六成企業看不到 AI 成效，CEO 們該問的不是用了多少 AI 而是「品質怎麼衡量」
AI 唯有在不犧牲品質的前提下，才真正有價值，因為速度容易取得，維持品質卻很困難；而這個落差已經反映在產業數據上：麥肯錫全球調查發現，近八成組織已在至少一項業務功能使用生成式 AI，62% 正在實驗代理型 AI，但仍有 60% 的受訪者，尚未看到企業層級的獲利影響。 以典型的業務漏斗為例，管理者用它判斷交易卡在哪個階段，執行長用它追問成交率為何下滑，董事會則用它驗證預測，所有人看的是同一組數字——但企業目前還沒有對應的框架能校準 AI 完成的工作。 框架要納入的三項原則 要建立這套框架，得先回到管理的基本分工，包括管理者指揮工作、評估產出，執行長權衡脈絡、修正方向，董事會監督風險、要求領導層當責；這些既有紀律，現在同樣要套用到 AI 完成的工作上。 第一項原則，是用人類判斷力抑制風險。用更少力氣完成更多工作，向來讓人感覺良好，AI 把這種快感放大了，尤其當 AI 公司採用依用量計費的模式時，互動會被設計得讓人感覺良好，即使品質正在受損。 史丹佛大學一項研究就發現，在相似情境下，AI 模型給出的回應，比人類多出近 50% 的討好成分，即使使用者提出的是有風險、不道德甚至涉及犯罪的問題也是如此。因此員工必須記得，自己被雇用是因為雇主相信他們具備良好判斷力。 第二項原則，是及早且持續辨識失衡。AI…
The skinny
The skinny isn't ready yet — notes appear once the transcript is processed.