設計思考 Design Thinking 2026-04-25136

導入了 AI，然後呢？

讀完這篇，你會知道：

為什麼九成企業都在「用 AI」，卻只有少數人真的看到成效
McKinsey 指出讓 AI 計畫卡關的關鍵原因，答案出乎意料
LinkedIn 執行長親自提出的五個 C—AI 時代最值得培養的人類能力

思考的起點

九成企業在用 AI，但大多數人還在「玩票」。

每個月都有新的 AI 工具上線，每一場會議都在討論導入進度，每一份報告都有一頁在說「AI 策略」。看起來一切都在動，但如果你仔細問：這些動作帶來了什麼結果？很多人會沉默。

McKinsey 2025 年的全球 AI 調查覆蓋了 105 個國家、近 2,000 位企業高層，結論非常直接：88% 的企業已在至少一個業務環節使用 AI，比前一年的 78% 還要高。但同一份報告也揭露了另一面—將近三分之二的企業仍停留在「試驗或摸索」階段，尚未真正在企業層級規模化落地；而在所有受訪者中，只有 39% 表示 AI 對公司的獲利產生了實質影響。

也就是說，大家都在「做 AI」，但大多數人還沒有因為 AI 真正賺到錢、省到成本，或改變了工作方式。這就是 McKinsey 所說的困境：AI 導入已成常態，但 AI 轉型還遠遠沒有到來。

與此同時，一個很不一樣的聲音也出現了。LinkedIn 執行長 Ryan Roslansky 與首席經濟機會長 Aneesh Raman 共同出版了新書《Open to Work: How to Get Ahead in the Age of AI》，書中的核心問題不是「如何導入 AI」，而是：在 AI 大幅改寫職場規則的時代，人應該靠什麼站穩腳步？

這兩條線索放在一起，指向同一個問題：當大多數組織還困在 AI 試驗的迴圈裡，真正能突破的，究竟是什麼？

問題不在技術，在於從沒想清楚「為什麼要做」

AI 計畫失敗，最常見的原因不是工具不夠好，而是目標從一開始就沒設清楚。

McKinsey 的報告點出了一個核心問題：許多企業在啟動 AI 試驗時，只問了一半的問題。他們問的是「這個工具能不能做這件事？」但漏掉了更重要的另一半：「就算它能做，這對我們的業務有什麼意義？」

這就是報告中反覆出現的「活動陷阱」（Activity Trap）—把部署工具、展示儀表板、匯報採用率的「行動」，錯當成「成效」。試驗跑完了，技術沒問題，但沒有人在事前定義好：成功應該長什麼樣子？收入要成長多少？成本要降低幾成？流程要縮短多久？沒有基準，就無法衡量改變，自然也無從判斷該不該繼續投入。

McKinsey 將仍停留在「試驗或摸索」階段的企業稱為多數，而那些真正在企業層級看到轉型成效的公司，報告稱之為「高績效者」（high performers），他們的共同特徵不是擁有更先進的模型，而是在組織層面做了截然不同的事。

第一，他們把 AI 的目標設在「成長與創新」，而不只是效率提升。報告指出，八成企業都把效率列為 AI 目標，但高績效者同時把收入成長和創新也納入目標。這個差距，決定了 AI 在組織內的位置是輔助工具，還是核心戰略。

第二，他們的領導層真正投入。高績效者的高層願意為 AI 計畫承擔責任、親身示範使用 AI 的方式，而不只是在季度更新時點頭。McKinsey 的數據顯示，這類公司的領導者「強烈認同高層展現了對 AI 計畫的主人翁意識」的比例，是其他企業的三倍。

第三，他們重新設計了工作流程，而不只是在舊流程裡加入 AI 工具。這是最費力、也最少人願意做的一步—因為它需要組織真正改變運作方式，而不只是換一套軟體。

這三點加在一起說明了一件事：AI 計畫的成敗，是管理問題、是戰略問題、是人的問題，技術只是其中一小部分。

AI 時代，個人靠什麼站穩？LinkedIn 說：五個 C

當職涯的階梯正在消失，懂得爬牆的人才能繼續前進。

Aneesh Raman 在接受媒體採訪時用了一個很有畫面的比喻：過去我們把職涯想像成爬梯子—一步一步、按部就班往上走。但 AI 已經讓這把梯子開始動搖。他說，未來的職涯更像是在爬牆—你可以往上、往側、往斜的方向走，路徑不再是單一的，而是取決於你在每個當下的判斷和選擇。

LinkedIn 自己的數據也印證了這個趨勢：預估到 2030 年，多數職位所需的技能將有約 70% 發生改變，主要原因是 AI 正在快速重塑工作的內容與方式。在這個背景下，Raman 與 Roslansky 在新書中提出了他們稱為「五個 C」的核心能力框架：

Curiosity（好奇心）—保持對新事物的興趣，主動去理解你熟悉職位以外的可能性
Creativity（創意）—用新的方式解決問題，建立人際網絡，而不只是複製已有的做法
Courage（勇氣）—願意嘗試不熟悉的事，接受職涯中的不確定性
Compassion（同理心）—理解他人的需求與感受，這是 AI 至今無法複製的人類能力
Communication（溝通力）—清晰表達想法、建立信任、帶動共識，在 AI 協作的環境中尤其重要

Raman 在書中強調，這些過去被稱為「軟實力」的能力，現在應該被重新理解為「生存技能」。AI 的崛起不會讓這些能力變得多餘，反而會讓它們變得更有價值——因為當 AI 可以完成越來越多規則性、可預測性的任務時，剩下來真正需要人來做的，恰恰是這些能力最能發揮的地方。

他給出的具體建議也很實際：不要用 AI 來替你回答問題，而是用 AI 來幫你想清楚怎麼學習一件新事物。不要讓工具取代你的判斷，而是讓工具解放你的時間，讓你有更多精力去做真正需要人參與的工作——和客戶深度對話、在會議上提出有原創性的觀點、建立只有你能建立的信任關係。

組織的問題和個人的問題，其實是同一個問題

不管是企業還是個人，卡關的原因往往不是技術，而是還沒想清楚「我要往哪裡去」。

把 McKinsey 的組織視角和 LinkedIn 的個人視角放在一起看，會發現它們說的其實是同一件事，只是層次不同。

企業導入 AI 之所以停留在試驗，是因為沒有清楚定義成功的樣子—它只問「能不能做」，沒問「做了有什麼意義」。個人在 AI 時代之所以感到焦慮，很多時候也是同樣的原因：工具變了，但我們還沒想好自己想要創造什麼價值、想在哪個方向成長。

高績效企業的共同點是領導層真正投入、願意重新設計工作流程。對個人來說，對應的動作是：不只是被動地「學會用 AI 工具」，而是主動去思考「在我的工作裡，哪些部分可以交給 AI，哪些部分需要我的判斷和創意？」這個問題問清楚了，才有辦法開始做真正有意義的改變。

McKinsey 報告中特別指出：AI 高績效者是那些把 AI 目標設在「轉型」而非「效率」的企業。Raman 在書中說的「爬牆」，其實也是同一種思維—不是在舊有的框架裡爬得更快，而是願意換一個方向，去找到屬於自己的路徑。

這對正在看這篇文章的人來說，是一個很好的自我檢視起點：你現在用 AI 的方式，是在加快舊有的工作模式，還是在開創一個新的可能性？

當最大的顧問公司也開始重新設計自己

麥肯錫和 Google Cloud 的合作，是一個組織層級「重新設計工作流程」的真實案例。

2026 年 4 月 22 日，McKinsey 與 Google Cloud 共同宣布成立「McKinsey Google Transformation Group」，目標是協助大型企業加速 AI 轉型的落地與規模化。這個合作的核心邏輯，正是 McKinsey 自己在報告中反覆強調的：AI 計畫要成功，需要的不只是技術，而是策略、轉型經驗與技術交付能力的整合。

換句話說，連以策略建議聞名的顧問公司，都選擇和技術公司深度合作，以求在 AI 時代重新定義自己的服務模式。這本身就是一個關於「不只問能不能做，更要問做了有什麼意義」的活生生例子。

對組織和個人而言，這個方向都值得認真思考：在 AI 快速演進的環境裡，「維持現狀」往往不是一個真實的選項。真正的問題是：你準備以什麼方式，重新設計你的工作？

我們的觀點

技術不是問題，問題是我們還沒習慣「為未來設計，而不只是為現在優化」。

McKinsey 的報告和 LinkedIn 高層的觀點，讓我們看到 AI 時代一個反覆出現的核心矛盾：工具的速度遠快於組織與個人的準備速度。大多數企業導入 AI，是因為「別人在做」，而不是因為想清楚了「這對我們意味著什麼改變」。大多數人開始學 AI 工具，是因為擔心落後，而不��因為知道自己想要強化哪個方向。

這種「因為焦慮而行動」的模式，解釋了為什麼大量的 AI 投入沒有帶來真正的成效—它缺少了一個最重要的前提：清楚的意圖。

我們認為，在 AI 快速滲透職場的這個階段，最值得投入的事情，既不是追趕最新的模型，也不是硬塞更多工具進工作流程，而是回答兩個問題：「我想創造什麼價值？」以及「在這個目標裡，哪些部分是只有我能做的？」

五個 C 的框架是一個很好的起點，但它的真正價值不在於記住這五個英文字，而在於它背後的邏輯：AI 時代最稀缺的資源，不是會用工具的人，而是知道為什麼要用、用完之後想做什麼的人。好奇心、創意、勇氣、同理心、溝通力，這些能力的共同點，都是指向「人的主體性」—我選擇學什麼、我決定往哪裡走、我如何和別人建立有意義的連結。

對於正在帶領團隊的人來說，這個邏輯同樣適用：最好的 AI 策略，不是買最多工具的策略，而是最清楚「我們的人要往哪裡去」的策略。高績效企業的領導者之所以能夠帶動真正的轉型，正是因為他們先想清楚了方向，再讓技術成為推進的工具——而不是反過來，讓工具決定組織要走的路。

這個時代不缺 AI，缺的是懂得問好問題的人。

本文關鍵概念速查

AI 高績效者（AI High Performers）：

AI 高績效者是指在企業層級真正看到 AI 帶來獲利影響的組織，根據 McKinsey 2025 年調查，這類企業的共同特徵是領導層深度投入、目標設定在轉型而非效率、並主動重新設計工作流程。

活動陷阱（Activity Trap）：

活動陷阱是指組織把部署工具、展示採用率等「行動」錯當成「成效」的現象，導致大量 AI 計畫停留在試驗階段而無法真正產生業務價值。

五個 C（Five C's）：

五個 C 是 LinkedIn 執行長 Ryan Roslansky 與首席經濟機會長 Aneesh Raman 在新書《Open to Work》中提出的框架，指 curiosity（好奇心）、creativity（創意）、courage（勇氣）、compassion（同理心）、communication（溝通力），被視為 AI 時代最核心的人類能力。

爬牆型職涯（Climbing Wall Career）：

爬牆型職涯是 Aneesh Raman 提出的職涯模型，相對於傳統的「爬梯子」（線性升遷），爬牆型職涯強調路徑的非線性，允許橫向、斜向移動，更適合 AI 時代技能快速變動的現實。

AI 規模化（AI Scaling）：

AI 規模化是指企業從試驗或摸索階段，進入在整個組織層級真正落地、產生業務影響的過程，根據 McKinsey 2025 年報告，僅約三分之一的企業達到這個階段。