如何量度 AI 價值，而不假定它會取代人

專業工作中的 AI 價值，不應只以它有沒有取代人來量度。

這個角度太狹窄，忽略了真正耗費時間和帶來風險的工作，包括整理脈絡、尋找來源、協調負責人、核對證據、草擬第一版、跟進，以及準備審閱。

在不少專業環境中，AI 的價值不是減少思考的人，而是讓人少花時間重組資料，從而有更多時間好好思考。

以取代職位作指標的問題

取代職位容易成為話題，卻很難負責任地套用在實際工作上。

一個專業職位並非一組互不相干的任務。它也包括判斷、問責、關係、風險、標準和脈絡。AI 可以減少部分工序所需的心力，卻不等於取代對結果負責的人。

若量度只着眼於取代，團隊可能錯過更實際的收益：

• 準備時間縮短；
• 來源覆蓋更完整；
• 遺漏的跟進事項減少；
• 新人更快掌握工作；
• 審閱更清楚；
• 協調負擔降低；
• 人與人之間的交接更順暢。

這些不是抽象的軟性好處，而是營運改善。

量度工作流程，而不是宣傳口號

合適的量度單位是工作流程。

例如：

• 每星期案件審閱；
• 供應商續約審閱；
• 客戶跟進審閱；
• 項目交接；
• 供應商研究；
• 建議書準備；
• 分析員入職。

每項工作流程都有改善前後的狀況。準備花了多久？欠缺哪些來源？遺漏了多少跟進事項？審閱者要作多少修正？新人多久才能了解目前工作？

AI 的價值在這些變化中才清楚可見。

更合適的指標

指標應配合專業工作的性質。

這些指標沒有假定 AI 對結果負責，而是量度 AI 有沒有改善負責任工作的條件。

例子：首份草稿的速度

其中一項實用指標，是完成第一份可審閱草稿所需的時間。

使用 AI 前，團隊可能花上數日收集來源、比較選項和準備摘要。加入 AI 支援後，第一份資料包或可在一個下午內完成。

這不代表整項工作在一個下午內完成，只代表團隊更快進入審閱階段。專業人員仍要核對來源、修正假設、運用判斷並決定下一步。

這項分別很重要。價值不在於省略審閱，而在於讓團隊更快由搜尋和整理轉到審閱和決策。

例子：續約審閱

供應商續約可以量度：

• 提前 30、60 和 90 日找到的續約；
• 已連結的合約和發票；
• 已確認的內部負責人；
• 已標示的使用情況或依賴資料缺口；
• 已釐清的審批流程；
• 可避免的逾期續約有沒有減少。

系統毋須批准開支也能產生價值。它先整理資料，讓續約判斷有更充分準備。

對續約審閱而言，決策結構比日期清單更重要。團隊需要知道公司支付多少、與去年相比有何改變、誰依賴該工具、使用情況是否支持相關開支、合約條款如何限制取消，以及應採用哪條審批路徑。

這帶來多項可量度改善。續約清單提前顯示 30、60 和 90 日的時限，財務因而少遇到突如其來的續約。摘要把發票、合約、負責人和使用證據連在一起，預算負責人不用再四處尋找資料。加價、欠缺使用證據和依賴程度等問題在限期前浮現，採購團隊也有更好的談判位置。

簡單版本可以每月產生續約資料包。較完整的版本則把每項續約維持為持續更新的工作項目，並記錄證據是否齊全、負責人是否確認、使用情況是否核對、風險是否審閱和批准是否待辦。兩種方式的價值都來自把零散的預算討論整理成一項準備好的決定。

例子：客戶跟進

重視客戶關係的團隊可以量度：

• 已記錄的承諾；
• 已指派負責人的跟進事項；
• 逾期承諾有沒有減少；
• 敏感跟進有沒有適當上報；
• 訊息草稿是否在發送前經過審閱；
• 交接期間有沒有保留相關脈絡。

系統不取代關係判斷，而是保障跟進工作的連貫性。

這套工作流程應圍繞承諾，而不是圍繞訊息建立。會議紀錄、電郵和任務紀錄可以顯示承諾內容、負責人、日期和敏感背景。跟進介面應列出曾承諾甚麼、何時到期、依賴誰的行動，以及哪些事項需要審慎處理。

量度方式因而改變。團隊不只問 AI 有沒有寫出一封好電郵，還要問承諾是否較少遺漏、負責人是否更清楚、敏感事項是否先上報而非倉促處理，以及客戶負責人是否有足夠脈絡選擇語氣。訊息草稿只是一種可能成果，底層的記憶和審閱機制才更重要。

例子：研究工作

研究密集的工作可以量度：

• 完成第一份來源圖譜的時間；
• 找到的相關選項數目；
• 發現的欠缺支持陳述；
• 為供應商或案例準備的問題；
• 人手核實所需的時間；
• 審閱者對候選名單質素的信心。

目標不是讓 AI 作決定，而是讓團隊更快到達一個更好的起點。

良好的研究支援把探索、比較和核實分開。探索收集候選來源或選項；比較把資料整理成共同欄位，讓團隊看見差異；核實則標示需要人手檢查或尋找更可靠來源的陳述。這幾個階段加快研究，同時不隱藏不確定之處。

這比直接產生一項建議更有用。建議可以非常流暢，卻可能掩蓋薄弱證據。分階段的研究工作區則顯示考慮過哪些選項、哪些陳述有來源、哪些假設仍未解決，以及專業判斷下一步應集中在哪裏。

審閱和修正循環

審閱者的修正不是失敗，而是數據。

若審閱者反覆修正同一類來源缺口、分類、語氣問題或假設，工作流程便有明確的改善方向。團隊可以調整提示、來源存取、範本、檢查方法或審批規則。

價值由此累積。系統不只是一次節省時間，而是逐步掌握專業判斷需要甚麼支援。

這並非否定財務回報

這套方法不是反對量度財務投資回報。

成本、時間、收入和利潤都重要。不過在專業工作中，這些數字往往來自更好的準備質素、更快的審閱、更低的協調成本，以及較少遺漏責任。

若量度忽略這些因素，反而可能低估最重要的收益。

這種量度原則並非 AI 獨有。美國政府問責署的績效量度指引則補上所需的風險脈絡。

資料來源

1. NIST AI 風險管理框架
2. IBM：甚麼是工作流程自動化？
3. 美國政府問責署：聯邦政府內部控制標準