與我們聯繫

AI 能力持續進步，企業為什麼需要重新設計流程？

上週〈微軟的 AI 轉型啟示：AI 用量增加，為什麼工作成效未必提升？〉談到，企業需要將 AI 的使用連結到實際工作成果，並透過持續學習改善導入方式。在微軟分享自身 AI 轉型經驗的文章中，重新設計流程也是重要的一環。

AI 可以幫助員工更快完成研究、整理資料與撰寫內容。但一項工作從提出需求到完成交付，中間還涉及像是任務分工、如何交接，以及必要的審查節點。如果這些安排都維持原樣，個人省下的時間，真的能讓整段流程創造更多效益嗎？

本篇 Aiworks 將帶大家辨認流程問題、了解它們如何出現，再說明 AI 為什麼讓企業需要調整原本的工作安排。

流程有哪些問題？這些問題是怎麼出現的？

從 McKinsey 對跨部門流程的分析中，可以整理出與部門協作相關的五種問題，作為檢視流程的切入點：

  • 組織職責重疊： 不同單位承擔相近職責，產生重複作業。
  • 不必要的複雜度： 流程要求過細，增加了對成果幫助不大的工作。
  • 資源配置缺乏策略： 不清楚哪些流程最能創造價值，資源未能有效分配。
  • 治理與審查重複： 持續審查、重新討論已做出的決策，造成意見衝突。
  • 資料分散且定義不一致： 各單位用不同口徑整理數據，形成不同版本的事實。

這些問題是怎麼出現的？

工作需要不同專業共同完成，分工也會帶來資訊傳遞、需求確認與排程協調的成本。流程經過的人員越多、跨部門銜接越頻繁，需要協調的地方通常也會隨之增加。管理流程時，其中一個目標就是找出哪些是額外成本。

例如，交接時沒有說清楚用途與驗收標準，接手的人就得反覆詢問；前後段的處理時間沒有配合，工作做好後仍然需要排隊等待同事接手。

有些問題則來自長年累積的要求。每次遇到例外，就新增一道程序，流程逐漸變得複雜，卻少有人回頭檢視這些步驟是否仍有必要。即使第一線人員知道作業重複，也可能因為缺乏調整權限，或需要跨部門協調，而繼續沿用原本的做法。

AI 帶來兩項改變：讓既有問題更加明顯，也創造新的工作方式

前段產出增加，後段處理能力未必跟得上

根據 Lean Enterprise Institute 的說明，瓶頸是現有資源條件下，限制系統增加產出的環節。

下圖比較三種安排。在需求充足、每件工作都須經過審查，且沒有其他限制的假設下：

  • 原流程： 前段每小時準備六件，審查只能處理兩件，整體每小時最多完成兩件。
  • 只加速前段： AI 讓前段提高到每小時十二件，但審查能力不變，整體仍只能完成兩件；若持續送件，待審工作就會增加。
  • 提高瓶頸處理能力： 前段維持每小時六件，審查提高到四件，整體產出上限才增加到每小時四件。
假設示意：只加速前段，產出上限不變；提高審查能力後，整體上限才由每小時兩件增至四件。 （圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
假設示意：只加速前段，產出上限不變；提高審查能力後，整體上限才由每小時兩件增至四件。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）

AI 加速的工作越多，前後段的處理能力就越需要配合。否則，員工雖然更快完成自己的任務，在瓶頸節點仍需排隊等候消化，導致總交付時間未必縮短。

AI 能力持續擴展，讓工作有了新的安排方式

運用 AI 生圖與網站生成，讓需求更具體，減少溝通往返成本

以請設計師製作圖片為例，過去單靠文字說明，常要等初稿完成才發現理解不同，再來回修改。先用 AI 產生圖片草稿或網站雛形，就能在製作前具體確認構圖、風格與配置，減少溝通成本。

情境示意：先具體呈現需求，有機會減少後續往返；實際修改次數依需求而異。 （圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
情境示意：先具體呈現需求，有機會減少後續往返；實際修改次數依需求而異。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）

隨著 AI 能力提升，更多任務能一次交辦、接續完成

MIT Sloan 介紹的「任務串接（task chaining）」研究說明，適合 AI 處理的相鄰任務，可以交由它連續完成，減少每一步之間的閱讀、驗證與調整。 當 AI 能穩定連接更多工作工具後，這種安排也更容易用在日常工作中。

例如，整理會議內容時，原本要由人上傳逐字稿，再把 AI 產出的紀錄搬到文件與郵件中。現在連接雲端資料與 Gmail 後，就能一次交辦，讓 AI 讀取逐字稿、整理並儲存紀錄，接著建立通知信草稿，最後由人確認，省下中間搬移資料與重複交辦的時間。

情境示意：AI 接續處理，人確認最終成果。 （圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
情境示意：AI 接續處理，人確認最終成果。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）

這些例子提供了調整流程的可能，但實際要調整哪些步驟、保留哪些節點，仍需要回到企業的工作需求來判斷。

企業可以怎麼重新設計流程？

讓熟悉實務、能協調流程與了解 AI 的人一起參與

第一線人員最清楚實際怎麼做、哪些例外經常出現。主管能判斷哪些是必要的審核要求，以及協調跨部門資源與決策權。了解 AI 的工程師或導入人員，則能協助確認技術可行性，以及哪些任務適合串接。

Uber 的 Agentic Pods提供了工程與業務專業合作的例子：工程師與領域專家一起觀察實際工作，找出應用機會，再共同開發與驗證。

結合實務經驗、跨部門協調與技術理解，共同調整工作安排。 （圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
結合實務經驗、跨部門協調與技術理解，共同調整工作安排。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）

以整體成效為目標，選擇合適的流程改善方式

局部最佳化的加總，不等於整體最佳化。單一環節省下的時間或成本，可能轉成另一個環節的等待與負擔。

具體調整流程時，可以參考 McKinsey 提出的四個改善方向：刪除不必要的作業、同步資訊傳遞、精簡報告與資料要求，以及將適合的作業自動化。改善後，再比較從需求提出到交付的總時間、整體投入與成果品質，確認整段流程是否受益。

Aiworks 觀點：在實際的 AI 應用中，持續調整流程

重新設計流程一直是企業管理的重要任務。早在 1990 年，Michael Hammer 就主張運用資訊科技重新設計工作流程，僅將既有作業自動化，仍可能保留原本的流程問題。

AI 讓部分工作大幅提速，使原本不明顯的等待與瓶頸浮現。同時，AI 能處理的任務範疇也在持續擴展。從一開始文字對話、寫程式，到後續生圖與網站製作。近期介紹過的 ChatGPT Dots，甚至讓使用者只需要手機就能交辦文書工作，再由雲端電腦接續執行。

因此，企業應該透過實際使用 AI 的經驗，觀察哪些環節出現大量等待成本、哪些成果需要反覆修改，藉此找出重新設計流程的切入點；與此同時，也需要持續了解 AI 能做到什麼，才有機會將適合的新工作方式帶進原流程中。

最後，我們也可以想想：以現在的 AI 能力重新設計流程，我們還會採用目前的做法嗎？

📩 想為你的組織打造 AI 協作能力？

Aiworks 提供企業內訓、客製化培訓與實作工作坊，協助各產業團隊規劃生成式 AI 的導入與應用策略。

▼ 聯絡我們｜規劃你的 AI 實戰課程，讓轉型真正落地 ▼

（若表單未正常顯示，請點擊此連結進入表單填寫頁面）

推薦延伸閱讀

▶ 微軟的 AI 轉型啟示：AI 用量增加，為什麼工作成效未必提升？

▶ Uber Agentic Pods：讓工程師與領域專家一起找出可落地的 AI 應用

▶ ChatGPT Dots 是什麼？雲端 Agent 與團隊協作更新解析

參考來源