計完工廠。AI 這一輪不會給你三十年。動作快的，一年就把交接處重新接好了。 ## 常見問題 FAQ ### Q1：為什麼公司明明導入 AI 了，效率卻沒提升？ 因為多數公司的 AI 都跑在「單機」上，每個人各用各的，優化的是個人那一段，組織的交接處沒動。這跟工廠只把蒸汽機換成電動馬達、卻不重新設計產線一樣，成本上去了、產出沒變。MIT 報告顯示約 95% 的企業生成式 AI 專案沒帶來可衡量獲利，根因就是工具無法沉澱脈絡、隨團隊一起成長。要提升組織效率，得把 AI 插進「人跟人的交接處」，而不是發帳號了事。 ### Q2：什麼是 AI 原生組織？跟「有在用 AI」差在哪？ 「有在用 AI」是每個員工跟自己的 AI 各聊各的（Level 2）。「AI 原生組織」是 AI 無縫融入到人跟人的協作裡，成為公開群裡平起平坐的同事，所有脈絡對組織透明、可檢索、可接力（Level 3）。差別不在用不用 AI，在於 context 是鎖在私人視窗，還是攤在組織的公開層。 ### Q3：AI 時代，個人的核心競爭力是什麼？ 三個字：Agency（主動折騰）、Taste（洞察與判斷、懂得做減法）、Distribution（把東西推出去讓人真的用）。因為「把東西做出來」這步被 AI 變簡單了，價值就往「決定做什麼」跟「讓人願意用」兩端移動。對電商人來說，這正好是你本來就該強的地方。 --- **協作聲明與免責** 這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。 內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。