AI 幫公司省下的時間跟錢，現在全部鎖在員工的對話框裡

我常遇到這個場景：公司買了一批 AI 工具，員工也很捧場，有人寫文案快三倍、有人查資料省一半時間，大家都說「好用」。

然後老闆看季報，整體效能——出貨速度、交付週期、營收效率——幾乎沒動。

於是結論變成「AI 沒用」或「員工不會用」。兩個都錯。

單點優化，會被節點之間吃掉

把 AI 工具發給員工，本質是單點優化。你讓流程裡的某一個節點變快了。

但企業的整體效能，不是各節點速度的加總，是整條流程的吞吐量。而流程的吞吐量，由最慢的環節和節點之間的傳遞決定——不是由最快的那個決定。

舉個實際的例子。業務用 AI 把提案寫作從兩天壓到半天，聽起來很棒。但這份提案接下來要：等主管有空審、轉給法務看條款、退回來改、再排進報價系統。寫作那一段省下的一天半，全卡在後面的等待與來回裡。

你優化的是節點，企業感受的是流程。中間的落差，就是被傳遞不效率吃掉的部分。

這在管理學裡不是新觀念——局部最佳化（local optima）加起來，往往不等於全域最佳化（global optimum）。AI 沒有改變這條鐵律，只是讓它更明顯：因為單點變快之後，瓶頸反而更刺眼。

要讓老闆「有感覺」，得做兩件比發工具難得多的事。

第一，重構流程本身，而不只是加速既有節點。 不要問「這個步驟能不能用 AI 加速」，要問「這個步驟還需不需要存在」。很多節點之所以慢，是因為它本來就是為了人類的限制而設計的——審核、轉手、格式對齊。當 agent 能跨節點運作，有些傳遞可以直接消失，而不是被加速。

第二，重設 KPI，讓它衡量流程而不是個人。 如果你的 KPI 還在量「每人每天產出幾份文件」，那單點優化就會被獎勵，整體卻沒進步。把指標換成「從需求進來到交付出去的週期時間」，你才會開始看見真正的瓶頸，也才會逼出對的優化。

在 Harnext，導入 agent 的第一步從來不是選工具，是定義 outcome 和畫 Human-Agent Responsibility Map——把整條流程攤開，看清楚哪些節點該由人做、哪些交給 agent、哪些傳遞可以直接拿掉。

這是 ADLC Discovery 階段的核心工作。產出不是一個工具清單，是一張「這條流程重構後長什麼樣、KPI 該怎麼改」的地圖。

因為發工具誰都會。讓整條流程跑得更快、而且讓老闆在季報上看得到——那才是要解的問題。

如果你買了一堆 AI 工具卻看不到整體效益，那不是工具的問題，是流程的問題。歡迎帶你的流程來談。