推動業務重塑的五大 AI 價值模型
目前，大多數企業仍然以單一用例來管理 AI：隨意設定零散試點、改善個別流程，又或者只將之視為某個部門內的一個工具。這種方式雖然可以帶來局部成果，但難以真正改變企業創造價值的方式。
這就如同在互聯網出現的初期，只著重互動橫幅和電郵推廣，而忽略電子商務革命的本質。
真正領先的企業採取的策略截然不同，而且更具前瞻性。企業不把 AI 視為零散實驗，而是作為一組價值模型組合。每個模型都有不同的經濟模式、價值實現時間和管治要求，並且能為下一個模型的擴展奠定基礎。
因此，從 AI 獲益最大的企業，並非那些進行最多試點的公司，而是那些清楚知道應建立哪些價值模型、按何順序推進，以及以哪些基礎來重塑自身業務的企業。
企業中最明確的五大 AI 價值模型正逐漸成形。每個模型的價值創造方式不同，各自具備不同的經濟模式、時間週期和管治需求。並且能為下一個模型的擴展創造條件。
員工透過學習與應用逐漸建立能力；有能力，才能開始制定管治策略；管治促進系統整合；整合使相依性管理變得可行，而相依性管理就令智能代理主導的營運更加安全。
這正是企業由零散 AI 成果邁向全面業務重塑的過程。關鍵問題不在於選擇哪一個模型，而在於從哪個價值模型開始、模型建立了甚麼基礎，以及下一步可解鎖的能力。
這是最容易快速啟動的價值模型。它將實用的 AI 能力普及至所有員工，在帶來短期生產力提升的同時，建立支撐深層轉型所需的能力基礎。其更大的價值，並非在於撰寫內容、整理或分析的速度更快，而在於組織準備度。人力資源可以推動、法務可以制定規範、財務可以提供支持，而業務團隊則能在共同理解 AI 價值及安全使用方式的基礎上協作。
- 按角色劃分的重複使用率及熟練程度
- 跨團隊可重用的提示詞、工作流程及資產
- 跨職能賦能的證據
- 新工作方式的出現
形成兩層員工結構：少數高階用戶持續領先，而大部分員工停滯不前。
建立推動者網絡及入門工作流程，例如績效評估、合約管理及採購至付款流程，令最佳實踐更易理解和更相關，同時亦更具啟發性。
這個模型的重要性在於 AI 正在改變客戶發現、評估和選擇產品與服務的方式，並帶來全新的互動層次。在 AI 原生渠道中，更多轉換在對話過程中出現。這令增長問題由「觸及」轉變為「在客戶展現意圖時建立信任與存在感」。最終的贏家不再只是曝光度最高的品牌，而是在關鍵決策時刻最有用、最可信、最合適的品牌。
- 有效意圖及用戶承諾前的互動次數
- 轉換質素，包括留存、升級和客戶終身價值
- 信任指標，例如回訪行為、重複互動及轉介
- 與業務相關的數據連接器或應用的啟用情況
以傳統需求漏斗方式處理 AI 原生分發，過度追求流量而忽略相關性及長期信任。
選擇一個場景（如垂直體驗、內嵌應用或特定廣告目標），先定義轉換質素，再擴大投資。
這個模型將專業 AI 能力引入研究、創意及高專業領域工作。短期內可紓緩專家瓶頸，長遠則改變營運模式：團隊由自行產出初稿，轉為即時指導、審核及整合高品質輸出。這種價值來自擴展團隊可分析、測試及產出的範圍，讓每個分析見解都能配合行動方案與 ROI 評估，而非只依賴直覺進行優先排序。
- 專家瓶頸的週期時間縮短
- 品質提升，包括評審評分、錯誤率和重做率
- 範圍擴展，例如進行更多實驗，或測試更多變種的創意方法
- 原本因可行性限制而未被考慮的新收入來源
將專家能力視為示範工具，而非嵌入具明確問責的實際工作流程。
選擇一個專家瓶頸，並以最終決策者為核心設計價值主張，明確定義將新概念轉化為業務下一階段基礎所需的證據。
編碼智能代理是目前最清晰的例子，但更大的價值模型，在於能安全地對相互連接的工作系統進行升級。隨著時間推移，企業會希望將這種能力不只應用於程式碼，還包括 SOP、合約、政策文件、客戶敘述、入職流程，以及其他需要在演進過程中保持一致的各類資產。這不只是生成內容，而是關乎控制：更新更快、下游錯誤更少、加強合規，同時提升審計能力。
- 在相互關聯資產間進行安全變更所需的時間，以及版本衝突的解決效率
- 審計準備程度，包括編輯、審批及證據的可追溯性
- 下游文件、系統及工作流程的一致性
- 在大規模相互依賴流程中的可靠性
在管治機制尚未成熟前，就加速擴展內容或程式碼生成，導致系統性技術債，日後需要耗費大量時間處理。
先選擇一個高度相依的領域，釐清依賴關係圖、審批流程及證據要求，然後再透過 AI 控制層自動化變更。
這是最難擴展，但往往最具變革性的價值模型。在此，智能代理會在不同職能之間協調端到端工作流程，例如採購至付款、理賠流程、製造變更控制、臨床營運等。其潛在價值呈指數級增長，但前提是基礎必須完善：身份與存取控制、清晰界定數據及子元件的權限、大規模擴展可觀測性、訂明具信心指標的異常情況處理，以及明確的責任歸屬。如果缺乏這些基礎，自動化帶來的風險，遠比創造價值更加快。
不過可能帶來的回報，同樣遠超單純的效率提升。流程再造會迫使企業重新思考流程的目的、應由何處作出判斷，以及可以在哪些地方創造新的價值。而這正是業務模式轉變的關鍵起點。
- 端到端週期時間
- 異常率及解決時間
- 合規與審計結果
- 創新產出，例如新機會或新假設的驗證
在權限、控制及問責機制尚未成熟前，就嘗試自動化端到端流程。
選擇一個工作流程，並針對身份、權限、工具整合、記錄、異常情況處理及責任歸屬進行完整準備度評估。
AI 策略的失敗點，不僅在於零散的試點，也在於把轉型當作一次性賭注：現在投入、長時間等待，並寄望未來在規模化後產生價值。更有效的方法是要更有紀律，也更具野心。因為有效策略會透過持續的 ROI 序列，逐步累積價值。
這個序列始於廣泛賦能，亦是所有其他價值模型的前提條件。整個組織的 AI 能力就像一片森林，孕育出高價值用例的每一棵樹。當更多人理解 AI 的運作方式、價值所在，以及如何安全使用時，更好的機會自然更快出現。管治會變得更切實可行，整合亦會變得更易實現。而更高價值的系統會逐步建立靈活適應能力，並以標竿案例及識別標誌的形式在各職能之間共享。
這正是企業由更好邁向全新業務模式的過程。AI 會先提升任務效率，再重新設計工作流程，然後改變控制層與營運模式，最終重塑整個業務模式。零售業要轉型為電子商務，並非只透過稍微提升門市效率就能做到。真正的轉變，是當領導者學會建立全新的價值主張，繞過實體門市，並將市場推廣與物流整合為以用戶為中心的一體化體驗。而 AI 亦會遵循相同的模式。
在這裡舉幾個例子：
- 零售商由員工廣泛採用開始，然後提升 AI 原生的探索體驗與對話式商務，最終建立全新的個人化銷售渠道。
- 製藥公司先建立員工能力與研發及臨床營運的專業 AI 能力，然後構建受監管的研究流程，發掘後期審批的新適用場景，並重塑研發流程的經濟模式。
- 製造商先在各職能導入輔助工具，然後將 AI 應用於變更控制、SOP 及品質流程，最終令營運轉型為可調整的系統，重新定義市場經濟，而非維持靜態模式。
- 保險公司先從理賠輔助工具開始，然後建立受監管的專家審查與流程協調，最終重新設計理賠流程，以更快決策、更少異常情況及更佳客戶成果為核心。
如果你正在制定 AI 策略，可以將之簡化為三個階段：
- 為不同角色設計工作流程，並建立推動者網絡，擴展整體員工能力。
- 建立基本管治框架，包括允許範圍、審核機制、記錄方式和責任歸屬。
- 衡量重複使用、熟練程度、可重用流程及跨部門協作能力。
- 選擇少數高價值場景：一個分發策略、一個專家瓶頸，以及一個具明確 ROI 的流程。
- 以業務指標衡量價值：轉換質素、週期時間縮短、品質提升、風險降低及新收入潛力。
- 將成果再投資到下一層基礎：數據質素、身份、整合、可觀測性及控制。
- 只有在權限、審計能力和異常情況處理都成熟時，才將 AI 擴展至高依賴系統及端到端流程。
- 利用這些基礎重新設計營運模式，而非只是加速既有流程。
- 思考 AI 如何創造全新價值，而非只是降低成本。
行動不應只著眼於 AI 在現有模式中的應用。而是應思考先建立哪一種價值模型、其帶來的基礎，以及下一步可解鎖的能力。從足夠廣泛的應用開始，以建立能力。然後堅持在每一步記錄所帶來的價值。最後就能有信心地擴展，由純粹優化現有模式，邁向全新的未來。
