當決策會議裡多了一個看不見的參與者
這幾年，跟企業高階主管聊天時，我越來越常聽到一句話：
「資料太多了，我們反而不知道該怎麼決定。」
報表越來越厚，儀表板越來越精美，
但真正做決策的那一刻，很多人還是回到熟悉的三樣東西——經驗、直覺、以及內部政治。
生成式人工智慧（Generative AI）闖進這個場景，看起來像是一個能把資料整理得更漂亮、更快的工具。
但如果你真的在決策會議上用過它，你會發現，它扮演的角色其實更像是：
一個不會累、不帶情緒、隨時可以被叫來「給個看法」的第三方。
問題是，當這個新的聲音出現在桌上，我們要怎麼跟它相處？
從淹沒在報表裡，到敢問一個更大的問題
傳統的決策流程長什麼樣子？
先請人蒐集資料、彙整報表、做簡報，然後在會議上花大半時間確認「我們現在到底發生了什麼」。
真正用來討論「那接下來要做什麼」的時間，常常只剩下最後二十分鐘。
生成式AI把這個流程整個翻過來。
-
它可以在幾分鐘內看完你團隊一週都懶得打開的市場研究報告。
-
它可以把客訴、內部備忘錄、社群留言通通掃過一遍，幫你抓出幾個重複出現的痛點。
-
它甚至可以幫你把競品策略拆解成表格，讓你看到對方怎麼布局不同客群。
有一位做消費電子的產品副總跟我說，他們曾用生成式AI丟進數十萬則全球產品評價，問一句看似很土的問題：
「大家真正喜歡和真正討厭的是什麼？」
AI花一晚上跑完，隔天早上給他的是幾條非常直白的結論，
讓他們決定砍掉一個內部吵了很久、但顧客其實沒那麼在乎的功能。
你可以說，這只是更快、更便宜的數據分析。
但他自己後來坦白說：
「其實真正被改變的，是我們開始比較敢問一些以前覺得‘太笨’的問題。」
當資料整理變成不痛不癢的事之後，反而逼你回頭面對一個更赤裸的現實——
你到底知道自己在找什麼嗎？
生成式AI不是水晶球，只是照亮盲點的手電筒
很多人談生成式AI時，會不知不覺把它說成「會預測未來的神諭」。
實際上，它做得比較好的，是幫你整理「如果你選這條路，可能會發生的幾種情境」。
你可以請它：
-
模擬不同定價策略下，市場和競爭對手可能的反應。
-
把過去幾次產品上市的數據拿來比一比，猜猜看哪一種組合最接近你現在的狀況。
-
用不同利率假設，試算未來幾年的財務壓力。
這些本來都做得到，只是太花時間。
AI做的，是把「推演」變得便宜到你可以常常做。
但它不是水晶球。
它沒有辦法替你決定「哪一種錯誤比較值得犯」。
很多決策者一開始用生成式AI時，會有一種短暫的興奮：
「哇，它什麼都可以幫我算。」
真正成熟的用法反而是：
-
把它當成能快速產生多個 scenario 的助手，
-
然後用人的經驗、價值觀、對風險的感覺，去選擇你願意承擔的那一條。
換句話說，AI幫你把「選項」變多了，
但「選擇」這件事，還是逃不掉。
最危險的不是AI說錯話，而是沒有人再認真懷疑它
生成式AI最大的風險之一，是它說話說得太流暢。
一段看起來合理、語氣自信、結構完整的分析，很容易讓人忘記問一句：「它根本上是怎麼得出這個結論的？」
如果訓練數據本身有偏見，你得到的就是包裝精美的偏見；
如果資料品質參差不齊，你得到的就是說服力十足的幻覺。
我聽過一個真實案例：某家公司想讓AI協助篩選投資標的，
結果後來發現，模型其實是在「學習過去那位最有影響力的投資長的偏好」。
問題是，那位投資長有些決策本身也是錯的。
模型沒有變聰明，它只是很忠實地放大了人類之前做過的所有好決定和壞決定。
這就是為什麼，真正成熟的企業，在導入生成式AI做決策輔助時，會堅持幾件事：
-
所有 AI 給出的關鍵建議，背後都要有可以追溯的依據。
-
重要決策一定要有「人類反駁的權利」，不能因為 AI 的答案看起來漂亮就跳過討論。
-
團隊裡要有人專門負責盯偏見與幻覺，而不只是追精確度和速度。
最危險的不是 AI 出錯，
而是整個組織慢慢失去問號，只剩下「那就照 AI 說的做吧」。
技術整合問題，最後還是變成組織問題
很多報告會告訴你，導入生成式AI最大的挑戰是：
-
資料散落在各種老系統裡，格式不一。
-
IT 基礎設施老舊，API 不統一。
-
模型治理、權限管理、資安風險等等。
這些當然都是真的。
但我在不同公司看下來，真正決定成敗的，常常是另一件事：
「這個組織願不願意承認，既有的決策方式有問題？」
因為一旦你把生成式AI當成決策夥伴，而不是裝飾品，
你就不得不動到這些敏感的地方：
-
KPI 怎麼設計？是獎勵「自己做很多分析」，還是獎勵「問對問題、用對工具」？
-
中階經理的價值，是在於「自己寫報告」，還是在於「會把 AI 整理出的東西轉成可行的策略」？
-
高階主管願不願意在會議上承認：「這部分我也不確定，我們一起看AI怎麼說，再來判斷」？
技術導入不順利，表面上看起來是系統太舊、資料太亂，
但很多時候，其實是組織還沒準備好，接受一個「會讓權力透明一點」的工具走進來。
給決策者的幾個問題，先問再談部署
如果你是那個要為「AI 進來之後，決策要怎麼改變」負責的人，我會建議，先暫時不要急著選工具，而是先回答這幾個問題：
-
在你們公司，現在有哪些決策，其實是「憑感覺在做」，卻從來沒有人敢這樣承認？
生成式AI最能幫上的忙，往往就是這裡——把感覺拆成可以檢驗的假設。 -
你希望 AI 在決策裡扮演的角色是什麼？
是報表加速器、觀點提供者，還是某些領域裡的「預設建議」？不同答案，代表完全不同的風險承擔。 -
當 AI 和關鍵人的直覺不一樣時，你們有沒有事先定好怎麼處理？
是一律相信數據，還是保留人可以否決的權利？如果後果很大，責任怎麼分？ -
你有沒有準備讓部分員工從「自己親自執行」變成「善用 AI 協作」？
這聽起來只是工作方式的轉變，實際上卻是專業身份感的大手術。
生成式AI會改變企業的決策流程，這幾乎已經不是假設，而是正在發生的事。
差別在於，有些公司會讓它只是擦亮現有流程的一層清漆，
有些公司則會趁這個機會，重新問一遍：
「我們做決策的方式，真的還適合現在這種世界嗎？」
AI 能提供的是速度、廣度和一種前所未有的「第二意見」。
但最後敢不敢做出跟過去不一樣的選擇，
那還是人自己的事。