當 AI 應用變成發布活動，它便會失敗
為何持久 AI 應用來自反覆工作、審閱、修正和建立信任，而不是一次發布。
重點摘要
- 發布活動製造注意力，但注意力並不是應用。
- 團隊在真實工作使用 AI、審閱失敗、調整邊界，並學習何時可合理信任，應用才會成長。
- 衡量實際工作和結果的改變，而不是授權數量、出席率或最初熱情。
發布活動可以宣布 AI，卻不能建立一種新實踐。
常見模式是購買授權、舉行網上講座、發出政策，然後出現一輪試用。有些人熱衷，有些人謹慎，也有人低調使用。活動增加，實際工作卻可能改變不大。
應用是反覆實踐
當團隊反覆在真實工作使用 AI，並能回答以下問題，專業應用才會形成：它在哪裏有幫助？在哪裏失敗或增加檢查？缺少哪些來源和權限？哪些輸出可安全重用？哪些例外需要人員？下一個循環前應改變甚麼？
這些學習不能在示範中完成，而是從情境使用產生。組織科技研究區分了已安裝的科技與人員透過反覆實踐形成的結構（Orlikowski, 20001）。
發布活動仍可做甚麼
發布可以給予許可、建立共同語言和集中注意力。當它開啟一個受支援的實踐計劃，而不是取代計劃，便有價值。
更強的推行方式會選擇少量有界工作流程、提供連結來源的示例、定義審閱責任、在沒有責備下收集失敗，並據此改變流程。NIST AI 風險管理框架同樣把管治和風險管理視為持續生命週期活動（NIST2）。
衡量甚麼
授權、登入和培訓出席顯示接觸，不能證明工作改善。較有用的指標包括：產生可審閱初稿所需時間、修正的次數和類型、脈絡缺漏率、升級質素、重做、不同角色的應用，以及接收工作的人是否得到更好結果。
當機構知道 AI 應放在哪裏、不應放在哪裏，以及周邊實踐需要怎樣改變，應用才真正可見。這比發布慢，卻持久得多。
Sources
/ 開始
從一個業務成果開始，再逐步擴展。
先選定一個明確的檢視週期、工作流程或團隊，找出更完整的營運脈絡可立即提升前期準備和專業判斷質素的地方。