THINK BIG
AI 導入 · 落地卡關 · 使用率
AI 導入後沒人用？問題多半不在 AI——從員工每天真的會做的那一件事反推
AI 導入後沒人用，多半不是模型不夠聰明，而是沒先想清楚要拿它做什麼、沒教員工用，也沒放進每天的工作裡。解法是從員工每天真的會做的一件事反推。
一現象：買了、裝了、開通了，然後沒人用
很多公司都經歷過這個過程：老闆看到 AI 很厲害，買了工具、開了帳號、辦了一場說明會。兩三個禮拜後再看，員工還是照舊用原本的方法做事，AI 的入口沒什麼人點。
這不是個別公司的問題，國內外的調查都看到類似的狀況：
台灣：最大的卡關是「不知道要用在哪」。據媒體報導，經濟部中小及新創企業署委託工研院做的〈2025 年中小企業 AI 運用現況調查〉，有效回收 1,207 家 199 人以下的公司。結果顯示，中小企業考慮導入 AI 時，最大的挑戰是「尚無明確應用需求」，其次才是對 AI 不理解、導入成本高、人才短缺、成效難以評估。同一份調查也指出，只有約一成五的中小企業有 AI 人才，其中約七成五是會操作現成工具的初階人才。（來源：中時新聞網旺得富，2025-12-26）
全球：多數公司還沒看到成效。一家國際管理顧問公司 2024 年調查 1,000 位企業高階主管，發現 74% 的公司還沒有從 AI 得到具體價值，只有 26% 建立了跨出概念驗證、產生實際價值的能力。（來源：BCG 新聞稿，2024-10-24）
有人用，但不是用公司給的。一家大型軟體公司 2024 年調查 31 個市場、31,000 位知識工作者：75% 已在工作中使用生成式 AI，但其中 78% 是自己帶 AI 工具上班；在工作中用 AI 的人，只有 39% 從公司那裡得到過 AI 訓練。（來源：Microsoft Work Trend Index 2024）
把三份資料放在一起看，畫面很清楚：員工不是不想用 AI，而是公司給的那一套，沒有接上他們每天真的在做的事。
二各方評價：問題在 AI，還是在人和流程？
認為問題在流程與組織的一方，證據不少。前面那家顧問公司在同一份報告中提出「10-20-70」原則：做得好的公司，把 10% 的資源放在演算法、20% 放在技術與資料、70% 放在人與流程。（來源：BCG 新聞稿）
美國麻省理工學院（MIT）一個研究計畫 2025 年發布的初步報告也有類似結論。據《Fortune》報導，報告指出多數企業的生成式 AI 導入沒有達到預期，關鍵不在 AI 模型的品質，而在工具與組織之間的「學習落差」，以及企業整合方式出了問題。（來源：Fortune，2025-08-18）
持保留態度的一方提醒兩件事：1. 數字要看清楚來源。MIT 那份報告是初步研究，樣本與方法各家報導說法不一，不能當成「所有 AI 專案都會失敗」的定論。2. 工具本身也有責任。答案常出錯、沒附出處、反應很慢的 AI，員工試一兩次就不會再用。工具品質不夠，再多教育訓練也救不回來。
兩邊其實不衝突：工具要夠好，是基本門檻；但跨過門檻之後，決定有沒有人用的，是「用在哪、誰在用、怎麼用」。
三、我們實際做的時候的心得
Think BIG 幫企業部署 AI Agent，交付後也會持續看使用紀錄。以下是不具名的通用經驗：
1. 沒人用的系統，症狀都很像。員工繼續用舊方法；問一次答錯就不再問；入口藏在要登入好幾層的地方；大家不知道該問什麼；答案沒附出處，員工不敢直接用；權限設錯，該看到的文件看不到。這些幾乎都和模型聰不聰明無關。
2. 從「一件事」反推，而不是從「一堆功能」開始。我們開工前會先找一件符合三個條件的工作：每天重複發生、規則寫得出來、答錯的代價可以控制。例如「業務查產品規格」或「新人查內部規定」。一件事先做到大家天天用，再談第二件。
3. 驗收題用員工真的會問的問法。我們會準備一批「已知答案」的驗收題，而且盡量用員工平常的說法，包括簡稱、口語、甚至錯字。用標準問法測得很漂亮、員工一問就答不出來，是很常見的落差。
4. 把 AI 放在員工已經在用的地方。多開一個新網站、新帳號，就多一道門檻。能放進員工每天在用的聊天工具或既有系統，使用率通常會好很多。要注意的是，接上 LINE 這類外部聊天通路時，透過那個通路的訊息會經過該服務，導入前要先講清楚。
5. 查不到就說不知道，答得出來就附出處。員工敢不敢用，取決於信不信得過。AI 回答附上來自哪份文件，員工可以自己點開確認；查不到時明說不知道，比硬掰一個答案更能建立信任。
6. 交付之後，每週看一次紀錄。員工問了什麼、哪幾題沒答好、哪些文件該補，都在紀錄裡。內部指定一位窗口，每週花一點時間看紀錄、補資料，系統就會越用越準。這也是前面提到的「學習落差」最實際的補法。
做了這段時間，我們最深的體會是：AI 導入的成敗，常常在開工前就決定了。先把「要拿 AI 做哪一件事」講清楚，後面的問題會少一大半。
四我們的建議：導入前先回答這五個問題
1. 員工每天最花時間、又最煩的工作是什麼？直接去問第一線，不要只問主管。2. 這件事有沒有規則可循？有文件、有標準答案的工作，最適合先交給 AI Agent。3. 答錯會怎樣？先挑答錯代價可控的工作。對外報價、法務判斷這類高風險工作，先讓 AI 擬稿、人工確認。4. 員工會在哪裡用？盡量放進員工已經在用的工具裡，少開新入口。5. 誰負責看紀錄、補資料？指定一位內部窗口，不需要懂技術，但要懂流程、能拍板。
| 先堆功能 | 從一件事反推 | |
|---|---|---|
| 起點 | 工具能做什麼 | 員工每天在煩什麼 |
| 第一個月 | 功能很多，大家不知道從哪用起 | 一件事先做到天天有人用 |
| 驗收方式 | 看展示效果 | 用員工真的會問的問題實測 |
| 交付之後 | 沒人看紀錄，慢慢沒人用 | 每週看紀錄、補資料，越用越準 |
一句話收尾：AI 導入沒人用，先別換 AI，先換問題。
延伸閱讀：如果公司內部沒有人能負責把 AI 接進流程，可以參考 Think BIG NEWS 第 007 期〈FDE 是什麼？〉，談中小企業怎麼用派駐式做法補上這一段。
先問一件事。範圍凍結，30 天內交付。
（以下是 Think BIG 自己的立場，與上方中立報導區隔。）
我們扮演企業的遠端 FDE（派駐式工程）團隊，用 TB FRAME 四階段（評估、建置、驗證、維運）把 AI Agent 接進你的工作：先問一件事：評估階段先找出員工每天真的會做、規則清楚的那一件事，再決定 AI Agent 要做什麼、不做什麼。範圍凍結、30 天內交付：開工前寫清楚範圍與驗收題；範圍凍結與資料到位後 30 天內交付。用員工的問法驗收：交付前用已知答案實測，回答附出處，查不到會說不知道。第一年維運：三種方案都含第一年維護服務，交付後持續看紀錄、補資料、主動告警。
我們不承諾業績，承諾的是把 AI 真正接進你的工作，並且讓你看得到它在動。
常見問題
- Q1：為什麼公司導入 AI 之後，員工還是不用？
- 最常見的原因不是 AI 不夠聰明，而是沒有先想清楚要拿 AI 做哪一件事、沒有教員工怎麼用，也沒有把 AI 放進員工每天的工作流程裡。答案沒附出處、入口太難找，也會讓員工試一兩次就放棄。
- Q2：台灣中小企業導入 AI 最大的障礙是什麼？
- 據媒體報導的經濟部中小及新創企業署委託工研院〈2025 年中小企業 AI 運用現況調查〉，中小企業考慮導入 AI 時，最大的挑戰是「尚無明確應用需求」，其次是對 AI 不理解、導入成本高、人才短缺與成效難以評估。
- Q3：導入 AI 該從哪裡開始？
- 從一件事開始：找出員工每天重複做、規則寫得出來、答錯代價可控的工作，例如查產品規格或查內部規定。先讓這件事天天有人用，再擴大到第二件。
- Q4：怎麼判斷 AI 導入到底有沒有成功？
- 不要只看展示效果。用員工平常真的會問的問法做驗收題，確認回答正確、附出處、查不到會說不知道；交付後持續看使用紀錄，觀察有沒有人用、哪些問題答不好。
- Q5：員工會不會因為擔心工作被搶走而不想用 AI？
- 有可能，所以溝通很重要。建議先從員工最煩、最花時間的重複性工作下手，讓 AI 幫他們省時間，而不是一開始就碰需要他們專業判斷的工作。員工看到 AI 幫自己減輕負擔，接受度通常會比較高。
本文為 Think BIG 產業觀察與第一手實作整理，引用之調查與報導均標註來源；調查數字為各來源公布之結果，MIT 研究為初步報告，本文以報導轉述並註明限制。文中提到的公司以描述代稱、連結附於來源，內容不評價任何公司或產品。我們的第一手經驗全不具名。