過去一年，我觀察到企業主們反覆犯下同樣的高昂錯誤。他們購買了上百個 ChatGPT Plus 帳號，舉辦一場關於如何寫出「完美」提示詞的「午餐學習會」（Lunch and Learn），然後納悶為什麼業績毫無起色。他們稱之為 AI 轉型，但實際上這是一種更具破壞性的行為：將系統架構的責任外包給最不具備處理能力的人——也就是終端用戶。
領導力並非給團隊一個空白的文本框，並告訴他們「提高效率」。這就像是給每個人一個水桶，讓他們去井裡打水，而你本該建立的是供水系統。如果你的員工必須思考如何與機器對話才能完成工作，那麼你根本沒有實現自動化。你只是在他們已經滿載的工作內容中增加了「提示工程師」這一項，卻沒有增加他們的薪資或產能。
提示悖論：為什麼你的員工正忽略他們的 AI 訂閱
💡 想要 Penny 分析您的業務嗎？ 她繪製了人工智慧可以取代哪些角色的地圖，並制定了分階段計劃。 開始免費試用 →
目前關於 AI 的敘事中存在一個基本的摩擦點，我稱之為提示悖論（The Prompting Paradox）。它指出：用戶為了從 AI 獲得結果而必須投入的認知努力越多，他們就越不可能將其用於重複性的高價值任務。
我們目前正要求高技能專業人士——會計師、行銷人員、工程師——停止手頭的工作，去和聊天機器人進行一場創意寫作練習。對於偶爾的腦力激盪來說，這沒問題。但對於商業流程來說，這是一場災難。當一項任務需要人類記得打開分頁、貼上提示詞、驗證輸出並將其移回工作流時，「摩擦成本」往往超過了「效率增益」。
這就是為什麼我看到許多公司在第一個月的 AI 採用率很高，到了第三個月卻下降了 90%。人們不想成為提示工程師；他們只想完成工作。真正的 AI 轉型 發生在 AI 成為「水管」而非「水龍頭」的時候。它應該在背景運行，由事件觸發，而非由人為干預觸發。
損害利潤的「手動智能稅」
每當員工必須手動提示 AI 去執行本應是標準作業程序的事情時，你都在支付我所謂的手動智能稅（Manual Intelligence Tax）。
思考一下你目前的成本。在許多專業服務中，最昂貴的資源是「關聯差距」——即將數據從一個地方移動到另一個地方，或綜合一份標準報告所花費的時間。如果你支付一名助理每年 £60,000 的薪水，而他們花費 20% 的時間「提示」AI 來總結會議或起草郵件，那麼你每年就支付了 £12,000 讓他們充當兩個系統之間的人力橋樑。
那是領導力的失敗。領導者的工作是建立一個環境，讓總結在會議結束的那一刻自動生成，且已加載客戶的歷史背景，草稿也已躺在助理的收件匣中等待 30 秒的審核。這就是「工具」與「轉型」之間的區別。
從「生成式」轉向「整合式」AI
要擺脫手動智能稅，領導者需要將重心從生成式 AI（Generative AI，創造能力）轉向整合式 AI（Integrative AI，連接能力）。
在整合式環境中，AI 不會等待提示詞。它等待的是觸發點（Trigger）。
- 觸發點： 一個新的潛在客戶進入 CRM。
- 背景： AI 提取過去三年的行業趨勢、該客戶的 LinkedIn 個人資料以及公司的內部案例研究。
- 行動： 它為銷售代表生成一份量身定制的簡報。
沒人下提示詞。銷售代表不需要思考。他們只需打開筆電，工作表現就能提升 10 倍，因為系統的設計初衷就是支持他們。這也是我經營自己業務的方式。我不會整天透過聊天界面與自己「對話」。我建立了循環，由事件（郵件、新訂閱者、數據投放）觸發我的內部模型執行特定的、預先定義的功能。
不可見 AI 的三個層級
如果你想領導一場真正的 AI 轉型，你需要停止思考聊天界面，轉而思考不可見性的層級。
1. 影子層（事件驅動型）
這是 AI 存在於你現有軟體堆疊中的地方。例如，當你查看不斷增加的 HR 軟體成本時，你不應只看帳號單價。你應該看該軟體是否利用 AI 自動處理「手動智能」任務——如費用分類或標記合規風險——而無需人類開口詢問。
2. 背景層（數據豐富型）
「只要下個提示詞」方法的最大弱點是 AI 對你的業務沒有記憶。無提示環境透過向 AI 提供公司數據的實時流來解決這個問題。在教育與培訓中，這意味著 AI 了解每位學生的過往表現並自動調整課程，而不是讓老師手動提示機器人「為表現不佳的學生寫一份教案」。
3. 編排層（多步驟型）
這是最高境界。多個 AI 代理（Agents）協作完成一個複雜項目。一個代理識別問題，第二個提出解決方案，第三個檢查預算合規性，而人類僅在最後進入循環，給予最終的「確認」。
領導者即系統架構師
未來領導力並非指知道點擊哪個按鈕那種「精通科技」。而是成為一名系統架構師（Systems Architect）。
你需要能夠審視業務流程——無論是客戶入職、產品開發還是財務報告——並規劃出 AI 可以遵循的「邏輯流」。
如果你無法將業務流程描述為一系列邏輯步驟，你就無法自動化。如果你無法自動化，你就是在強迫員工使用昂貴的人類大腦去執行廉價矽電路的工作。這不僅效率低下，更是對人類潛能的浪費。
為什麼我對提示工程持保留態度
我知道推銷「提示工程」課程很流行。它簡單、具體，且讓人覺得學到了新技能。但我告訴你，提示工程只是一個過渡階段。它是 AI 時代的「MS-DOS 命令列」。最終，它會消失在一個真正理解我們需求的用戶界面背後。
我的建議？不要為一個正在消失的世界培訓員工。相反，將時間和金錢投入到建設讓提示詞變得多餘的基礎設施中。
停止詢問你的團隊可以用 ChatGPT 做什麼。開始詢問你的團隊，他們目前在哪裡充當系統之間的手動橋樑——然後建造那座橋。
真正的 AI 轉型不在於員工在輸入框裡輸入了什麼。而在於他們再也不必做的那些工作。
準備好看看你的企業還在哪裡支付手動智能稅了嗎？讓我們審視你的營運狀況，找到需要建設的供水系統。引導這一轉變的窗口正在關閉，贏家不會是那些擁有最好提示詞的人——而是那些根本不需要提示詞的人。