AI 導入最大的阻力，可能是大家太相信 AI

錯誤的期待，會製造錯誤的防衛。

上一篇的結尾我說：就算問題找對了、優先順序也排對了，專案仍然不一定推得動。因為接下來要遇到的，是人。

談到 AI 導入的人的問題，最常聽到的說法是「員工抗拒改變」。但做了這些年，我覺得另一半的問題其實在上面。

現在的經營者，不缺對 AI 的信心。大量的宣傳每天都在告訴他們 AI 有多強，於是很多老闆還沒開始盤點流程，心裡已經先被定錨：「這不是可以全部自動化嗎？」「導入 AI 之後，是不是可以減很多人？」「未來還需要這麼多主管嗎？」

員工看到的是同一套 AI 訊息。但老闆看到的是「效率」，員工看到的可能是「取代」。

結果就形成很麻煩的兩端：上面期待過高，下面防衛過深。

這裡我想特別說清楚一件事：我不認為這是員工「故意隱瞞」「不配合」或「反對進步」。更準確的說法是——在一個被理解成「盤點誰可以被自動化」的環境裡，人會自然選擇保護自己。這不一定是惡意，而是誘因問題。

一旦員工認為「我講得越清楚，我的工作越可能被拿掉」，他就沒有理由主動把例外、workaround、隱性判斷、個人 know-how 全部攤出來。而這些，恰恰是第二篇談過的、流程真相裡最關鍵的部分。於是 Discovery 的品質直接下降：訪談還是做了，紀錄還是有了，但拿到的是一個被小心修剪過的版本——後面所有的分析、排序、方案設計，都建立在這個版本上。

所以 AI 導入需要的，除了 Technology Design，至少還有三件事：Expectation Design——把「全部自動化」的想像，拉回「哪些值得解、哪些適合 AI」的具體問題；Stakeholder Engagement——讓被影響的人參與定義問題，而不是等著被定義；以及 Trust——用講得出口、也做得到的承諾（先解沒有人想做的重工，把省下的時間還給更有價值的判斷工作），取代「盤點誰能被取代」的敘事。

我的一句話總結是：錯誤的期待，會製造錯誤的防衛。

但這還不是人的問題的最後一層。假設期待管好了、大家都願意合作，AI 也真的做得很好——下一個問題反而是：人，到底還應該留下什麼？這是這個系列最後一篇想談的事。