重點摘要
- 試點失敗通常是因為無人負責、數據不足和變革管理，而不是技術問題。
- 每個試點都需要指定負責人、基準數據和決策日期。
- 要為使用工具的同仁作計畫，而不只是為工具本身。
不少公司做過 AI 試驗，示範時讓人眼前一亮，之後卻不了了之。這個情況普遍得有個名字，叫「試點煉獄」。原因可以預計，也就代表可以預防。
一、沒有人對成果負責
如果試點屬於 IT 部，業務部門會視之為技術實驗；如果交給一位沒有時間的部門主管，它永遠不會完成。解決方法：委任一位導入負責人，以衡量得到的節省作為目標。
二、沒有基準，就沒有證據
沒有試點前的數字，誰也證明不了它有效。解決方法：開始前先衡量工時、處理量及錯誤率。
三、數據未準備好
AI 需要的文件、記錄或知識分散在共享硬碟、電子郵件和紙本之中。解決方法：把數據整理納入專案計畫及預算，而不是事後補救。
四、流程從未重新設計
在低效的流程上加入 AI，只會得到一個更快的低效流程。解決方法：先盤點流程，刪去不必要的步驟。
五、同仁不願意用
同仁因為習慣或擔心被取代，繼續沿用舊方法。解決方法：培訓使用者，讓他們參與設計，並清楚說明騰出的時間將如何運用。
六、資安及合規太遲介入
建基於公眾 AI 工具的試點，到法務或資訊安全終於審查時被叫停。解決方法：一開始就按公司內部 AI 政策，協定可用的工具及資料規則。
共通點
以上每一項都是導入上的問題。工具已經足夠好，欠缺的是一位全職負責讓工具在業務中運作的人，這正是 AI 導入主管的角色。