近幾年，公司各部門都在嘗試將 AI 融入工作流。然而，當應用愈來愈多，AI 成為日常營運的一部分，企業的課題隨之改變，不再只是「怎麼用 AI」，也包括「怎麼管理 AI」。

許多公司抱著鼓勵使用的心態，讓部門自行決定想使用的 AI 工具，再申請經費購買，但若缺少 AI 相關規範、負責管理 AI 工具的角色，可能出現 2 個隱憂。其一是不符合經濟效益，舉例來說，某個部門購買一款工具後，使用率不高，但每年還是續訂，導致資源浪費。其二則是營運上的風險，比方說，員工為了快速產出報告，將內部資料上傳並交給 AI 製作，卻導致公司機密外洩。

訂定採購與使用規範，降低風險

為了避免這些情況發生，企業需要安排特定的部門管理 AI 工具，例如 IT 部門。在採購工具的階段，該部門就需要介入。

除了 ChatGPT、Microsoft Copilot 等較多人會用到的 AI，有些業務單位會另外購買工具，例如法務需要自動生成保密協議的 AI、人資想要能分析履歷的 AI。當他們提出需求時，IT 部門便需要把關，檢視工具是否有疑慮。舉例來說，如果某個工具要求用戶上傳所有的人事資料，IT 部門就會知道使用上有疑慮，需要尋找其他工具替代。

要判斷哪些 AI 工具可以導入，代表公司也需要訂定相關規範，像是決定哪些 AI 工具可以在公司內部使用。以及員工使用 AI 的原則，比如哪些資料可以上傳、哪些資料不能上傳，對於承受風險程度較低的部門，例如涉及公司核心技術，規範可能要更嚴謹，以避免機密外洩。 此外，AI 技術的更新速度快，工作流程也會跟著改變，屆時可能帶來新的風險，所以規定也需要同步調整。舉例來說，AI 代理人（AI Agent）出現後，企業便需要制定相應的政策，確保 AI 代理人不會將敏感資料傳送到外部網路。

檢驗使用率、成效，避免 AI 支出浮濫

除了風險方面的管控，由於 AI 融入工作流程，企業投入 AI 工具的成本可能持續增長。因此公司需要追蹤其使用狀況與成效，以了解投資是否產生價值。這時候，可以由 IT 部門定期檢視每個 AI 工具的使用率，若發現某些工具的使用率偏低，或許就該考慮不再續約。

不過，公司想掌握 AI 的使用成效，光靠 IT 部門不一定足夠，還需要其他部門共同參與。舉例來說，行銷部門導入了一款可以生成文案的 AI 工具，但實際使用效果不好。或者，供應鏈部門採購了需求預測的 AI，但準確度不高，難以產生效益。這些使用體驗，都有賴相關業務部門調查、回報，才能知道 AI 工具是否值得繼續採購。

因此，每一個 AI 工具可能都需要安排負責人管理。如果是通用型的 AI，可以考慮交給 IT 部門，若是特定的工具，則由實際使用的部門指派成員負責管理、回饋成效。當內部定期檢查使用率、滿意度等關鍵績效指標（Key Performance Indicators，KPI），便能避免 AI 支出成為無底洞。

建立規範、安排專責部門之後，企業也需要培養員工對 AI 的基本認識。比方說，有些 AI 是依 token（大型語言模型處理文本時的最小單位，處理的 token 越多，成本越高。）計費。如果員工不了解這種計費方式，並在使用工具的過程中，產出跟業務無關，但會消耗許多 token 的內容，就會增加企業的成本。 當企業導入 AI，並建立規範、判斷成效與掌控成本，AI 便有機會真正轉化為競爭力，不會悄悄變成負擔。（口述｜徐瑞廷，整理｜麻愷晅）