「最難的是整理變成直覺的隱性知識！」曾明賢卸下AI長後總結AI轉型的8個Dos跟Don'ts

「AI長的角色並非單純的技術開發，而是提供辦法、機制與平台的基礎建設者。」這是曾明賢（首圖）在第181場創業小聚活動上給「AI長」的定義。從2025年接下USPACE首位AI長開始，曾明賢替自己訂了3個KPI：協助技術開發提升1.5倍效率、在內部培養出5位非技術背景的程式開發者，並解決至少3成的客服問題。

大約在這場活動的半年後，曾明賢宣布於2026年8月卸下USPACE的AI長職務，繳出的成績單是技術開發效率提升了1.5倍、帶出10位能自己用AI開發工具的Vibe Coder、用AI解決3成客服問題。

看起來KPI都完成了，甚至有些指標超達標，可是這不代表一切都已經能順利運轉。

曾明賢在創業小聚第186場活動上回頭檢視過去一年的歷程，技術開發效率確實提升1.5倍了，但也帶出新的問題；3成客服問題也解掉了，只是過程跟他原本想的不一樣。

企業導入AI最有效的4個Dos

1. AI 1-on-1：請同仁帶著每週重複超過4小時的任務來

「同仁不懂AI，就不會有AI問題。」曾明賢表示，要同事憑空提出AI需求很容易卡住，如果帶著原本的業務問題來，那要解決的題目才會具體。

所以AI轉型的第一步，一定是先請同仁盤點自己每週重複超過4小時的痛苦任務，帶著這個任務來找他做一對一諮詢。

2. 先給心理安全感，再讓種子用戶製造同儕壓力

面對不懂的事情，同事最怕的是問笨問題，以及用AI做錯事。曾明賢認為，沒有容錯空間，就沒有人敢動手，而要有容錯空間，前提是先替團隊創造餘裕，讓大家有時間試錯。

他的另一個目標是找出10到15位真的愛用AI的種子同仁，請他們在週會說明自己怎麼用AI解決問題。當身邊的人一個個學會，隱性的同儕壓力就出現了，同仁之間互相請教的速度也比去問主管快，這些種子還能替他擋掉大量重複的基礎提問。

這是AI轉型「規模化」的開始。

3. Skill over System：不要蓋新系統逼同仁重學

曾明賢表示，AI有不確定性，程式碼有確定性，與其開發一套龐大的新介面要同仁重新學習，不如把既有的程式邏輯封裝成技能模組（Skill）讓AI呼叫，同時保有程式的確定性、AI的彈性與自我修復能力。

4. 工程師最抗拒，要從Code Review切進去

技術部門往往是最不想用AI的一群。曾明賢的做法是把資深工程師的審查經驗做成AI程式碼審查代理（Code Review Agent），把一次審查從4小時壓到2分鐘。搭配嚴格的測試，工程師才願意鬆手，「人相信的是測試後的結果，而不是誰寫的。」

他強調導入節奏必須循序漸進，先讓AI提出結果、由人確認，再逐步走向自動執行，「信任要一步步給。」

當AI長一定要避開的4個Don’ts

1. 別把自己做成「AI效率部」

曾明賢曾花1個月幫客服、3個月幫財會開發系統，「我的結論是，這是效率最差的做法。」

因為判斷標準留在同仁腦中，財會怎麼對帳、人資（HR）用什麼條件評估，AI長不可能抓到完整資料，也沒有能力判斷產出的對錯好壞，開發者再怎麼問都問不完整，所以一定不能自己做全部，否則全公司的AI升級會全部塞在AI長一個人身上，自己反而變成轉型瓶頸。

2. 別太早訂KPI

KPI訂得太早，同仁只會挑簡單、沒風險但也不痛的假議題來做，試錯空間跟著被壓縮，真正有動機的人才反而浮不出來。

3. 別硬推工程師用AI寫程式

對工程師來說，最重要的事情是「不出錯」，求快並不是第一順位，而且多軌開發沒有對應的薪資與職位設計，同仁沒有多接一條線的動機。

4. 別自己跳下去改老舊系統

老舊的基礎設施是超級痛點，光是換一套系統就可能耗掉一年。曾明賢提醒，AI推動者一旦自己跳進去改，整年時間都會卡死在裡面，這件事應該交給專責團隊處理。

如果能重來，我會⋯⋯

回頭看這一年，曾明賢最大的體悟是：員工會用AI，不等於組織會用AI。

第一件他覺得做得太晚的事，是累積組織的Context（脈絡）。他指的不只是文件，還包括會議記錄、聊天記錄，以及主管10到20年累積下來的判斷邏輯與偏好。

曾明賢表示，AI工具本身已經沒有門檻，要做一個Agent也不再是難題，能不能用得起來，取決於組織手上有沒有這些知識與脈絡。

難處在於，人往往「不知道自己知道什麼」，這些隱性知識已經內化成直覺，很難主動交出來。曾明賢的解法是讓AI主動提問，把答案一題一題掏出來。但公司層級的Context還牽涉權限、隱私與內容關聯性，他坦言自己也還在實驗。

第二件是人才的辨識與位置。曾明賢認為，企業要留住會用AI的人，給的應該是薪資與職位，而不是一次性的獎勵包；但要開得出這個職位，企業得先具備辨識這種能力的能力。

第三件是預算從哪裡來。他以客服為例提問：如果AI幫你解決3成問題，等於少聘3個人，這3個人的人力成本，能不能直接轉成AI的預算？只要能打通這個觀念，那「錢」不應該成為AI轉型的絆腳石。

終局是AIOS，AI派工、人負責執行

曾明賢對未來企業架構的想像，是由一套AI作業系統（AIOS）串起使用者、組織Context與既有的基礎設施。

在這個架構下，AI依據脈絡主動派工給人，例如偵測到場站沒電就直接派給維修人員，或是提醒財務去核銷發票；資訊處理與策略判斷交給AI，人則成為物理世界的執行與感測終端。

「AI長做到最後，還需要AI長嗎？」曾明賢認為，既然AI長是基礎建設者，當企業內部已經有其他AI種子時，那AI長的任務就告一段落了，「我們在訓練AI，最後把自己踢走。」