# AI 變革管理：真正有效的方法（來自 70+ 間機構的實戰觀察） > 大多數公司將 AI 導入視為軟件部署。我為 70+ 間機構培訓了 11,000+ 名學員，分享真正能帶來持久行為改變的 AI 變革管理實務。 - URL: https://hyperfocusam.com/blog/ai-change-management-what-actually-works-tc/ - Language: zh-Hant - Author: Sam Wong (黃力桐), https://hyperfocusam.com/ - English edition: https://hyperfocusam.com/blog/ai-change-management-what-actually-works/ (Markdown: https://hyperfocusam.com/blog/ai-change-management-what-actually-works/index.md) --- [黃力桐 Sam Wong](https://hyperfocusam.com/zh/about/) [黃力桐 Sam Wong](https://hyperfocusam.com/zh/about/) · 2026 年 10 月 22 日 · 英文原文發表於 2026 年 3 月 23 日 大多數公司將 AI 導入視為軟件部署。他們購買授權、舉辦半天的工作坊，發送包含「資源」的跟進郵件，就以為任務完成。然而，授權照樣續約。 我的紀錄顯示：為 70+ 間機構培訓了 11,000+ 名學員。這種模式非常一致，讓我能在第一次需求溝通時，就幾乎能預測哪些公司能實現持久的行為改變，哪些公司僅會擁有一個非常昂貴且閒置、無人使用的 Copilot 訂閱服務。 差異不在於工具。這從來都不是工具的問題。 ## 每個人都會犯的錯誤 當一間香港公司找我討論 AI 培訓時，他們最初的要求與我聽到的幾乎每個客戶都一樣：「你能提供給我們員工一份可以使用的 100 個提示詞清單嗎？」 我明白這類要求的本能。因為它感覺很具體、可衡量，而且容易管理。只要給予清單，就能完成培訓任務，然後繼續下一步。 問題在於，[提供提示詞清單並不能改變行為](https://hyperfocusam.com/blog/why-ai-training-doesnt-stick-tc/)。這只是給了人一些可以被遺忘的東西。在兩週內，那份清單就會躺在抽屜或沒人開啟的共享資料夾裡。 這間客戶真正需要的是——而且他們在合作過程中才真正領悟到——是一個變革管理計劃，而不是一個培訓活動。 ## AI 背景下，變革管理真正的意義 AI 變革管理並非在處理對技術的抗拒。它的核心是改變員工對自己工作的思考方式。 這是我與每位新客戶溝通時使用的核心轉變：目標不是讓員工「學習 AI」。目標是讓員工建立一種直覺，就像他們使用電子郵件或試算表一樣，自動、無需思考是否要執行就去使用 AI。 這種直覺不會從工作坊中獲得。它來自於在低風險、高支持的環境中的重複練習。這需要三樣大多數企業培訓計劃都會忽略的要素： 1. 從恐懼出發，而非功能。 在我主持的每一個首場課程中，在展示任何介面之前，我會問在場的人：「你擔心 AI 在工作中會帶來甚麼？」在我在前文提到的那間公司，一個 19 人的 HR 團隊中，對於工作被取代的恐懼在頭 4 分鐘就出現了。如果你不在第一節課程處理這些問題，它們會一直留在房間裡，在整個課程中默默降低參與度。 2. 選拔 Pioneer 先導學員，而非全體培訓。 我執行過的最有效的 AI 導入計劃都有一個結構特點：他們不是從整個機構開始。他們會找出 10–15 名高潛力的員工——擁有足夠公信力和好奇心、能成為內部推動者的人——並 [在其他人之前對他們進行密集培訓](https://hyperfocusam.com/cases/garden-ai-pioneer-programme/)。這些人將會回答同事的疑問、發現錯誤，並建立非正式的使用案例，讓 AI 對特定行業和公司變得切實相關。 在那間公司，我們為由 19 名 HR 人員組成的跨職能團隊，舉辦了為期六週、共 6 節的課程。到第 4 節時，參與者已經會帶入自己的提示詞（prompts）。到第 6 節時，他們正在向自己的管理層展示「Before vs. After」的工作流。管理層離開那場課程時，還在詢問關於第二批的安排。 3. 衡量節省的時間，而非參與的課程場次。 大多數培訓計劃衡量的指標都是錯的。「我們培訓了 200 人」不是一個成果。「原本需要 1 小時的政策草擬，現在只需 10 分鐘」才是成果。我要求每位客戶在課程期間（而非結束後）記錄具體的任務級別時間節省。這會帶來兩個效果：讓員工獲得即時回饋，知道行為改變是值得付出的努力；同時也讓管理層獲得他們需要的投資報酬率（ROI）數據，以支持下一階段的預算。 ## IT 主管的問題 當我開始做這項工作時，有一個預料之外的模式：[AI 導入最大的障礙](https://hyperfocusam.com/blog/it-department-ai-adoption-bottleneck/)往往不是懷疑的基層員工，而是 IT 主管。 在那間公司，IT 主管在合作初期提出了合理的擔憂。 突破點在於，我將整個計劃重新定義為一個治理練習，而非技術項目。我告訴他，我們不是在安裝系統，而是在教授數碼素養。所有練習只會使用第一級及第二級資料——即公開資訊、草擬與格式化任務。沒有任何內部內容，也沒有敏感資料。他可以審核任何課程。 當他感到掌握了安全界限後，他停止阻礙並開始觀察。到最後一節時，他甚至在詢問下一階段的安排。 如果你的 AI 導入計劃沒有策略來贏得 IT 部門的認同，進度就會停滯。這並不是因為 IT 部門在刁難——他們的擔憂通常是合理的——而是因為治理上的差距確實存在，而必須有人來彌補這個缺口。 ## 你忽略了影子 IT（shadow IT）的訊號 當員工在工作時，用個人裝置登入 AI 個人帳戶，大多數機構會將其視為合規問題。他們會封鎖網站、制定政策，然後就這樣處理。 我將其視為一種需求訊號。 當我看到影子 IT，這代表兩件事：員工想要使用 AI，而機構還沒有提供安全的方法讓他們操作。這不是紀律問題，而是採用上的失敗。重點不在於「我們如何阻止他們？」，而是「我們如何將這種行為轉向，變成機構可以支持並管理的產出？」 在該公司的情況下，答案是 Microsoft Copilot —— 它已經通過企業租戶驗證，且在 IT 主管的安全性範圍內。我們不需要引入新工具。我們需要讓安全選項，變得與不安全選項一樣易於獲得。 ## 第二批課程的樣貌 這是關於變革管理的文獻通常不會告訴你的事：第二批學員永遠比第一批難。 第一批學員受益於新鮮感。他們是 Pioneer 先導學員，獲得高層關注，感覺自己很特別。第二批學員加入的計劃已經有了歷史——包括期望、內部基準，以及「這是第一批做的」所帶來的壓力。 在處理那間公司時，第二批於 2026 年 2 月開始，並擴展到銷售及市場推廣部門。挑戰點從「我們如何讓員工感到興奮？」轉變為「我們如何讓這項計劃對不同的職能部門產生意義？」。一個能引起市場團隊共鳴的社交媒體帖文 Prompt，對 HR 管理者來說毫無幫助。一個 HR 團隊喜歡的政策草擬工作流，對於市場推廣活動經理來說卻毫無存在感。 答案在於擁有固定框架的模組化設計。我使用相同的核心原則——Spark（減少恐懼）、Shift（建立習慣）、Shape（嵌入工作流）——但我會為每一批新學員的實際工作重新構建案例和練習。相同的架構，不同的內容。 到 2026 年 3 月時，合作項目已經擴大：董事總經理要求針對 AI agents 舉辦後續的高層課程，而生產營運部門則要求在 4 月增加另外 3 節課。這就是變革管理奏效的訊號——不是人們參加了培訓，而是他們要求更多。 ## 真正驅動持續落實的 3 個關鍵 在橫跨 70+ 間機構——包括銀行、零售商、大學、玩具公司、物流公司——執行計劃後，我發現預測長期行為改變的因素非常一致： 精準選擇，而非廣撒網。 Pioneer 計劃的效果每次都優於大規模培訓。15 個真正改變工作方式的人，帶來的變革會比 200 個僅是聽過課程的人多得多。 解決真實阻礙，而非假設案例。 一個設計良好的 AI 採用計劃，其中的每個練習都應使用參與者的實際工作。不是泛泛的例子。不是「想像你工作在 HR」。而是來自真實工作的任務。這才是將工作坊轉化為工作流變革的關鍵。 從第一天就給予 IT 治理故事。 安全方面的討論並非計劃的障礙，而是計劃的一部分。在設計階段就將其納入，而不是等到第一項投訴才處理。 AI 變革管理並非新興學問。它大量借鑒了已存在數十年的組織變革管理框架。新點在於技術週期的速度，以及所需的行為改變廣度。當每位知識工作者的工作同時受到影響時，你不能把 AI 當作一種小眾工具的推廣。 那些做得正確的公司，是在建立內部的 AI 能力，而不是依賴外部培訓師。我負責的每個計劃目標，都在於讓這些計劃在 12–18 個月內變得不再必要。如果 Pioneer 在到第 6 節時還在等待我告訴他們該做甚麼，那我就失敗了。 ## 參考資料 - McKinsey, "[The State of AI in 2025](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai)" (2025 年 11 月) — 88% 的機構使用 AI，但近三分之二尚未開始在企業內擴大規模。 - Microsoft & LinkedIn, "[2024 Work Trend Index](https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part)" (2024 年 5 月) — 僅有 39% 在工作中使用 AI 的人獲得過公司培訓。60% 的領導者擔心他們的機構缺乏實施 AI 的計劃。 - McKinsey, "[The State of AI in Early 2024](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-2024)" (2024 年 5 月) — 65% 的機構定期使用生成式 AI，但擴大規模仍是採用與內嵌行為改變之間的差距。