由 Emma Martinho-Truswell 所撰。本章主張：要讓組織從 AI 真正受益，全體員工——而非僅 AI 專家——都應掌握三個基本問題的答案，這樣他們才能在自己的日常工作中發現 AI 可以介入的「低垂果實」。

為什麼每位員工都該認識 AI#

關於 AI 的文章常以科幻情節或駭人的失業數字開場，但作者認為 AI 真正的價值多半藏在「讓工作稍微輕鬆一點」的平凡場景中。例如，差旅報帳軟體用機器學習從收據中萃取商家、金額、稅額與費用分類——這就是 AI 在日常釋放人力的典型應用。

發掘這類機會不只是領導者的責任。組織內最了解流程細節的人，是最有可能找到 AI 切入點的人——前提是他們知道 AI 能做什麼、不能做什麼。

把機器學習比喻為飛機：你不需要會駕駛，才能判斷哪些新航線值得開——你只需要知道飛機大概能做什麼、不能做什麼。同樣地，企業常把 AI 投資的全部心力放在「招募專家」與「採購工具」上，卻忽略了讓全體員工理解 AI這項關鍵投資。

員工該回答的三個問題#

1. 它怎麼運作？（How does it work?）#

員工不必親手打造 AI 系統，但應理解它如何處理資訊、產出答案。最重要的是分辨人腦學習與**機器「學習」**的差異：

• 人類分析 100 萬筆資料時，必須先簡化資料（取平均、畫圖表）才能理解
• 機器學習演算法則能在計算時逐筆使用每一個資料點
• 演算法是透過既有的「輸入—輸出」資料集訓練出辨識模式的能力

既然資料是 AI 提供有用答案的基礎，管理者就有責任確保團隊具備基本的資料素養（data literacy）——理解數字在說什麼，以及其中可能藏著哪些偏見與錯誤。

2. 它擅長什麼？（What is it good at?）#

機器學習工具在以下條件下表現最佳：

• 有大量可信賴的資料可供訓練
• 在人類明確界定的範圍內回答問題
• 任務有清楚的成功標準

例如差旅報帳軟體，能從數百萬使用者的收據資料中學會判斷「星巴克的咖啡」應該歸類為差旅、文具還是娛樂。理解 AI 擅長什麼，就能反推它不擅長什麼——新穎的、缺乏有意義資料的問題，依舊是人類的專長。

用員工已在使用的 AI 工具（社群媒體廣告、串流平台推薦）作為例子，能快速幫助他們建立對 AI 能力與限制的直覺。

3. 它絕對不該做什麼？（What should it never do?）#

機器能解決一個問題，不代表它應該解決。機器無法理解資料中潛藏的偏見，也無法理解自己建議所造成的後果。有些問題，組織就是不該交給 AI 決定，例如：

• 由演算法做出最終的招聘決定
• 決定董事會該討論什麼議題
• 決定如何處理績效不佳的員工

若員工事先思考過 AI 在倫理上的合理界線，他們會成為阻止 AI 濫用的重要防線。

結論#

在 AI 時代表現最好的組織，將具備兩項能力：

• 快速發現讓 AI 協助員工把日常工作做得更好的機會，並能迅速落實
• 明確判斷何處該部署機器學習、何處應避免

這些組織會在投資技術的同時，提醒團隊「人類專長」的重要性：支援同事、清晰溝通、勇於嘗試新點子。要為「無所不在的 AI」做好準備，整個團隊也必須一起準備好。