老闆與主管必讀的 BCG 新研究：AI 跑在前面的公司，改變的是工作方式
今天早上七點多，我的 AI 秘書幫我跑完晨間簡報，順手提醒我：某個網站有一個資料庫權限，原本排在下週一才要關。
我請它先評估還有沒有必要。它查了程式碼和正式資料庫，回報這個權限已經沒有正當用途，留著反而讓人能繞過伺服器端的檢查。我只回了一句「現在做」，它就把 migration 寫好、套用、驗證兩條路徑、刪掉測試資料、更新規格書，最後把週一的行事曆提醒撤掉。
整件事我花不到五分鐘。我做的只有兩件事：判斷要不要做，以及確認它做完的結果。
剛好這週讀到 BCG Institute 九月底發表的研究〈Five Ways That AI Front-Runners Change How Work Gets Done（另開新分頁）〉（AI 領先企業改變工作方式的五個方向），讀完的感覺是：這份報告雖然主要在談大公司的轉變，但就我而言，卻也是每天都在經歷。
這份研究在講什麼
BCG Institute 在 2026 年 3 月到 8 月間，訪談了 50 多家被他們歸類為 AI 領先者的公司，對象是人資長、幕僚長、創辦人和部門主管。樣本有 23 家 AI 原生公司、18 家以 AI 為核心引擎的數位平臺，以及 9 家正在逐個部門改造的傳統企業。
報告開頭先引了 BCG 另一份研究的數字：用 AI 重新設計工作與人才的公司，每年經產業調整後的股東報酬，比同業高出 11 個百分點以上。關鍵在後半句：這些公司不是把 AI 工具疊在舊流程上面。
換句話說，AI 用得多不等於跑得前面。報告第一段就講明，領先者的 AI 使用量不一定破紀錄，他們做的是改造營運模式、拆掉既有的層級和流程。
研究團隊歸納出五個方向，80% 的受訪公司同時做到三個以上：
| 面向 | 傳統做法 | AI 領先企業的做法 |
|---|---|---|
| 工作的目的 | 上面分派職務與任務 | 方向由上面定，成果由個人和團隊負責 |
| 工作本身 | 人生產，機器輔助 | 機器生產，人下指令、做評估 |
| 決策架構 | 決策往上集中，年資決定權限 | 依決策能不能挽回來分配，往下放 |
| 工作協調 | 例行會議、進度同步、層層簽核 | 例行同步交給 AI，人見面是為了做決定和建立關係 |
| 獎酬制度 | 看年資、看活動量、看產出量 | 看成果、看判斷力、看從 AI 拿到多少槓桿 |
接下來，讓我挑三個對臺灣中小企業最有感的面向來談。
決策權跟著可不可逆走，和職級無關
這是整份報告中，我最想畫線的一段。
傳統組織裡，決策往上走，資訊分散逼得權力集中，年資帶來權限。AI 領先企業的做法是：規則明確的決定交給 agent，可以挽回、風險低的決定下放給離問題最近的人，不可逆的決定才留在高層。
報告列舉了工程平臺 Jellyfish（另開新分頁） 的例子。他們的整合程式碼高度重複，同樣的修改要做幾百次，以前每一次都要團隊外的程式負責人簽核。導入 AI 寫程式之後，修改量暴增，審查變成最大的瓶頸。現在的做法是：寫修改的工程師自己核准，遵守一次講好的護欄，不必每次送審，原本三天才能過的修改，一天內就完成。代價也講得很清楚：你可以自行上線，但壞了你得負責。
我讀到這段的時候笑了，因為我給 AI 寫的工作守則，幾乎就是同樣的邏輯。
我的 Claude Code 設定檔裡寫著：難以挽回或會對外發布的動作，先問我；部署、刪除、覆蓋線上內容之前，先看清楚目標。反過來說，查資料、讀程式碼、在本機寫草稿這類可以隨時撤銷的事，它自己判斷就好，不必每一步都來問。
今天早上那個資料庫權限，就是這套分工跑出來的結果。評估交給 AI，因為評估錯了沒有損失；要不要動正式資料庫由我拍板，因為那是不可逆的。拍板之後，執行和驗證又交回給它。
很多老闆跟我說，導入 AI 之後最大的困擾是不敢放手。我想問題不在敢不敢，而在於沒有先把決策分類。哪些事做錯了可以改回來？哪些事一旦做了就收不回來？這張表先畫出來，放手才有依據。
把專家腦袋裡的東西寫下來，經驗才會複利
報告整理出 AI 領先企業不斷出現的五種新角色，其中一種叫 Domain Anchors，指的是把專家知識寫成可以重複使用的形式的人。五家裡有四家都在做這件事：把最強的那幾位專家知道的東西整理出來，讓整個組織都用得到，不再只有坐在他旁邊的人受惠。
保險科技公司 Reserv 讓員工在自建平臺上做 AI agent，把每個人的專業寫進 agent 的運作方式，再讓全公司重複使用。agent 越做越多，效果開始複利：開發一套新的培訓課程，從 18 個月縮到 4 週；回應法規變動，從大約三天縮到大約一小時。
Walmart 的做法也值得參考。他們的員工大約每 18 到 24 個月就會換職務，為了讓經驗不要跟著人一起離開，專家會把工作實際上怎麼做的各種版本寫下來，替自己的職務建一個數位分身。
這段我很有感。我的 AI 秘書團隊能運作，靠的不是模型多聰明，而是我花了大半年，把自己做事的方式一條一條寫進去：寫作風格檔記錄我的語氣和禁用句式；記憶檔記錄每一次踩過的雷，例如哪個部署管線有坑、哪個 API 會靜默失敗；晨間簡報的流程寫成一份標準作業程序，連日期旁的星期要先驗算都寫在裡面，因為它曾經標錯過。
說穿了，這就是一人公司版本的知識管理。差別在於：以前寫 SOP 是給新人看的，寫完常常沒人讀；現在寫下來的東西，AI 每天都會照著做。寫得越清楚，它做得越好，這是我看過回饋最直接的知識管理。
報告還提到一個很實際的問題：傳統企業裡，專家常常不願意分享知識，因為怕自己變得可以被取代。AI 領先企業的解法是把分享變成升遷的路。Writer 在全員大會表揚的，是那些做出來的東西被別人拿去用的人；光是 AI 用量高，上不了臺。
評估看思考品質，交出來的東西是其次
第五個面向談獎酬，裡面有一句話我想抄給每位主管：AI 很擅長製造活動量，一個人可以把工具用得很兇，最後什麼都沒完成。這是 Zapier 的觀察，所以他們評估員工看的是成果：有沒有改善業務指標、客戶關係，或是讓隊友的工作變好。
大約四分之三的受訪公司，把判斷力看得比活動量重。具體做法是把考核從紙面搬到現場：工作開始前先說明你的計畫，做完之後指出哪些地方你推翻了 AI 給的答案。
資料平臺 Clay（另開新分頁） 常用 15 到 20 分鐘的即時對話，確認一個人真的懂他提出的東西、而且有能力執行。理由很直白：AI 輔助的產出看起來可以很漂亮，但這個人不一定真的想清楚了。
Glean（另開新分頁） 面試業務的方式也很有意思。給應徵者三、四個潛在客戶，請他用 AI 加上自己的判斷，決定先追哪一個，再寫開發信。評估的重點有三個：他對客戶策略的直覺、什麼時候該用 AI 的判斷，以及他改了 AI 的初稿多少，還是照單全收。
這讓我想到自己給 AI 定的另一條規矩：做事的那個 agent 不驗自己的活。驗收要換一雙眼睛，要用不同的問題意識。人也一樣，當產出變得容易，主管要看的就不再是交了幾份東西，而是這個人能不能說清楚：為什麼這樣做、哪裡沒有聽 AI 的、出了錯誰負責。
這份報告的限制：讀的時候要記得
身為一個做研究的人，我也要提醒幾件事，免得大家讀完只是照抄。
第一，這是質性研究。50 家公司、半結構式訪談，受訪者是主管而非第一線員工，描述的是領導者眼中的組織，不一定是員工實際的日常。研究團隊有做一個嚴謹的處理：只有受訪者描述「已經在做」的事才計分，計畫中的不算。這點值得肯定。
第二，樣本偏向特定類型。63% 在北美，一半是軟體與服務業，23 家是 AI 原生公司。對一家臺中的機械零件廠來說，Cursor 的行銷人員自己寫應用程式取代整間代理商，參考價值有限。
第三，11 個百分點的股東報酬差距，來自 BCG 另一份研究，而且只是相關性，還不能證明因果。很可能是本來就經營得好的公司，才有餘力做這種轉型。
第四，樣本是挑出來的領先者。沒有成功的那些公司，報告裡看不到。
這些限制不會讓報告失去價值，但它提醒我們：把它當方向圖看就好，別當成保證書。
給臺灣中小企業：從一個灘頭堡開始
報告最後給傳統企業的路線圖分三段：打地基、在一個地方證明、再擴散到全公司。我把它翻譯成中小企業做得到的版本：
- 先講清楚要什麼成果：不要為了導入 AI 而導入。先問：今年最想改善的業務指標是哪一個？再回推哪些職務、哪些技能會受影響。我在〈導入 AI，從工作痛點下手〉談過同一件事。
- 定義你公司的 AI 素養：會不會用 ChatGPT 只是起點，重點在能不能判斷什麼時候該用、什麼時候不該用。Zapier 拆成四個面向：好奇心、選對工具的策略、動手做出好結果的能力，以及對產出負責。
- 選一個灘頭堡：挑一個部門，條件是商業價值最清楚、人最願意試。Rivian 的軟體部門比公司其他部門早半年跑自己的 AI 框架，現在變成全公司的參考範本。
- 把決策分類，再把會議瘦身：畫出哪些決定交給 AI、哪些交給第一線、哪些留給老闆。純粹報告進度的會議改成書面或線上同步，見面的時間留給真正需要討論的事。
- 讓成果被看見：把試點部門做出來的改變攤開來：什麼變快了、什麼變好了、哪個交接不再需要。推廣要靠證據說話，光靠老闆一直講沒有用。
報告結尾有一句話我很認同：這些改變沒有結束的一天。真正要做的不是追上領先者現在的位置，而是培養出持續改進的能力，就像那些跑在最前面的公司一直在做的那樣。
我自己的經驗是，這種能力，開一次會、買一套系統都換不來。它來自每天把一件小事交出去、驗收、修正、寫下來，下次就不必再講一次。
你的公司裡，有哪一件事是你每週都在重複交代的？從那件事開始寫下來吧。
延伸閱讀：
資料來源：Sagar Goel, Julie Bedard, Matthew Kropp, Ashley Sim, Charikleia Kaffe（2026-09-24）。Five Ways That AI Front-Runners Change How Work Gets Done. BCG Institute. https://web-assets.bcg.com/pdf-src/prod-live/companies-use-ai-to-redesign-work.pdf（另開新分頁）
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
