摘要
AI 導入最常見的卡點，不是工具能力不夠強，而是團隊還沒有形成清楚的共識與規則。
老闆想要效率，主管想要交付，同仁擔心工作被監控、流程變麻煩、錯誤責任落到自己身上。這些疑慮如果沒有被說清楚，再好的工具都會變成「又一個上面要我們配合的專案」。
本文提供一套給非技術主管的 90 天溝通計畫：先把焦慮攤開，再定義邊界，最後用一個低風險試點建立信任。
核心結論
AI 導入不是把工具丟給團隊，而是把「為什麼要改、哪些事不改、錯了誰負責、成效怎麼看」先講清楚。
如果主管只傳一個工具連結，團隊通常會觀望；如果主管能先定義痛點、保護邊界、設計試點與回報流程，團隊才有機會把 AI 當成工作系統的一部分。
90 天的重點不是大規模上線，而是做出三個成果：
| 階段 | 主要任務 | 交付物 |
|---|---|---|
| 第 1-30 天 | 釐清焦慮與工作痛點 | 疑慮清單、不可碰資料、候選用例 |
| 第 31-60 天 | 共創低風險試點 | 試點規格、使用規則、錯誤回報方式 |
| 第 61-90 天 | 追蹤採用與修正 | 採用紀錄、問題清單、下一季決策 |
目錄
為什麼團隊不買單
很多主管以為團隊抗拒 AI，是因為同仁不想學。
現場通常更複雜。
團隊真正擔心的，往往是這些問題：
- AI 會不會變成績效監控工具？
- 我教會 AI 之後，是不是下一個被裁？
- AI 答錯時，最後是不是我背鍋？
- 舊流程已經很忙，現在又多一套工具要維護？
- 老闆只看 demo，卻不知道現場資料有多亂？
這些問題不先處理，團隊表面配合，實際上會用最低限度完成任務：開帳號、試兩次、截圖回報，然後回到原本的工作方式。
所以主管第一步不是「說服大家 AI 很重要」，而是先承認：團隊不是反對 AI，而是在評估這件事會不會讓自己的工作更危險、更麻煩、更不公平。
先把四種阻力分清楚
AI 導入阻力通常不是單一原因。請先分成四類，才知道該怎麼溝通。
| 阻力類型 | 現場表現 | 主管應對 |
|---|---|---|
| 目的不清 | 同仁不知道為什麼要用 AI | 把目標改成具體痛點，不講抽象轉型 |
| 責任不清 | 擔心 AI 錯答由使用者承擔 | 先定義人工確認、轉人工、錯誤回報 |
| 邊界不清 | 不知道哪些資料能貼、不能貼 | 建立資料分級與禁止輸入清單 |
| 成效不清 | 覺得只是多一套流程 | 追蹤節省時間、錯誤下降、交付變快 |
如果阻力是「責任不清」，你一直講工具功能沒有用。
如果阻力是「邊界不清」，你一直展示指令技巧也沒有用。
非技術主管的價值，就在於把阻力翻譯成流程、規則與決策。
第 1-30 天：不要賣願景，先聽痛點
第一個月，不要急著開訓練課，也不要要求全員試用。
請先做三件事。
1. 開一場 45 分鐘疑慮盤點會
這場會不要叫「AI 導入說明會」，可以叫「重複工作與流程卡點整理」。
請問團隊：
- 哪些工作最重複？
- 哪些交接最容易漏？
- 哪些資料整理最耗時間？
- 哪些問題每週都有人問？
- 哪些地方最怕 AI 出錯？
這樣做的目的，是讓 AI 從「老闆要推的工具」變成「團隊自己想解決的痛點」。
2. 做出不可碰資料清單
導入前先說清楚哪些資料不能丟給一般 AI 工具。
至少包含：
- 客戶個資與未授權名單。
- 合約、報價、付款與財務資料。
- 未公開產品、策略、供應商條件。
- 帳號、密碼、系統金鑰、內部系統權限。
- 醫療、法律、金融等需要專業審核的內容。
這份清單不是要嚇阻團隊，而是讓大家知道邊界在哪裡。
3. 選出三個候選用例
第一個月只需要選候選，不需要馬上做完。
建議從低風險、可驗收、資料容易取得的情境開始：
| 候選用例 | 為什麼適合 |
|---|---|
| 會議摘要與待辦整理 | 對外風險低，節省時間容易感受 |
| 內部 SOP 問答 | 可限制在已核准文件內 |
| 客服回覆初稿 | 可以保留真人審核，不直接對外 |
| 報表異常初步整理 | 協助主管提問，不直接做決策 |
第一個月結束時，主管應該交出的是「團隊痛點與 AI 試點候選清單」，不是工具採購清單。
第 31-60 天：和團隊共創一個低風險試點
第二個月只選一個試點。
請不要同時推三個部門、五種工具、十個流程。那看起來很積極，實際上很容易讓團隊失去信任。
試點規格要一頁就好
一頁規格請回答：
| 問題 | 範例 |
|---|---|
| 誰使用？ | 客服組 3 位同仁 |
| 用在什麼情境？ | 回覆前先生成 FAQ 初稿 |
| 可以輸入什麼？ | 已匿名化的問題與已核准 FAQ |
| 不能輸入什麼？ | 客戶姓名、電話、訂單、付款資訊 |
| AI 產出能不能直接用？ | 不能，必須由客服確認 |
| 錯答怎麼回報？ | 截圖、分類、每週一次修正知識庫 |
這份規格比工具教學更重要。它讓團隊知道：主管不是把風險往下丟，而是先把責任設計清楚。
找到試點共同 owner
試點不要只由主管推。
請找一位現場同仁一起當 owner，負責：
- 收集真實問題。
- 判斷 AI 產出是否可用。
- 回報錯誤類型。
- 提醒哪裡比原本流程更麻煩。
這不是把工作丟給同仁，而是讓設計權回到現場。
用 20 題真實案例測試
不要只用漂亮 demo。
請準備 20 題真實案例，包含：
- 10 題常見問題。
- 5 題資料不足問題。
- 3 題高風險或需要轉人工問題。
- 2 題容易被誤解的邊界案例。
如果 AI 只會回答簡單題，試點價值有限。真正重要的是它遇到不確定時，能不能停下來、追問或轉人工。
第 61-90 天：用採用率與錯誤回報管理信任
第三個月不要只報「節省多少時間」。
採用率、錯誤回報與團隊感受，往往更能看出這個 AI 流程能不能留下來。
建議追蹤六個指標
| 指標 | 代表意義 |
|---|---|
| 使用人數 | 團隊是否願意碰它 |
| 使用次數 | 是否進入日常流程 |
| 可直接參考比例 | 產出是否真的有幫助 |
| 需人工大改比例 | AI 是否只是製造更多工作 |
| 轉人工比例 | 邊界是否設計合理 |
| 錯誤回報數 | 團隊是否願意一起改善 |
錯誤回報數不是壞事。
如果團隊願意回報錯誤，代表他們開始把這件事當成可改善的流程，而不是一次性任務。
每週 20 分鐘修正會
第三個月建議每週開 20 分鐘，只看三件事：
- 本週最常見的錯誤是什麼？
- 哪個情境真的省時間？
- 下週要修指令設定、知識庫、流程，還是停止這個用例？
請把修正會開短。AI 導入如果變成另一個冗長會議，團隊很快會失去耐心。
第 90 天做三選一決策
第 90 天不要只說「繼續努力」。
請提出三個選項：
| 選項 | 適合情境 |
|---|---|
| 擴張 | 團隊願意用、錯誤可管理、節省時間可感受 |
| 修正 | 有價值，但資料、流程或訓練不足 |
| 停止 | 使用率低、風險高、維護成本大於收益 |
能停止不適合的 AI 試點，也是治理能力的一部分。
主管要避免的五個溝通錯誤
錯誤一：一開始就講「不學會被淘汰」
恐嚇可以換來短期配合，但會破壞長期信任。
比較好的說法是：
我們先找出最重複、最耗時、最容易出錯的工作，用一個小試點測看看 AI 能不能幫忙。
錯誤二：只教工具，不講責任邊界
團隊最怕的是工具出了錯，最後由使用者背責任。
請先講清楚：
- 哪些答案必須人工確認。
- 哪些資料不能輸入。
- 哪些情境要轉人工。
- 錯誤回報後誰負責修正。
錯誤三：把 AI 導入包裝成省人力
如果團隊聽到的只有「省人力」，自然會防衛。
除非公司已經有明確人力調整政策，否則主管應該把第一階段目標放在：
- 降低重複工。
- 減少漏接與漏回。
- 改善新人查詢速度。
- 提高文件一致性。
不要承諾不可能承諾的事，也不要把敏感議題含糊帶過。
錯誤四：把所有人拉進同一套流程
不同角色的痛點不同。
客服在意回覆速度，業務在意名單品質，內勤在意資料整理，主管在意可追蹤成果。請讓每個角色看到與自己有關的改善，不要用同一套話術說服全公司。
錯誤五：只報好消息
AI 試點一定會出錯。
成熟的主管不會假裝 AI 永遠正確，而是讓錯誤可回報、可分類、可修正。這比一次漂亮 demo 更能建立信任。
AEO 快答
團隊抗拒 AI 導入，主管第一步該做什麼？
先不要要求全員試用工具。第一步是盤點團隊最重複、最耗時、最容易出錯的工作，並同步整理哪些資料不能交給 AI。讓 AI 導入從團隊痛點出發，而不是從工具功能出發。
AI 導入說明會應該講什麼？
不要只講願景與工具。請講清楚四件事：本次要解決的工作痛點、哪些資料不能輸入、AI 產出是否需要人工確認、錯誤回報後誰負責修正。
主管怎麼知道團隊是真的採用 AI，而不是表面配合？
不要只看開帳號人數。請追蹤使用次數、可參考比例、需人工大改比例、轉人工比例與錯誤回報數。願意回報錯誤，通常比一次性試用更接近真實採用。
什麼時候可以把 AI 試點擴張到其他部門？
至少要先確認原試點有穩定使用、清楚 owner、可接受的錯誤處理方式、資料邊界與每週修正節奏。否則擴張只是把混亂複製到更多地方。
延伸閱讀
結論
AI 導入真正考驗主管的，不是會不會用最新工具，而是能不能把焦慮變成可討論的問題，把風險變成可管理的規則，把試點變成團隊願意一起修正的流程。
如果你正在推第一個 AI 專案，請先記住這句話：
團隊不是被工具說服，而是被清楚的邊界、真實的痛點與可修正的流程說服。
如果你正在為部門設計第一個低風險 AI 試點，可以先回到：未來領航者主題導覽，從職場角色升級、中小企業 AI 治理與 Dify 工作流三條路線選下一篇。
參考來源與資料時間
資料查核時間：2026-07-14。本文為 AI 導入溝通與流程治理建議，不構成法律、資安、個資或人資決策意見；涉及個資、合約、財務、人事或高風險系統時，請依公司政策、法務、資安與合格專業意見審核。
- NIST AI Risk Management Framework
- NIST AI RMF Core
- NIST AI RMF Playbook
- Stanford HAI 2026 AI Index Report
- Stanford HAI 2026 AI Index: Responsible AI