試用順，上線卻卡住

假設你是準備推 AI上線的主管。試用群組裡，阿葵把會議摘要、客服分流、內部查詢都跑過一輪，大家覺得可以省下不少來回確認。可是到了正式上線前一週，問題突然變多。 營運主管希望 AI 先回覆，法務主管希望 AI 先停下來等人看。財務主管在意折扣與退款，客服主管又怕客人等太久。AI 小幫手會跑流程，卻不知道該聽哪個主管。 這篇要處理的不是「AI 怎麼設定得更聰明」。真正的卡點是：試用時靠人補掉的主管判斷，到了正式上線後會變成系統每天都要面對的衝突。這才是很多團隊突然推不動的地方。

先講結論

AI上線卡在主管不同調，通常不是模型不夠聰明，而是它遇到衝突時不知道該以誰的判斷為準。

阿葵開會：「AI試用超順！」
主管搶白板：「先做我的！」
博士敲桌：「誰負責沒定。」
阿葵畫表：「先排決策權。」
補充視角

先替你做判斷

試用時，AI 常靠旁邊那位主管補判斷；正式上線後，它會同時碰到營運、法務、財務、客服的要求。真正要先補的不是更多提示，而是一張主管決策表：誰拍板、誰核准、AI 到哪一步要停。

為什麼最近更容易撞上

最近有 3 則訊號都指向同一個處境：工具已經開始往正式流程前進，但組織裡的人還沒同步。一個開源專案的討論串提到，組織改變很少敗在紙上的策略，常敗在主管訊息不一致，員工不知道新做法到底怎麼算成功。 另一個開源專案在做多通路客服平台時，把共同收件匣、工作區知識、受保護動作、需要核准才會往下走的流程放在一起。這代表一件事：AI 不只是回答問題，它開始碰到真正會影響客戶與公司承諾的動作。 AiThority 也報導，企業 AI 正從試點走向正式環境，新的難題變成如何在生產環境裡穩定運作。對你來說，這不是新聞熱鬧而已。這表示你不能只問「AI 可不可以做」，還要問「它做之前要聽誰」。 最先撞牆的通常是這幾種情境：

  • AI 要對外回覆，內容會影響品牌承諾。
  • AI 要替同事分派案件，會改變部門工作量。
  • AI 要建議退費、補償、折扣，會碰到財務紅線。
  • AI 要讀取內部資料，主管對可用範圍的想像不同。

失控點不在答案錯

很多團隊會把問題看成「AI 還不夠準」。於是大家開始補更多文件，要求廠商調模型，或把提示寫得更長。這些動作有時有幫助，但它們解不到主管不同調的核心。 試用群組能順，是因為旁邊常有一個懂脈絡的人。AI 卡住時，阿葵會順手說：「這種先回我看。」博士也會補一句：「這個先不要動。」這些人腦補位，在正式上線後不能靠默契撐住。 正式上線後，AI 面對的是多個主管的隱形目標。營運要速度，法務要可追溯，財務要控成本，品牌要語氣一致。每個目標都合理，但沒有排序時，AI 會把最新、最明確、最靠近它的指令當成優先。 這也是為什麼你會看到一種很煩的狀況：同一類案件，週一照 A 主管說法處理，週三又被 B 主管要求改回來。工具看起來沒壞，團隊卻越用越不放心。錯得很整齊。 如果下個月就要把 AI 接到正式入口，你能接受它用 2 週時間邊做邊猜主管紅線嗎？這個問題不用嚇自己，但要提早問。因為上線後才補口徑，通常會把同事的信任一起消耗掉。

先做主管同調測試

上線前先做一個很務實的測試：不要看 AI 能不能完成標準流程，改看它遇到主管衝突時會不會停在正確的位置。你可以把這叫做「主管同調測試」。名字不重要，重點是測例外，不只測順風局。 做法不是開一場空泛的共識會。請每位主管看同一批例外情境，當場寫下「AI 可以直接做什麼」「AI 只能建議什麼」「AI 必須停下等誰」。答案攤開後，你很快會看到真正的落差。 這張表至少要問清楚這幾件事：

  • 最後拍板的人是誰，不要寫一整個部門。
  • AI 能做到哪一步，哪一步開始要等人確認。
  • 需要留下哪些證據，之後才查得回來。
  • 超過多久沒人回應時，要升級給誰處理。

如果公司已經有工單系統，可以把核准點放進現有工具。Jira Service Management 有核准流程，ServiceNow 也常用流程核准來處理例外案件；Microsoft Teams 的 Approvals 也能用來留下誰核准、何時核准的紀錄。這些不是為了把事情變官僚，而是讓 AI 不必靠猜。 你也可以用 RACI 責任矩陣，簡單講就是把誰負責執行、誰最後負責、誰要先被諮詢、誰只需要知道分開寫清楚。對 AI上線來說，最重要的是「最後負責」那一欄。沒有這一欄，AI 遇到衝突就只能找最吵或最近的人。 再補一個小防呆：建立「主管覆寫紀錄」。只要有人要求 AI 改掉原本的處理方式，就記下案件類型、覆寫原因、覆寫主管、之後是否要改成固定規則。這份紀錄看起來簡單，卻能幫你抓出真正需要對齊的決策。

  1. 1 / 4 · HOOK

    AI 上線卡住，常是主管在打架。

    • 試用有人補位，上線沒人能猜
    • 營運催快，法務喊停
    • AI 只好聽最近那個人
  2. 2 / 4 · WHY

    試用順，是因為衝突被人肉吞掉。

    • 拍板人寫成部門，等於沒人
    • 例外沒分級，AI 只看明確指令
    • 覆寫走私訊，規則越改越亂
  3. 3 / 4 · HOW

    上線前，先逼主管同桌寫答案。

    • 丟同一批例外，請主管各自寫
    • 標出能做、能建議、要停下
    • 把覆寫原因定期攤開看
  4. 4 / 4 · TAKEAWAY

    AI 上線前，先定誰說了算。

    • 拍板權不清，AI 就會替你猜
    • 別再補提示詞，先補決策表

別把不同調包成訓練不足

最容易白忙的做法，是把每次衝突都丟回給 AI 團隊調整。今天加一段規則，明天補一份文件，後天把模型換成更新版本。表面上很積極，實際上只是把主管矛盾藏進設定裡。 另一個誤區，是以為只要高層一句「大家支持 AI」就夠了。支持是方向，不是判斷依據。AI 真正需要的是在具體情境中知道誰能說了算。 還有一種相反的過度修正，是所有事情都要主管核准。這會讓 AI上線後速度比人工還慢。比較好的取捨，是先挑高風險或高頻率的交會點處理，不要把所有小事都送進核准。 先避開這 3 個白忙點：

注意點

送上線前看這張表

正式送出前，請不要只看功能清單。功能清單會告訴你 AI 會做什麼，這張檢查表才會告訴你它遇到衝突時會不會亂走。 送上線前，至少確認這幾項：

  • 每一類高風險情境都有一位最後拍板者。
  • AI 的直接動作、建議動作、停止動作已分開寫清楚。
  • 核准紀錄會留在工單、協作工具或正式紀錄裡。
  • 主管覆寫會被定期回看，不會只靠私訊流失。

如果這 4 項有 2 項答不出來，先不要急著擴大上線。你可以先縮小範圍，讓 AI 只處理不會牽動多位主管判斷的案件。這不是退回試用，而是避免正式環境一開始就失焦。

實作提醒

下次開會就這樣用

下次你要開 AI上線會議時，不要先問大家對工具滿不滿意。先拿一個真實例外情境出來，請每位主管寫下 AI 該繼續、該停下、該找誰。 如果答案一致，再談擴大範圍。如果答案分散，這篇就當成你的會前檢查稿。先把拍板權與核准點定下來，AI 才不會在正式上線第一天就變成部門協調器。

讀者最常問的幾個問題

AI上線前，主管一定要全部開會對齊嗎？

不需要把所有主管都拉進每個細節。比較有效的做法，是先找出會被 AI 影響的決策點，例如退費、折扣、異常客訴、對外承諾，再確認每一類由誰拍板。會議要處理的是決策權，不是討論 AI 有多厲害。

如果公司很小，只有老闆和幾位主管，也需要做這件事嗎？

需要，但可以做得很輕。小公司最常見的問題是大家都能直接改 AI 的做法，結果上線後每個人都用自己的版本。至少要寫出一張例外情境表，說清楚哪些事 AI 可以建議，哪些事要等老闆或指定主管確認。

這跟一般的流程文件有什麼不同？

一般流程文件常寫誰接下一棒，但 AI上線需要多一層：當兩個主管的要求衝突時，AI 要聽誰。這不是多畫一張流程圖，而是把拍板權、核准條件、留下紀錄的方式放進同一張表。

主管已經同意導入 AI，為什麼還會算不同調？

同意導入不等於同意每個判斷。很多主管都會支持試用，但對外回覆、資料使用、例外折扣、客訴升級時，心裡的紅線不一樣。AI 正式上線後會碰到這些紅線，所以要在上線前先攤開。