克服AI焦慮症

最近這半年，我在不同企業內部聽到一種很相似的聲音。有些公司在問：「面對AI時代，我們是不是落後了？」也有公司在擔心：「現在不做AI，會不會來不及？」不少員工也開始焦慮，擔心自己的工作會被取代。

於是，企業開始上課、買工具、做專案。看起來在加速，但不少決策，其實是在還沒看懂之前，就已經必須做了。這種「必須一直做決定，卻沒有把握自己在做什麼決定」的狀態，我把它稱為「AI焦慮症」。

過去管理理論早就提醒過，當組織面對高度不確定時，最容易出現兩種反應：一種是過度投資，一種是過度保守。表面上看起來相反，本質上其實一樣，都是因為看不懂。也因此，在AI這件事上，真正關鍵的是先搞清楚這是什麼(what)？對我們的衝擊(so what)？。

而且這種學習必須要擴大至全體員工，不能只停留在CEO或少數高階主管身上，也就是要成為有設計的組織學習。
談到組織學習，就很難不說到James G. March 與 Daniel Levinthal 的觀點。

他們指出，企業的存續，取決於兩種力量之間的拉扯：利用（exploitation）與探索（exploration）。「利用」是把既有能力用得更好，而「探索」則是走進未知，處理那些還沒有答案的問題。

兩者本來就難以平衡。當領導者對未來沒有把握時，組織很自然會往熟悉的一側傾斜，把資源放在既有能力，而不是投入不確定的探索。問題在於，一旦探索被壓縮，組織對未來的理解就會停在表層。

這也是為什麼，許多企業在AI上產生的焦慮，並不是因為技術落後，而是因為不知道該往哪裡探索。而當探索失焦，學習本身也會跟著失焦，進而出現幾種典型的「學習短視」。

一、時間的短視（Temporal Myopia）：看近不看遠

我常被問：「AI投資多久會看到ROI？」
這個問題本身沒有錯。但當決策只圍繞在短期財報表現時，AI很容易被當成效率工具，而不是能力建構。結果是短期數字改善了，但需要時間醞釀的創新，反而被擠壓掉。

二、空間的短視（Spatial Myopia）：見樹不見林

很多企業從單一部門切入，例如客服或行銷，自動化效果看起來不錯。但如果資料沒有打通、決策流程沒有改變，這些改善往往停留在局部，也很難轉化為整體競爭力。

三、失敗的短視（Failure Myopia）：害怕失敗

AI在組織中的應用，本質上需要大量試驗。但不少組織仍然用「不能出錯」的邏輯在管理。結果員工只敢做安全的優化，不敢處理真正有不確定性的問題。久而久之，組織看起來在動，但其實沒有在學。

所以，面對AI焦慮，與其急著加大投入，不如先回頭看一件事：我們的學習環境，是否正在讓組織變得更短視？如果是，問題就不在AI，而在學習的機制。

我會建議從幾個地方開始調整。

第一，讓組織真正「看懂」AI

多數企業在學AI時，很快就進入工具與應用的層次，但這其實只是表面。更關鍵的是回到商業本質：哪些決策會被改寫？哪些工作會被重組？哪些能力會變成關鍵？這些問題如果沒有釐清，後面的投資，很難會有具體方向。

第二，刻意保留探索空間

當資源被既有業務占滿時，AI專案很自然會被放在短期績效的框架下檢視。結果是，成果看得到，但探索不一定存在。因為，探索的過程不會自然發生，必須被好好管理。

第三，重新看待成功與失敗

每一次成功，都值得多問一句：這是能力，還是運氣？如果環境改變，還會成立嗎？相對地，那些沒有成功的嘗試，也應該被重新檢視，從中找到新的學習。

對企業而言，AI看起來是技術問題，但真正需要面對的，是在不確定中如何理解問題。在這樣的情境下，組織會怎麼學，往往比學什麼更關鍵。當多數企業還在比誰導入得快、用得多時，差距其實已經在學習方式與資源配置上慢慢形成。短期看不太出來，但時間一拉長，有些企業只是把原本的事情做得更好，有些企業，開始做原本做不到的事，而差別的產生，就是因為後者把AI視為組織學習，而不是單純的技術投入。