當你把流程交給 AI，其實也在重寫組織的「默契」

摘要

多數人談「AI＋自動化」，在想的是：哪個部門先導入？哪些工作會被取代？但真正決定 AI 能不能長期幫上忙的，往往不是領域，而是流程本身的長相——它有多少是寫在文件裡，有多少是靠「大家都知道」在撐？這篇文章想談的是：當你為了讓 AI 接手，而被迫把這些默契說清楚、拆清楚時，你其實是在重新設計公司的權責邊界、回饋路徑與錯誤承擔方式。AI 接手的不只是任務，而是整套「我們怎麼一起工作」的結構。

一、AI 接手的不是「工作內容」，而是你們的集體記憶

在多數 1～30 人的公司裡，有一種很常見的現象：

客戶來信要怎麼回？「看狀況啦，阿芳會處理。」
報價怎麼抓？「先看去年怎麼報，再調一下。」
新同事入職流程？「不用寫，大家做久了就知道。」

這些並不是沒有流程，而是流程長在人的腦子裡：
半套寫在 Notion、半套躺在訊息紀錄、另外半套是主管和老員工心中「說不太出口但覺得理所當然」的判斷。

當你考慮讓 AI 接手一部分流程時，第一個撞牆的，往往不是技術，而是這種「集體記憶式的默契」。

AI 不會懂「你知道的那個感覺」，它只吃得到：

明確的輸入（遇到什麼情境）
可被表達的判斷規則（這種情況怎麼處理）
清楚的輸出格式（最後要產出什麼）

也因此，真正適合交給 AI 長期負責的流程，反而不是那些看起來已經「寫得很清楚的 SOP」，而是：

表面上大家都覺得早就標準化，實際上全靠人記、靠默契、靠資深同事「順手補位」在撐的那一塊。

一旦你為了讓 AI 能接手，開始把這些東西說清楚，整個組織的工作方式就會跟著被改寫。
你以為在導入 AI，其實是在整理你們的集體記憶。

二、從「部門」轉成「流程結構」：什麼東西適合交給 AI？

多數對 AI 自動化的討論，都還停留在「部門清單」：

客服先導入
行銷可以試試看
財務要小心
產品跟工程可能被大幅改變

這種分類很直覺，但也很容易讓人迷路。因為同一個部門裡，有的流程很適合 AI 長期承接，有的碰都不該碰。

如果把焦點從「哪個部門」換成「流程結構」，問題會變得比較清楚：

這個流程，現在是靠明文規則在跑，還是靠默契？
- 有沒有明確的「遇到 A→做 B」的判斷？
- 還是經常出現「看一下實際情況再說」？
一個任務，跨幾個人、幾個部門才會走完？
- 協調成本高不高？
- 平常問題都卡在誰那裡？
錯了會怎樣？能不能補救？
- 錯一次，就是大條合約、金流、法規風險？
- 還是能在下一步檢查、修改、重新送出？
這個流程，有沒有自然的「回饋路徑」？
- 事情做完，有沒有機會知道：這次做法好或不好？
- 還是只要沒出事，就算成功？

從這個角度看，「適合 AI 長期接手」的流程通常有幾個特徵：

目前高度依賴個人默契與經驗在做判斷
錯誤有一定的緩衝帶與補救空間
有機會累積資料與回饋（例如後續成交與否、客訴多寡）
頻率高、重複性強，但每次都有些微差異要斟酌

相反地，當一個流程：

完全一次性、無法累積經驗
錯誤成本極高且無法補救
訊息高度模糊且難以描述清楚

即使短期也能「硬塞」給 AI 做幾次，長期來看，它會把你們逼向兩個極端：
不是變得過度僵化，就是變成充滿例外、到處人工救火的「四不像系統」。

三、案例視角：AI 逼你把「大家都知道」說清楚

想像一個規模 10 人的 B2B 服務團隊。

他們有一個關鍵流程：「詢價到出報價」。
目前的做法大概是這樣：

客戶來信，業務 A 或 B 先回覆
覺得有機會，就拉老闆或資深顧問進來看
報價參考去年類似案子，再依「感覺」調整條件與價格
老闆最後拍板，請助理整理成正式文件寄出

每個人都知道一堆心裡話：

「這種客戶，價格可以開高一點」
「這家體質不好，合約條件要寫硬」
「對方窗口說話方式怪怪的，小心一點」

問題是：這些判斷從來沒被寫下來。
只要業務或老闆換人，整個報價風格就變了。

現在，如果他們想讓 AI 協助「先做一版報價草稿」，就會發生幾件事：

他們被迫把「怎樣算是高機會客戶」寫清楚
- 產業別、規模、對話關鍵字、預算訊號……
- 也因此，團隊第一次討論：我們到底想追哪種客戶？
他們被迫定義「可接受的折扣範圍」
- AI 要不要能自己決定 5% 內的折扣？
- 什麼情況可以給到 10%，要不要人工審核？
他們被迫設定「例外處理」的邊界
- AI 看不懂的情況，自動標記給誰？
- 這些案例要不要定期回顧，變成新的判斷規則？

你會發現，為了讓 AI 能「先做一版」，公司不只是多了一個工具，而是：

第一次把過去靠直覺的判斷定義成明確規則
第一次釐清報價權限：誰能改到哪個程度？
第一次設計一條「回饋路徑」：實際成交與否，能不能回寫給系統，讓下次更準？

AI 介入的是「報價草稿」這個小環節，
但被改寫的，卻是整條從詢價到成交的工作結構。

四、當流程被重新建模：默契會變成資產，還是枷鎖？

當你把一個靠默契在運作的流程，拆給 AI 看，本質上是在做「重新建模」——
你把它從「大家心裡大概知道」變成「有輸入、有判斷、有輸出、有回饋」的系統。

這件事有兩種很不同的後果。

後果一：默契被轉成可累積的能力

如果流程本來就有一定穩定性，只是沒有被好好說清楚，那麼：

把判斷標準寫出來
把例外情境標記出來
把成果與回饋接回系統

AI 不只是在「代工」，而是在幫你把集體經驗變成可傳承的資產。

好處包括：

新人不用靠「看前輩怎麼做」摸索半年
老闆在不參與每一次決策的情況下，仍能透過規則設計影響品質
團隊可以討論「要不要改流程」，而不是只能抱怨「誰誰誰又處理不好」

這種情況下，AI 進來越久，系統越穩，人的價值也從「把流程記在腦子裡」轉移到「設計流程、調整規則、處理例外」。

後果二：原本就混亂，被硬生生「定死」

另一種情況是：流程本來就高度依賴臨場反應，而且變化太快、太難描述。
硬要為了 AI 把它寫成規則，常見結果有兩種：

為了好寫，大家刻意簡化現實，犧牲彈性
規則寫得超複雜，最後沒人真正在看，
只剩 AI 勉強照做，人員到處幫忙「拆炸彈」

這時候，被重寫的「默契」反而變成枷鎖：

人明明知道這樣處理比較好，卻因為系統流程不允許，只能繞路
真正重要的判斷仍然發生在系統外，只是多了一層麻煩的工具

這就是為什麼，不是所有東西都該急著丟給 AI 做。
要問的不是「AI 能不能做？」，而是：

一旦我們為了 AI 把這個流程說清楚、拆清楚，
它是會變成更穩定、可累積的能力，
還是會變成把原本就亂的東西寫死，製造更多摩擦？

結語：先問「值得被說清楚嗎？」，再問「要不要交給 AI？」

對多數中小型團隊來說，眼前最大風險不是「AI 還不夠強」，而是：

還沒想清楚什麼流程值得被說清楚
還沒準備好讓 AI 進來，改寫原本靠默契支撐的權責邊界

與其急著找「哪個工具能幫我省最多時間」，
不如先盤點幾個特徵明顯的流程：

每個人做法都不太一樣，但大家又覺得應該要一致
常常要回頭找「去年那個案子我們怎麼處理」
只要那個資深同事放假，整條線就卡住
出錯可以補救，但現在的錯誤都沒有被好好記錄與學習

這些流程，一旦你願意為了 AI 把它們說清楚、拆清楚，就算最後決定暫時不要完全自動化，你也已經拿回主導權——
因為你開始不是在問「AI 能幫我做什麼？」
而是在設計「我們希望未來的工作，是怎麼被分工、被協作、被學習的。」

AI 會不會取代誰，或許還有很多變數；
但有一件事已經在發生：
每一個你願意被說清楚的流程，都在從「個人默契」轉向「可設計的系統」。
而這個轉向，本身就是競爭力。

Summary

適合交給 AI 長期負責的，不只是「可自動化的步驟」，而是那些原本靠默契、記憶、資深經驗在撐的流程。
為了讓 AI 能接手，你被迫把隱性的判斷說清楚、拆清楚：輸入長什麼樣、怎麼判斷、誰負責例外、錯了怎麼補救、回饋怎麼回寫。
這個過程本質是「重新建模」：把集體記憶變成可傳承、可調整的系統，也順便重寫了權限邊界與合作方式。
不需要先從「哪個部門導入 AI」開始想，而是從「哪條資訊流與決策結構，一旦被說清楚，就會讓我們變得更穩定、更可累積？」開始選擇。

參考延伸閱讀：

當你把流程交給 AI，其實也在重寫組織的默契：從默會到可設計的系統