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？

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）。

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）。

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）。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。

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。

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。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〉）。

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）。這跟我寫過的Salesforce 把平台變成 AI agent 基礎設施是同一條路：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，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〉）。

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。

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。