在企業投入生成式 AI 的過程中，一項 2026 年 7 月發布於 arXiv 的實證研究《The Deployment Wall》指出一個落差極大的數據：全球企業在生成式 AI 上的年投資額已達數百億美元，但獨立實地調查發現，高達 95% 的概念驗證與試點專案，最終無法在損益表上呈現具體的改善成效。
與這個研究數據形成對照的，是許多組織內部真實發生的場景。
管理層在預算編列完成後，採購了功能最強大的通用 AI 企業版授權。系統管理員發送信件，通知全員帳號已經開通，甚至在週報中展示高達 80% 或 90% 的開通率。當熱鬧的宣傳告一段落，員工坐在電腦螢幕前打開軟體，映入眼簾的只有一個空空如也的文字輸入框，游標在畫面中央閃爍。
許多人在這個輸入框前停了下來。
手放在鍵盤上，游標閃爍了幾十秒，不知道第一句話到底該問什麼。最後大家默默關閉分頁，轉身開啟慣用的試算表與文書軟體，繼續用熟悉的方式處理手邊的工作。這項新工具的活躍度，也往往在首週的高峰過後迅速下滑。
面對全能的 AI，為何多數人「無話可說」？
通用聊天機器人的底層模型具備極強的理解力。只要你願意開口，無論輸入什麼樣的自然語言，AI 都能試著去解讀並給出回應。
這份無邊無際的自由，在真實的辦公室裡卻造就了兩極分化的場景。當多數人對著空白對話框發呆、不知道第一句話該問什麼時，總有幾個同事的鍵盤敲個不停，彷彿和 AI 有說不完的話。
這兩者之間的真實落差，取決於拆解自身工作流程的能力。
那些能與 AI 侃侃而談的人，清楚知道自己每天的工作是由哪些具體環節組成的。他們知道現在卡在「比對兩份規格書的差異」，或是需要「把這段會議錄音轉成條列式的待辦事項」，因此能精準地把這份需求拋給工具。
多數人在長期的行政雜務中，早已把工作變成一種未經拆解的反射動作。當一個全能的數位助手突然出現在面前等待接收指令時，人們才猛然發現，自己根本不知道怎麼把手邊的一團混亂，描述成一個具體的問題。
空白的對話框，就像一面鏡子。它毫不保留地暴露了我們在日常工作中，極度缺乏定義問題與給予脈絡的能力。當 AI 把執行的勞力成本降到最低，職場的瓶頸就直接轉移到了「如何把問題說清楚」。
這也解釋了為什麼許多企業熱衷於開設 AI 工具操作課，卻往往收效甚微。真正的癥結點在於，工具操作如果不會，隨時可以直接問 AI；但「提問與定義問題」牽涉到個人的認知層次與對業務邏輯的拆解能力，這遠比熟悉軟體介面更難教。要求每一位每天被臨時交辦事項追著跑的基層工作者，瞬間具備這種將任務結構化的能力，本身就是一種不切實際的期待。
高頻行政需求與工具孤島
回顧我在推動 AI 應用時的經驗，公司為各部門準備了功能完整的通用 AI 工具。我們原本預期大家會主動將工作搬上平台，但全公司的需求調查卻暴露出截然不同的現實：公司工具都買齊了，同仁卻卡在最基本的使用門檻上。
第一線的困境可以拆解成三個層次：大家都「知道要用 AI」，但面對每天壓得人喘不過氣的會議紀錄、跨單位通知或是定期報表時，卻「不知道可以這樣用」，沒想過這些高頻且格式固定的雜務，正是最適合交給工具的環節。即使有人提醒，面對螢幕上的空白對話框，多數人依然卡在最深的第三層——「連第一句話該怎麼開口都不會」。
這些人平常在座位上能和同事順暢交接工作、在電話裡能把專案細節講得清清楚楚，但一面對 AI 的輸入框，卻彷彿喪失了表達能力。背後隱藏的機制是，多數人潛意識裡把「輸入指令給電腦」當成了一件極度正式的嚴肅任務。他們在腦中啟動了耗能的「系統二」去字斟句酌，深怕文法不對或指令不完美會讓機器無法運作。這份把對話框當成「考卷」的過度慎重，反而變成了最沉重的認知負擔。
當通用工具被獨立放置在瀏覽器的一個分頁裡，它就成了一座與日常作業脫節的資訊孤島。員工想要借用 AI 的能力，必須先把公文系統裡的文字複製出來，貼到聊天框，絞盡腦汁打上一段指令，等模型產出文字後，再手動複製貼回原本的郵件系統裡，並逐字調整排版格式。
這段來回切換視窗與搬運資料的繁瑣過程，迅速消磨了所有人的耐心。當操作的阻力大於效益，基層最理性的選擇就是回到慣性。大家默默關掉 AI 工具的分頁，重回老路，繼續用土法煉鋼的方式處理手邊的行政作業，讓昂貴的數位轉型專案，退化回實打實的「人工」智慧。
轉向情境化協作模式
在《The Deployment Wall》這篇論文中，研究團隊指出，企業 AI 落地面臨的核心挑戰，通常卡在模型與組織既有架構之間嚴重的「接合面摩擦」（friction seams）。如果企業只負責購買模型帳號，卻將接合處的落差留給個別員工自行克服，這項投資就難以轉化為穩定的業務產能。
這項洞察為企業指出了具體方向：組織必須停止逼迫全體員工硬學新工具，改讓 AI 直接在現有的工作流程中介入。
要讓工具真正融入工作，組織很難期待每位同仁自發性地成為語言模型專家。比較務實的做法，是在內部組成一支專家小隊。這支隊伍直接走進第一線，觀察大家平時處理報表、交接工作的方式，接著帶著團隊在真實的業務場景裡，實地演練怎麼跟 AI 一起工作。
從大家每天處理的高頻文書任務切入，如果部門每週都需要整理固定的跨單位會議紀錄，這支專家小隊就能帶著同仁，預先將該會議的既定欄位、關鍵字對照表與輸出格式固化成專屬的工作範本。當任務被情境化之後，同仁不再需要對著空白對話框沉思，只需要把會議速記或錄音放進預設好的框架中，系統就能產出符合組織規範的草稿。
當提示詞的構建、格式的限制與背景知識的掛載都在背後被妥善承接，第一線人員所面對的就是一個有明確輸入與預期產出的具體協作節點。在這樣的設計下，溝通範圍自然收斂，員工也知道手邊的資料該往哪裡擺。
衡量導入成效的真實標尺
衡量組織數位轉型是否落地，標尺不該停留在採購軟體授權的數量，或統計每個月曾登入系統的人數。
開通帳號只是給予了存取通道。一項工具能否在組織中生存，取決於它在員工的工作流程中，究竟替人承接了多少整理資料與構思指令的繁複步驟。
當我們將焦點從要求員工適應空白對話框，轉移到在工作流中建立低門檻的承接介面，工具才能跨過展示階段，在團隊日常業務中發揮實質作用。
參考資料
- The Deployment Wall: A Diagnostic Framework and Instrument for Enterprise AI in the Deployment Era（發佈日期：2026-07-31），arXiv:2607.29089，https://arxiv.org/abs/2607.29089
- How Organizations Use AI: Evidence from ChatGPT（發佈日期：2026-08-12），arXiv:2608.12236，https://arxiv.org/abs/2608.12236
- Adoption of Generative AI in the Workplace: Increasing and Shifting the Balance of Productivity and Communication Activity（發佈日期：2026-08-16），arXiv:2608.15550，https://arxiv.org/abs/2608.15550
常見問題
為什麼企業導入 AI 後，多數員工仍不願意使用？
員工面對空白的通用對話框時，往往缺乏將日常工作拆解並具體描述成問題的能力。這種不知如何開口的認知門檻，加上擔心下錯指令的心理負擔，使得多數人最終選擇回到熟悉的舊流程。 -
什麼是企業 AI 落地的「接合面摩擦」？
指的是通用 AI 模型與組織既有工作流程之間缺乏介接。若工具獨立於公文或報表系統之外，頻繁複製貼上的繁瑣操作會抵銷 AI 帶來的效率，導致工具無法真正融入生產架構。 -
如何解決員工面對空白對話框不知所措的問題？
組織應停止逼迫員工硬學新工具，改由內部專家小隊深入第一線，將高頻行政事務（如會議紀錄、報表整理）固化為專屬範本。當 AI 直接嵌入特定工作流程中，就能有效降低員工的使用門檻。
