上周末和幾位老朋友餐敘，阿強摸著自己的啤酒肚苦笑說：「我最近覺得自己是大善人，專門做公益。」原來，2 年前他腦波一弱，簽了 3 年健身房合約，還跑去運動用品店狠狠「課金」了一波：頂級重訓鞋、加上能測血氧的智慧手錶，行頭比會費還貴。
結果呢？一次都沒去過，鞋子跟新的一樣，他老婆還笑他是在贊助健身房繳電費。 聽老友抱怨，我有種強烈的「既視感」，這不就是許多企業導入 AI 的現狀嗎？老闆們喊著轉型，預算撒了、GPU 買了、昂貴的 AI 方案也訂了，呈現出「我們在努力」的積極樣貌，但半年過去，公司體質沒變強，反而搞得員工腰痠背痛。
其實，導入 AI 跟健身一樣，光買會員卡沒用。你需要的不是贖罪式的撒錢，而是一個正確的啟蒙教練。
AI 啟蒙比的不是專業，是「誰最會講人話」
我看過太多次企業讓技術部門統籌推廣 AI，技術長講得口沫橫飛，台下的業務、行政、客服人員點頭鼓掌，但卻沒人真的聽懂。為什麼？因為你找錯教練了。
2023 年生成式 AI 浪潮爆發後，我在中研院推動 AI 的第一場活動找的不是技術專家，而是網紅 YouTuber。當時內部有人質疑：「我們是學術機構耶，為什麼找網紅？」但我堅持要這麼做，因為問題不在於「講者多專業」，而在於「讓人覺得自己做得到」。結果那場活動，因為內容很生動，都是日常範例：用 AI 做貼圖、寫 email、整理會議紀錄。
300 人的場地爆滿，還要開衛星場直播，後來因為太多人報名不上，又加開第二場。 活動之後，很多原本對 AI 無感的同仁開始用 ChatGPT。
我們乘勝追擊，請了一位當過講師的同事每季開課。她不是技術背景，但能把複雜的東西講成「大人小孩都聽得懂」的版本，把 ChatGPT、NotebookLM、Notion 整理成「行政人員會用到的場景」，每次開課都是 200～300 人報名。
如果你的目標是：全公司都會用 AI，別找最懂的人來教，要找最會「講人話」的人。菜單不能高深，要讓人覺得「我也做得到」。
漸進式測試法，先安全再加速
當各部門導入 AI 時，教導 AI 處理事情的邏輯非常重要，建議採取漸進式調整，避免初期就讓 AI 一次產出上千條規則。以我最近在做的「AI 自動設定網路防火牆規則」專案為例，我先讓 AI 產生 10 條規則進行測試。這個數量人腦還能應付，我可以一條一條人工比對，檢查每條規則的參數設定，有沒有遺漏關鍵的安全考量。這個階段雖然繁瑣，但非常必要，因為我們必須確認 AI 真的「聽懂」了指令。
當 10 條規則通過驗證，才挑戰 100 條。這時候我不會全看了，改用抽測的方式，檢查「AI 最容易出錯的模式」。比如說，我發現 AI 在處理複雜的條件判斷時，容易漏掉邊緣或極端案例（edge case），我就針對這種規則加強抽檢。
最後才是 1000 條。到這個階段，我已經清楚 AI 的風險，可以設定自動化的檢核機制。比如說，如果有任何規則包含「允許所有 IP」或「關閉防火牆」等高風險規則，系統就自動標記出來讓我進行人工確認。
為什麼這麼麻煩？因為我看過太多「欲速則不達」的慘痛案例。如果一開始就讓 AI 全速衝刺（例如處理 1000 筆訂單、生成 100 頁報告）發生錯誤時，不但資料庫亂成一團，客戶對你的信任也會瞬間破產，更糟的是，你可能根本找不出哪裡出錯。這就像練跑步一樣，你不會第一天就跑全馬。你會先跑 3 公里，等適應後才跑 10 公里，確認膝蓋、心肺都沒問題，最後才挑戰半馬、全馬。每個階段都要確認「身體沒受傷」，再加重量。
健身最殘酷也最迷人的一點，就是它無法造假。你可以買最貴的裝備，但你的身體變化很誠實。企業導入 AI 也是如此。你可以用華麗的投資項目騙過董事會，但騙不了市場競爭力。找對內部推廣者、建立測試紀律，能夠駕馭 AI 的企業才會展現爆發力。
核稿編輯：張玉琦
