生成式AI與人才職能的３種關係：你會因此變更強、還是直接被取代？

蔡明順分析AI早期採用者的動機大致分為三類：（1）組織規模大有自動化需求、（2）面臨國際競爭、（3）供應鏈要求，都可以發現大部分的應用集中在「對內」降低工作量、削減成本，而非用於創造新服務、產品或商業模式等與利潤直接相關的業務中。

相反的，AI高效能組織（麥肯錫定義：2022年至少20％税前利潤歸因於使用AI的企業）將AI用於「創造商業價值」的比例是其他企業兩倍。兩相對照下，多數台企善用AI的能耐還有一大段路要走。

雖然有人跑得快、有人慢慢走，但企業遲早會走進全面使用AI的時區，領導者如何打造人機協作的職場？

組織面對AI：人性是關鍵

就像用人要了解優劣一樣，應用AI前，也要先理解其能力與局限。哈佛大學與BCG波士頓管理顧問公司合作，研究其顧問與ChatGPT協作的成效，發現有使用AI的組別，效率平均成長25％、品質成長40％，然而在部分任務上，使用AI的錯誤率卻很高，竟達19％。

論文指出，AI並非全能，在每個領域的表現都不同，亦即在能力範圍內的任務，可為工作者帶來效益；超出能力範圍的工作，例如需要同理心、判斷情緒的複雜問題，則容易誤導員工，反而幫倒忙。下一步如何優化、用對AI至關重要。

研究中提出兩種適配方式值得參考。第一種是半人馬（Centaurs），辨認出AI擅長的部分，並定位出明確的角色分工，例如顧問製作簡報，用AI進行數據分析、生成報告初稿，最後再自行彙整、分析；第二種是半機器人（Cyborgs），顧問與AI的界線較模糊，整合更深度。例如顧問進行市場研究，AI即時給予建議與分析，顧問依此調整策略與方向，兩者共同完成任務。

當員工開始試驗AI，如何創造效益是管理者的新任務。

「如果你沒有考慮到員工是害怕改變的，轉型很容易失敗。」IBM在人資部門導入許多AI應用，例如內部職位媒合、專案人選自動推薦機制等，IBM台灣人資長李欣翰指出，當時在試驗的階段，就考慮到目標要隨時因應試驗結果機動調整，將原本一年一次的考績，改為一季一次，讓員工不需要在面臨變動時，還要遵照年初不同時空背景訂定的KPI，進而加速轉型。

(責任編輯 / 杜韋樺)