編按：在AI功能愈來愈普及的同時，卻有不少使用者開始思考是否該關閉它。當效率提升伴隨風險與不確定性，企業該如何建立信任？本文解析兩大導入策略，找出最適合團隊的轉型路徑。
隨著AI被導入到許多常見的軟體，我開始聽到使用者詢問：「我能不能把AI功能關掉？」在AI盛行的今天，這個問題乍聽之下好像是個玩笑，但事實上，這個問題背後，有很多AI導入團隊和產品團隊可以學習的地方：
1.當AI在金融、法律等避險的產業中，很有自信地提出一個錯誤建議，它造成的不只是錯誤本身，而是信任的崩塌，讓使用者覺得：「這個工具如果錯了，我要替他負責。我倒不如自己做，風險比較低。」當人們不清楚AI帶來的風險和價值時，很自然地會抗拒使用相關工具。
2.擁有最厲害的AI，並不代表它能為使用者帶來價值。一個已熟悉AI非確定性輸出的特質，且能重新設計工作流程已開始使用agentic workflow的團隊，和一個才剛開始了解AI的團隊，面對著完全不同的問題和需求。對一個才剛開始認識AI的團隊來說，他們的需求，往往是先從AI擁有高準確度的情境中開始學起。
從新創公司到高度監管的傳統企業，AI導入的節奏有著天壤之別。為協助企業在風險與效率間取得平衡，我通常會根據團隊的起跑點和風險管理，建議以下兩套不同的導入框架。
框架一：爬→走→跑（從確定性中建立信任）
這套框架專為剛開始認識AI，或身處像是會計等「不容許出錯」環境中的企業設計。核心概念很直接：在面對AI的「非確定性輸出」前，先用「確定性」來建立使用者對AI的信心。我們以企業中最常見的費用簽核（Expense Approval）為例：
1.爬行（Crawl）：用規則建立確定性
剛開始先不要碰AI。你的首要任務，是找出流程中可100％透過「若A則B邏輯處理的環節。通常適合自動化的流程，應有明確的SOP和規則，因為公司的報銷政策本來就一團亂，只會因為自動化而加快混亂。「爬行」階段其實是鼓勵團隊把SOP建立起來，讓使用者體驗到自動化帶來的好處，且不需要承擔「模型幻覺」的風險。
實際情境：在費用簽核中，先寫死一套自動化規則：「若交通費低於500元，且供應商在合作廠商名單內，則自動核准。」
2.步行（Walk）：引入AI與人類把關
SOP穩定了，才在需要「判斷力」的環節引入大型語言模型（LLM）。在上個步驟中，我們已知SOP適合該企業，團隊也對自動化產生信心，但需要AI來幫忙當助手，解決更複雜問題。我們還需要人力來把關，確保工作的正確性。這個過渡期的問題是，許多人會需要糾正AI產出的結果，協助AI學習該企業的需求後，才會看到工作效率提升的結果。
實際情境：讓AI去讀取複雜的跨國差旅收據，並與公司差旅政策進行比對。因為AI會有非確定性輸出，系統通常會加入信心分數（Confidence Scoring），協助財務人員了解哪些收據需要仔細審查，哪些應該會輕易過關。AI有95％把握合規就亮綠燈；若只有60％把握（例如有不尋常的品項），就亮黃燈，而20％把握的收據，就強制交由財務人員介入審核。
3.奔跑（Run）：代理與例外管理
在第三階段，系統設計和團隊思惟的轉換：從「執行」轉向「治理」。團隊不再每個環節都監控，而是讓AI接管大部分工作，且讓AI決定哪些工作需要向「人」呈報。人們不再是每天埋頭看單據的人，而是這個機制的管理員。
實際情境：AI代理（Agent）接管絕大部分的報銷生命週期，甚至會主動寄信要求員工補齊缺漏的單據。只有當系統偵測到「預算超支風險」或「潛在舞弊」等邊緣案例（Edge Cases）時，才會觸發警報，將決策權向上呈報。
框架二：砍掉重練（Agent-First的極端路徑）
對已熟悉AI特性，或是準備全面轉型的團隊來說，穩扎穩打太慢了，他們需要的是「砍掉重練」。我們來看看全球最大加密貨幣交易所Coinbase是怎麼做的。
Coinbase受到跨國高度監管，牽涉反洗錢（AML）和真金白銀，絕對不是低風險環境。但他們看重一個指標：「從有靈感到產品上線，需要多長時間？（Time to intent production.）」
過去修復一個Bug或推出簡單功能，需要20到25天。為了打破這個瓶頸，2026年1月，他們做了一個重大決定：全面暫停產品發布近三週，強迫團隊把開發環境（IDEs）全部刪除。
這是一個巨大的強迫功能（Forcing Function），逼迫大家脫下手銬，不再依賴手寫程式碼，而是完全轉向Agent-First（代理優先）的工作模式。
從需求到上線的流程解構
現在，他們的工作流程已經不再是「產品經理交給設計，設計交給工程師」的傳統接力賽：
1.AI代理接管執行：開發者有新想法時，直接在Slack呼叫內部AI代理「Forge」。Forge讀完需求後，反問幾個問題，接著直接產出執行計畫與程式碼。人類工程師只審核計畫，不看程式碼。
2.資安代理把關風險：既然人類不看程式碼，出錯誰負責？他們開發了資安代理「SAIL」。發布請求（PR）一開出來，SAIL在五分鐘內完成掃描。只要風險評估達到最高級A5（例如動到金流），系統立刻攔截，這時人類才必須親自介入審查。
3.極限驗證：沒問題的程式碼，丟進模擬機隊跑14分鐘的端到端測試，開發者用手機掃QR Code確認無誤，直接上線。
重新定義人類的價值
現在，這套流程讓他們平均只要1.8天，就能將功能推向正式環境。
這背後最大的改變，是徹底重新定義了人類的價值。他們不再區分傳統職位，而是把團隊分成兩種角色：
．海盜（Pirates）： 負責0到1，快速在團隊聊完想法後，24小時內用AI做出原型，不行就殺掉。
．架構師（Architects）： 思考如何將這些點子安全地規模化。
在Coinbase模式裡，人類只掌握最前端的「戰略意圖」和最後端的「風險驗證」，把中間所有繁瑣的程式碼撰寫與初步測試，全部交給AI代理。
信任，是一切的基礎
回到最開始的問題：「我能不能把AI關掉？」
真正該問的其實不是這個，而是：「在我們的工作流程裡，AI在哪裡已經贏得了我的信任？又在哪裡還沒？」
不論是穩扎穩打的「爬、走、跑」，讓團隊有時間適應，還是比較積極的「砍掉重練」，用全新的代理與資安架構來重塑流程，這兩套框架的目的都只有一個：在「風險控管」與「效率極大化」之間，找到最適合團隊當下狀態的解答。
本文章反映作者意見，不代表《遠見》立場
（作者為美國矽谷的產品行銷專家，專注於AI對資安和金融科技領域的影響及成長）
