公司使用 AI 的能力可以分三級，可以先問一個問題：這件工作，下一步由誰決定？
第一級「員工的助理」：由人決定。員工問、AI 答，結果再由人搬到下一步。
第二級「流程裡的一站」：由事先寫好的流程決定。發生 A，就執行 B。
第三級「可以交辦的專員」：由 AI 依目標自己決定怎麼做，人負責設定目標和邊界。

常出現的情境：A員工說：「我請AI幫我做了...」 、B員工說：「我問AI他給我的建議是...」。
但如果今天負責的人請假、忘了、給AI的指令變了或是資料給錯，都會出現問題；而他們省下多少時間，公司也看不到。

AI能為企業帶來的效益，往往"人"是最後的防線，但也是最大的瓶頸。

根據BCG(波士頓顧問公司)2025年統計資料：72％受訪者規律使用AI，但只有13%受訪者表示將agent(代理人)整合進流程。雖然2026年有提升到30%，但還是占相對少數。
這代表一個問題，公司在使用AI能力上，有很大的斷層，而大多數的公司（或部門）很有可能多數還停留在一、二級。

但不要被等級給誤導了，不是每件事都用最高級的AI來做最好，而是能根據不同工作內容，選擇合適AI導入的方式，才能發揮最大效益。
身為經營/管理者的你，最好能夠知道自己公司目前處在哪一級，未來可以怎麼做。

所以，本文最後也提供一個盤點表，可以讓大家回去幫自己的企業打分，並且根據不同的分數區間，給出對應下一步的做法，希望可以有一些啟發。
此篇文章參考42篇專業機構所發布的文章與研究，包括OpenAI(ChatGPT)、Anthropic(Claude)、顧問公司（McKinsey麥肯錫、BCG波士頓）以及世界領先使用AI的公司，例如Microsoft、以及國內的玉山銀行等等。
文章內引用的資料參考連結我會放在最後面，有興趣的人歡迎查閱。

重點摘要

1. 員工比老闆以為的更會用 AI，但老闆通常看不見
2. 員工省下的時間，大多數還沒有變成公司的效益：McKinsey 2026 年的調查中，80% 受訪者說 AI 提升了個人生產力，只有 37% 說對公司獲利有貢獻。原因之一是第一級的效益只在員工身上，公司量不到。
3. 企業使用 AI 的能力分三級，差別在「下一步由誰決定」：第一級由人決定，第二級由事先寫好的流程決定，第三級由 AI 依目標自己決定。級別看能力，不看比例，不是每件工作都要用到第三級。
4. 同一件工作天天要員工照同樣步驟，把 AI 的結果「重複貼回」業務系統，代表這段工作其實是流程，AI 卻還在流程外面：玉山銀行 GENIE 2.0 推到全行三分之一員工使用後，就卡在這個斷點，才決定改走 agent。
5. 一張盤點表、一場 30 分鐘的部門主管會議，就能看出公司用到第幾級：每個部門一列，標出級別和警訊，再從整張表的趨勢決定下一步。

員工比表面還更會用AI

員工用 AI，大多發生在個人層級：老闆看不見，公司也量不到。
多數公司的 AI 使用情況，比經營者想像的更樂觀，也更令人擔心。

更樂觀，是因為員工用得比老闆以為的多。

McKinsey 2024 年 10～11 月的美國調查中，118 位高階主管估計只有 4% 員工把生成式 AI 用在三成以上的日常工作；3,002 位員工中，實際有 13% 自報已經用到這個程度，是主管估計的三倍。

墨爾本大學與 KPMG 2025 年的全球調查中，57% 的員工表示會隱瞞自己使用 AI。

老闆為什麼看不見？員工用 AI 幫自己省時間是很自然的事，但未必會說出來。尤其是說出來跟績效不會有關，甚至工作量還有可能增加的情形下，企業非常難察覺。

更令人擔心的有兩件事。
第一，省下來的時間沒有變成公司的效益。

McKinsey 2026 年的調查中，80% 受訪者說 AI 提升了個人生產力，但只有 37% 說 AI 對公司獲利有貢獻。

BCG 2026 年的報告也指出，66% 的員工對省下的時間該做什麼，只得到很少或沒有指引。

所以我建議：公司需要隨著 AI 的普及，一起修改績效考核與獎勵機制；鼓勵員工嘗試和 AI 合作，才有機會把工作效率提升所產生的紅利，投入更多有價值的任務。
目前這樣做的公司還不多。

Microsoft 2026 年的調查中，只有 21% 的主管和 10% 的員工認為，公司不論結果都會獎勵用 AI 重新設計工作。

為什麼省下的時間進不了公司的帳？下一節的三級框架，會給出一部分答案。

第二，資訊安全。

BCG 2025 年的報告中，54% 的員工表示，公司提供的工具不夠用時，會改用未經授權的 AI 工具。

墨爾本大學與 KPMG 的調查也發現，只有 40% 的員工說公司有生成式 AI 的使用政策。

沒有規範，員工就可能把公司資料貼進個人帳號的 AI 工具；資料一旦貼出去，就離開了公司的控管範圍。
玉山銀行在 2023 年也曾因為擔心機敏資料外洩而封鎖 ChatGPT，後來自建一套會過濾機敏資料的內部平台，先讓員工「敢用」。

企業 AI 能力三級

從這三級的分類方式，可以看出等級越高的AI使用，可以處理更複雜的工作，AI的自主程度也越高。
從一開始被動的一問一答，到第二級因為某個事件的發生，而做好自己那一段的工作，到第三級因應目標而能夠自己找工具與方法完成任務。
為了更好理解，我們用客訴處理來舉例

表格最後一列「效益怎麼量」，可以解釋第一節的落差：為什麼 80% 的人說 AI 讓自己變快，只有 37% 說 AI 對公司獲利有貢獻？原因之一是，第一級的效益本來就量不到。

例如客服人員用 AI 擬信，每封快了幾分鐘，但這幾分鐘留在員工身上，系統報表上看不到。到了第二級，AI 處理的每一件都會留下紀錄，處理時間、件量、人工修改率才進得了報表。到了第三級，要先說好什麼算「處理完成」，才量得出結案率和每件成本。

給老闆一個最簡單的判斷法：這個 AI 用法的效益，能不能從系統報表上看到？只能聽員工說的，就是第一級。

不過，請勿盲目追求所有的工作都要完全自動化。級別是看能力，不看比例！
Microsoft 在 2025 年《Work Trend Index》也指出，企業轉型「不是嚴格的線性過程」，很多公司會同時處在不同階段。
把本來應該有固定流程的工作，讓AI自由發揮，容易燒掉更多的AI算力費用(Token)，結果不見得更好。
有些工作甚至應該直接交給程式跑，根本不需要用到AI。

需要注意的是，以下有幾個情況，容易誤判。

1. 不看產品名稱：叫 agent 的不一定是 agent，叫 Copilot 的也不一定只是助理。
2. 不看誰開啟工作：誰觸發不重要，觸發之後下一步由誰決定才重要。
3. 不看自動化程度：串了很多系統、全程自動，只要路徑是事先寫死的，就是第二級。

OpenAI在自家的agent建構指南中特別提到：不讓 LLM(大語言模型) 控制流程執行的簡單聊天機器人不是 agent；Gartner(全球領先的資訊科技研究與顧問諮詢公司)也提到：agent washing，意思是很多廠商會把既有的聊天機器人、自動化程式系統包裝成agent ，卻沒有實質的agentic能力。數千家廠商中只有約 130 家是真的。

玉山銀行花三年讓AI從員工手上逐漸走進流程

玉山銀行花了三年，才從「讓員工敢用」準備走到「讓 AI 動手完成任務」。用本文的三級來看，這三年正好是一條完整的路：

1. 破冰（GENIE 1.0）：先解決資安疑慮，讓員工敢用第一級。
2. 擴散（GENIE 2.0）：把第一級推到全行三分之一的員工，也撞上第一級的天花板。
3. 交辦（GENIE 3.0）：讓 AI 走進業務流程，往第二、三級走。

玉山銀行演進過程

緣起：

2023年初，ChatGPT開始在全球走紅，新用戶開始紛紛投入測試新的應用方式。銀行業看到機會，但是也擔憂敏感資料外洩，所以紛紛封鎖；玉山銀行也不例外。

第一階段：破冰

1. 2023下半年，開始自建地端助理，用DLP過濾機敏資料
2. 2024年1月，推出 GENIE 1.0，目標是讓員工「敢用、放心用」，上線半年後使用人數占全行員工的10%。

第二階段：擴散

3. 2024 年 9 月推出 2.0，目標是規模化：至2026年上半年每月超過 3,600 人使用（超過全行三分之一），每月 14 億 Token，單月模型調用費不到新台幣 5 萬元。
   規模化之後發現的四大斷點

• 功能孤島：雖然有統一入口，但員工還是需要手動切換各種功能，缺乏系統性整合。
• 知識分散：各單位知識沒有整合，還是停留在各單位中，難以處理跨單位知識的查詢。
• API規格混亂：缺乏標準化的「通訊語言」，導致串接困難。
• 業務流程的斷點：員工還是需要將AI回答的內容，手動貼回原本的業務系統中。
  (類似停留在我們所提到的第一級)

第三階段：交辦

4. 預定2026 年 9 月底推出 3.0：改為Root Agent 加上 SOP 技能化，並設治理框架。(報導時尚未上線，目前還沒有公開成效)
   因應規模化斷點解決方案

• 功能孤島 → 一個總窗口：由主代理（Root Agent）判斷員工的意圖，再分派給對應的服務或專責 Agent。用真人來比喻：過去員工要自己去找各部門的專員；現在只要跟一位總窗口說，他會幫你找到對的人處理。

• 知識分散 → 知識管理標準化：整合各單位的知識，讓跨單位也能共用。

• API 規格混亂 → 統一的調用方式：把既有 API 包裝成可以透過 MCP（Model Context Protocol，讓 AI 呼叫外部工具的共通協定）調用的形式，由主代理統一管理。

• 業務流程斷點 → SOP 技能化，結果直接回到系統：把各單位的 SOP 寫成 AI 能讀的技能檔（Skill），Agent 照著一步步完成任務，再把結果直接送回原本的業務系統。例如報支費用：員工提出需求，Agent 查規定、取 SOP、完成申請。

• 持續推動人才轉型：培訓從高階主管到擁有實戰經驗的員工，擁有AI思維，知道如何與AI協作，學會如何測試、優化與監督。讓員工開始相信，AI不是來取代他的，而是讓他可以從「執行者」變成「監督與優化者」，願意把過往的經驗分享出來，是轉型成功的關鍵。

從玉山銀行轉型的經驗我們可以學到什麼？

• 企業要做AI轉型，不是買幾個工具就有辦法成功。需要從最基礎的第一級開始，同時把基礎設施建好
  (包括數據/知識庫/人才發展/法規/治理規範)，先形成AI的腦，未來才能讓AI真的擁有實戰智能，能夠把工作完成，達到自動化。
• 人才是轉型成功的關鍵：從董事長、主管到一線員工，擁有相對應的AI知識與思考能力，能夠確保從策略到任務執行，都開始流淌AI合作的DNA。
• 到底要先做廣度（讓全員都敢放心的用）還是要先做深度（從某一個工作下手，提升到相對應的等級)，根據不同行業的合規風險以及工作複雜程度不同。先做深度適合沒有自己平台的中小型企業，但要注意的就是單一團隊（工作）的成功經驗很難複製。

一張表，30分鐘，盤點公司目前使用AI的能力。

身為經營者，如果能夠了解目前公司使用AI的整體情形，有助於思考未來的策略以及可能的風險。
底下為一張全貌盤點表：每個部門一列，標出用到第幾級，以及有哪些警訊。填完後，從表的趨勢就看得出公司目前的狀態、下一步該投資什麼。一場 30 分鐘的部門主管會議就能完成第一輪。

盤點表

每個部門（或主要職能）一列。級別欄只填符號，不寫細節：

• ●：正式流程中在用
• ○：試用或試點中
• 空白：沒有

警訊只有四種，各一欄，有就打勾：

填好的範例：

客服每天用 AI 擬客訴回信，再一封封照同樣步驟貼回客服系統；業務用個人 ChatGPT 帳號；資訊部的 agent 試點沒有驗收標準。

部門主管的底稿（會前填）

老闆不必看細節。部門主管用四個問題，決定自己那一列的符號和警訊：

1. 部門裡哪些工作有用 AI？用的是員工自己的工具？→ 決定是否勾「影子 AI」
2. 每件工作是誰決定下一步：人、事先寫好的流程，還是 AI？已經正式上線，還是在試用？→ 決定 ● ○ 以及 填在哪一級
3. 有沒有哪件工作每天或每週重複，員工照同樣步驟把 AI 的結果貼回業務系統？→ 有就勾「重複貼回」
4. 效益從哪裡看到：員工自報、流程報表，還是任務驗收？第二、三級的用法，人在哪裡把關？→ 決定「量不到」「沒把關」

會議流程

• 會前：各部門主管用四個問題，填好自己部門的欄位。
• 0–5 分鐘：說明目的是看全貌、決定公司下一步該怎麼做，不追究過去使用方式與績效。
• 5–15 分鐘：各部門報自己那一列（每個部門約 2 分鐘），現場確認符號和警訊。
• 15–25 分鐘：看整張表的趨勢，對照「如何解讀盤點結果」，判斷公司目前所處級別、瓶頸在哪裡。
• 25–30 分鐘：最多選兩個下一步，各指派一位負責人和期限。

如何解讀盤點結果

結語

盤點過後，大家或許對自己公司/部門使用AI能力上會有更深入的了解，
不管在第幾級，相信對於下一步可以怎麼做都可以有基本方向。
建議至少半年至一年可以重做一次盤點，看進步的程度。
玉山銀行的案例，可以讓我們提早思考如何佈局自己公司的策略，以中小企業來說，資源沒辦法有這麼多。但從部門單一工作開始，遇見未來規模化時會碰到的問題，可以幫公司少走很多彎路。

FAQ

• 公司該禁止員工用 AI工具 嗎？：不建議，只會讓使用轉到檯面下。可以制定清楚的使用規範，限制敏感資訊的使用範圍；如果有預算，可以設立統一公司AI平台，方便控管與統一。
• 公司AI能力級別，看最高的用法還是多數的用法？：看最高、而且在正式流程上用過的那一級，代表公司「會用到」哪裡；同時把各級的分布列出來，才看得出大多數工作停在哪裡。
• 中小企業也需要盤點 AI 用法嗎？：需要，而且更應該做。中小企業資源有限，能夠透過導入AI增加市場競爭力，而且組織相對單純，盤點更簡單。
• 公司一定要升到第三級才算成功嗎？：第三級代表有使用Agent 的能力，但不代表每件工作都要用。能夠擁有判斷能力，知道把不同任務應用到目前AI能夠協助的最高等級，就已經成功了。
• 盤點應該由 IT 負責，還是各部門負責？：需要由各部門負責，尤其不應停在部門主管的印象上，以免低估了一線員工使用AI的能力及資安風險。
• 用 ChatGPT 就是第一級嗎？：不一定，要看用法。在對話裡一問一答，結果由使用者決定怎麼用，是第一級；把一個目標交給「工作」模式或 Codex，讓它自己拆步驟、跨 App 完成，就是第三級。級別看的是誰決定下一步，不看產品名稱。

參考資料

依文中出現順序排列。

調查與研究

1. McKinsey & Company，〈Superagency in the workplace: Empowering people to unlock AI's full potential〉，2025。
2. 墨爾本大學（University of Melbourne）與 KPMG，〈Global study reveals trust of AI remains a critical challenge reflecting tension between benefits and risks〉，2025。
3. McKinsey & Company，〈The state of AI in 2026: On the road to ROI〉，2026。
4. Boston Consulting Group（BCG），〈AI at Work: Strategy Matters More Than Tools〉，2026。
5. Microsoft WorkLab，〈Agents, human agency, and the opportunity for every organization〉（2026 Work Trend Index），2026。
6. Boston Consulting Group（BCG），〈AI at Work 2025: Momentum Builds, But Gaps Remain〉，2025。
7. Microsoft WorkLab，〈2025: The year the Frontier Firm is born〉（2025 Work Trend Index），2025。

AI agent 的定義

8. Anthropic，〈Building effective agents〉，2024。
9. OpenAI，〈A practical guide to building agents〉，2025。
10. Gartner，〈Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027〉，2025。

企業案例

11. iThome（王宏仁），〈【AI轉型實例1上篇】玉山銀行GENIE每月處理14億Token，模型調用成本不到5萬元〉，2026。
12. iThome（王宏仁），〈【AI轉型實例1下篇】玉山銀行打造全行AI代理入口，首度揭露新一代GENIE關鍵Agentic技術框架〉，2026。