AI研究
從原則到決策：AI 治理委員會的 Charter、RACI 與決策節奏
許多企業寫好了 AI 倫理原則、也指派了負責人，卻仍在每個具體個案前卡關，因為缺的是能把原則變成決策的組織與節奏。本文從委員會章程、決策 RACI 到分級決策節奏，說明如何把 AI 治理設計成一台能運轉的決策機器，而非又一份宣言。
企業導入 AI 的第一階段通常由技術團隊主導；但當試點成功、要把 AI 推向整個組織時，真正的難關幾乎都不在技術，而在人。McKinsey 2025 年的 State of AI 調查顯示，88% 的組織已在至少一個職能使用 AI，但只有約三分之一能把 AI 推展到全企業規模——多數公司卡在試點與實驗階段，過不了「從一個部門到整個組織」這一關。跨部門推廣意味著要改變數十甚至上百位員工的工作習慣、權責分工，甚至他們對「自己還有沒有價值」的認知。這一階段沒有標準架構圖可抄，需要的是一套變革管理與抗拒管理的劇本。
本文不談部署路線圖或系統整合，只聚焦組織與人事面：如何盤點利害關係人、辨識抗拒來源、依變革框架設計溝通節奏、用 champion 制度讓改變自己擴散，並把採用行為綁進 KPI 與獎懲。
數據說話：卡關的是人，不是技術
變革管理不是軟性補充，而是有數據支撐的主戰場。Prosci 對 1,107 位專業人士的調查發現，AI 導入遭遇的困難中約 38% 出在使用者的熟練度與適應，純技術問題只占約 16%——「人的問題」是「技術問題」的兩倍以上。BCG 的 AI at Work 2025 調查（涵蓋多國上萬名受訪者）則顯示：整體有 72% 的員工已定期使用 AI，但第一線員工只有 51%，且成長停滯；願意用的人一直在用，觀望的人始終觀望，這正是推廣期要面對的多數人。
更值得警惕的是歸因錯位。McKinsey 2025 年初的職場 AI 報告（調查 3,613 名員工與 238 位高階主管）發現，高階主管把「員工還沒準備好」列為採用障礙的比例，是承認「領導層自己是障礙」的兩倍以上——但員工端的數據顯示他們其實準備得比主管以為的更充分。換句話說，推廣卡關時，領導層最容易怪錯對象。
利害關係人地圖：先分清誰是推手、誰是阻力
推廣前先畫一張利害關係人地圖，依「影響力」與「支持度」兩軸分類，決定各自的經營策略：
| 類型 | 特徵 | 對應策略 |
|---|---|---|
| 高影響力／高支持 | 主管級擁護者 | 賦權為變革贊助者，公開站台背書 |
| 高影響力／低支持 | 握有實權的質疑者 | 一對一深談，優先化解其顧慮 |
| 低影響力／高支持 | 基層早期採用者 | 培養為種子，讓他們現身說法 |
| 低影響力／低支持 | 觀望的多數 | 用同儕成功案例帶動，不硬推 |
其中「高影響力／低支持」的中階主管，是推廣最容易翻船之處：他們一句消極的話，就足以讓底下團隊集體觀望。BCG 同一份調查發現，只有 25% 的第一線員工認為主管對 AI 使用給了足夠的指引——中間這層斷鏈，正是多數推廣計畫失速的位置，值得投入最多的一對一溝通成本。
抗拒的四種來源：從失業焦慮到影子 AI
抗拒往往不是不理性，多半來自具體且可回應的擔憂。BCG 2025 年的調查中，41% 的受訪員工擔心自己的職位可能因 AI 消失；同時只有 36% 認為公司提供的 AI 培訓足夠。與其一味宣導，不如對症下藥：
| 抗拒來源 | 員工的真實心聲 | 對策 |
|---|---|---|
| 失業焦慮 | 「AI 會不會取代我？」 | 明確定位為輔助工具，公布角色轉型與再培訓路徑 |
| 能力落差 | 「我學不會、怕出糗」 | 分層培訓，提供不怕犯錯的練習環境 |
| 失去掌控 | 「流程被改，我說不上話」 | 讓第一線參與設計，開放持續回饋管道 |
| 缺乏誘因 | 「多做多錯，何必配合」 | 綁定績效與獎勵，讓採用行為有回報 |
還有一種「反向抗拒」更常被忽略：員工不是不想用 AI，而是不想用公司給的那一套。Gartner 2025 年對 302 位資安主管的調查顯示，69% 的組織懷疑或已有證據顯示員工在使用被禁止的公開生成式 AI 工具；UpGuard 的影子 AI 調查更發現超過八成的工作者用過未經核准的 AI 工具。影子 AI 的盛行其實是個訊號：需求存在，只是官方管道太慢、太難用或太受限。對策不是圍堵，而是把官方工具的體驗與授權範圍拉到夠好，讓員工沒有繞道的理由。
用 ADKAR 排節奏：溝通、培訓與 champion 制度
Prosci 的 ADKAR 模型把個人經歷變革的路徑拆成五個里程碑——認知（Awareness）、渴望（Desire）、知識（Knowledge）、能力（Ability）、鞏固（Reinforcement）——它提醒我們：溝通不是一次全員大會就結束，而是要按員工「走到哪一階」設計對應動作。啟動期由高層親自說明「為什麼要改變」與「不會發生什麼」（例如不會因此裁員），對應認知與渴望；推行期做分層培訓與雙週進展同步，對應知識與能力——BCG 的數據指出，接受五小時以上培訓（尤其含面對面與教練式輔導）的員工，成為定期使用者的機率顯著更高；鞏固期則公開表揚成果、把案例做成內部教材。
早期採用者是這套節奏的槓桿。Moderna 與 OpenAI 合作的企業導入是常被引用的案例：他們在各業務單位設 AI champion 與定期的「AI office hours」，並經營約兩千人每週參與的內部論壇，讓一次性的推廣活動長成自我維持的知識社群，最終在六個月內達到約 80% 的員工採用率。同儕一句「這真的幫我省了半天」，比任何官方文件都更有說服力——刻意找出這些人、給資源、給舞台，改變才會由內部自然擴散，而非由上而下硬壓。
把採用綁進 KPI 與工作流程：從自願到制度
光靠熱情無法跨越觀望的多數，最終要靠制度固化。常見做法包括：把 AI 工具的實際使用率與成效納入部門與個人 KPI；將「帶動團隊採用」列為主管的管理職考核；並用短期獎勵（早鳥獎、最佳應用案例）銜接長期的晉升連結。關鍵是獎勵「正確使用並產生成效」，而非登入或呼叫次數，避免養出虛假的採用數字。
更根本的是把 AI 採用綁進工作流程本身。McKinsey 的調查發現，只有 21% 使用生成式 AI 的組織真正重新設計過工作流程，近八成只是把 AI 疊在舊流程上；而 AI 高績效組織進行根本性流程重設計的比例是其他組織的 2.8 倍（55% 對 20%）。當新流程裡「用 AI」是預設路徑而非額外選項，採用就不再依賴個人意願——這也是變革能否真正落地的分水嶺。
恩梯科技：陪你把 AI 從試點推向全組織
恩梯科技提供企業 AI 導入的變革管理顧問服務，從利害關係人盤點、抗拒診斷、ADKAR 溝通計畫、champion 制度設計到 KPI 與獎懲機制，陪伴企業把 AI 從個別試點穩健推向全組織落地，讓技術投資真正轉化為組織的日常戰力。
參考資料
- McKinsey，《The State of AI in 2025》，2025。來源連結
- McKinsey，《The State of AI in 2025》（工作流程重設計數據），2025。來源連結一、來源連結二
- Prosci，1,107 位專業人士調查，2025。來源連結
- BCG，《AI at Work 2025》，2025。來源連結
- McKinsey，《AI in the Workplace: A Report for 2025》（Superagency in the Workplace），2025。來源連結
- Gartner，302 位資安主管調查，2025。來源連結
- UpGuard，《The State of Shadow AI》。來源連結
- Moderna × OpenAI 企業導入案例。來源連結一、來源連結二
