數位轉型裡的能者過勞，是組織把風險都推給跑最快的人

企業剛開始推數位轉型或 AI 的時候，最早動手的人常會遇上「能者過勞」。一個人跑得太快，組織裡的阻力就會集中到他身上——在審核嚴、容錯低、責任還沒講清楚的環境裡，先跑的人扛的壓力跟其他人根本不成比例。

跑得越快，責任越往你一個人身上集中

規矩還沒定下來的時候，誰先把新工具帶進來，事情就容易全算在誰頭上。

多數人的認知還沒跟上，迴避風險最安全的做法，就是把操作問題都推給帶頭的人。更麻煩的是，新流程沒有時間和過往紀錄的背書，一點小瑕疵都會在日常審核中被放大檢視。

這其實是基層面對績效壓力時的自我保護。成熟組織裡，做錯的懲罰通常遠大於做好的獎勵；當「不做不錯」成了最聰明的選擇，一旦出事，總得有人負責，最順手的解釋就是「這是他弄的新東西」——帶頭的人多做的那些事，就這樣成了吸收全公司焦慮的那個位置¹。

跑最快的人沒有慢下來，他們把速度收回自己的範圍

照上一節的邏輯推下去，最穩的走法應該是慢下來：別急著到處推，先把做法磨成標準，等組織跟上。實際發生的事往往安靜得多——人還在跑，速度沒有減，只是跑道換了。

我自己就是這樣。力氣收回來，放在自己管得到的業務上：個人工作流大量交給 AI——AI 秘書、AI 儀表板，能代勞的都代勞。在自己的範圍裡，品質自己把關、風險自己扛得住，速度就回來了。至於要對組織提的新東西，先放著——授權沒下來、配套沒跟上，多提一案，只是把自己再往火線上推一步。說白了就是省力氣：推得動的地方才推。

組織該注意的是接下來發生的事。從外面看，一切如常：人還在做事，成果照樣繳出來，可是新做法再也沒有傳出去——那條「他做出來、大家跟著學」的路，在他把提案收起來的那一刻悄悄關上。

求助倒是沒有變少。提案可以收，求助推不掉：提案是自己開的口，說停就停；求助是別人開的口，一句「幫我看一下」，拒絕的成本是人情和關係。於是講課、技術轉移、各種詢問照樣找上有解法的人，就算名義上推動另有專責單位。

這才是「能者過勞」真正的樣子：躲掉了提案的風險，躲不掉支援的消耗。麻煩的是，這些支援在組織眼裡很像「轉型還在動」。兩件事得分開看：回答問題是幫某個人解決某件事，做完就散了，沒有留下標準，也沒有改到制度；人一抽走，一切歸零。所以轉型的帳面上還有活動，實際的推進早就停了。

graph TD;

    subgraph S1["階段一：嘗試組織外擴"];

    A["個人導入 AI/新工具"] --> B["提組織新方案/擴展新流程"];

    B --> C["撞上既有合規與嚴格審查"];

    C --> D["吸收全公司焦慮與出錯風險"];

    end;

    subgraph S2["階段二：將速度收回個人範圍"];

    D --> E["不再對組織提案"];

    E --> F["個人工作流 AI 自動化"];

    F --> G["品質自管 / 風險自扛"];

    G --> H["成果照樣繳出，新做法留在個人範圍"];

    end;

    style D fill:#f9f2f4,stroke:#c7254e,stroke-width:2px;

    style G fill:#f4f9f2,stroke:#468847,stroke-width:2px;

制度接手，個人的速度才會變成組織的能力

這條路要重新打開，等當事人自己發熱心是等不到的，得由決策層出手，大致三件事。

graph LR;

    subgraph SP["制度接手三支柱"];

    P1["1. 劃出安全範圍
(劃清責任 / 盤點例外 / 品質可量 / 隨時可退)"];

    P2["2. 修改既有規則
(主管頂住審查壓力 / 調整日常績效與授權)"];

    P3["3. 數據平行對比
(新舊做法平行跑 / 用同一把尺與數據說話)"];

    end;

    P1 --> OUT["個人速度轉化為組織能力"];

    P2 --> OUT;

    P3 --> OUT;

    style OUT fill:#2C3E50,color:#fff,stroke:#2C3E50;

第一件是先劃範圍再推廣。試點流程至少要滿足四個條件：責任講清楚、例外情況盤點過、品質好壞量得出來、舊流程隨時退得回去。劃出安全範圍，把嘗試新做法的風險和日常營運的查核壓力隔開；白紙黑字給出容錯空間，基層才敢放下防備。

第二件是規則要跟著改。轉型一定會撞到既有的合規和流程邊界，主管真正的作用，是在帶頭的人被卡住時替他頂住內部審查的壓力；同時，獎勵、授權、出事誰扛，都得一起調整。只靠加分或口頭鼓勵，翻不動「不做不錯」這筆帳，得從日常績效和出錯怎麼處理下手。

第三件是用數據代替說服。讓新標準和舊做法平行跑一段時間，用同一把尺量兩邊的產出品質；數據站得住，反對的聲音自然會小下去，剩下的通常才是真問題，值得一件一件處理。要注意順序：數據能平息的是「新做法行不行」的爭論；怕出事的人要的是第二件事——究責規則先改，數據才有人敢信。

三件事共同要解決的，是當初讓他收手的那筆帳：風險有人接、規則站得住、成績有人記，收回去的力氣才有理由重新拿出來。

這個觀察有它的適用範圍：它發生在制度重、查核多的成熟組織。小團隊或新創裡，帶頭的人直接快跑、直接改流程，通常推得動，也就不會有收回去這回事。

回到開頭那個跑最快的人。他多半還在跑，只是在自己的範圍裡跑。企業 AI 轉型能不能成，看的是制度有沒有接手，讓他跑出來的東西能安全地變成大家的；這件事發生得越早，組織付的學費就越少。

先帶回工作裡試一次

1. 找出你們組織裡「大家都去問的那個人」，回想他最近三個月有沒有主動提過任何新做法——沒有的話，這篇說的那條路可能已經關上了。
2. 翻出最近一次試點的文件，對照四個條件數一數：責任講清楚、例外盤點過、品質量得出來、隨時退得回去——缺幾個，風險就集中在誰身上。

若你正在處理類似的導入情境，或想持續追蹤這類判斷，可到 Jed 的 LinkedIn 追蹤或私訊。

延伸閱讀

• 馬達與舊皮帶-企業AI轉型的認知陷阱與50-30-20破局法則
• 效率陷阱：當AI讓效率提升，組織為何更安於現狀？

參考資料