最近一段時間，我每週大約花十個小時刻意練習 AI。
做過 GPTs、NotebookLM、n8n、自動上架、行程整理，也做過 CRM 雛形。
工具清單越來越長，我反而看到一件事：會用很多工具，不等於公司已經會導入 AI。
我把企業 AI 導入翻譯成學開車：會踩油門只是 L1，能讓不同駕駛在同一條路安全交接，才接近組織能力。
企業 AI 導入成熟度 L1–L5 是什麼？
「AI 導入成熟度 L1–L5」是從個人會用工具、流程能被描述、工作流能跨系統運作，到風險可治理、能力可持續複製的五個層級。
- L1 個人使用：成員能用 AI 完成單次任務。
- L2 流程知識化：SOP、資料定義與判斷規則被整理。
- L3 工作流化：工具、資料與人工接手能穩定串接。
- L4 治理化：權限、版本、風險與成果可以回查。
- L5 組織能力：新情境能沿用共同架構快速迭代。
這是我的實務整理，不是國際認證分級。它的用途是讓主管知道下一筆預算要補哪一層，而不是替公司貼成熟或不成熟的標籤。
同一家公司也可能不同流程位在不同層級。財務核銷已經有完整權限與稽核，行銷內容卻仍靠個人經驗；成熟度應該評流程，不是替整間公司打一個平均分數。
評估時請拿一個真實流程逐層問：誰使用、知識在哪、工具怎麼交接、風險怎麼回查、換人後能不能延續。答不出來的那一層，就是下一個改善目標。
為什麼多數企業會卡在 L2？
因為 L1 買帳號就能開始，L2 卻要求團隊說清楚 SOP、資料、例外與品質。工具問題容易示範，知識整理則會碰到部門邊界與責任。
「SKMS」是我用來處理 L2 的路徑：SOP 先寫出做法，Knowledge Management 累積判斷與例外，再把成熟部分封裝成 Skill。
很多人以為卡關是模型不夠強，其實剛好相反。模型越強，越容易掩蓋流程本身沒有共同標準。
如果你是老闆（或要分配預算的主管），同一項工作換三個人會得到三種做法嗎？如果會，先別急著談 Agent。
L2 的工作可以從「例外」開始整理。標準流程大家通常說得出來，真正藏在人腦裡的是遇到資料不全、客戶臨時改條件、系統沒有回應時怎麼判斷。
每週挑三個例外，記錄當時資訊、採取動作與結果。幾週後再回頭分類，哪些能寫成規則、哪些需要授權、哪些其實是上游資料問題。
成熟度提升要怎麼選第一個流程？
選擇頻率高、等待久、錯誤可驗收，而且有明確負責人的流程；先建立可回饋的小閉環，再擴大到跨部門，不要從最炫的展示開始。
可以先列四個數字：每週發生幾次、每次等待多久、一次錯誤要多少人重工、結果由誰驗收。這比問「哪個部門最想用 AI」更接近商業問題。
製造現場常提醒：設計階段一元的問題，可能在試產變十元、量產變百元，到客戶端再放大。AI 導入也應該優先處理錯誤會一路加價的流程。
實際選題方式可接著看企業導入 AI 該從哪個流程開始。
第一個試點還要具備「可以停」。若錯誤出現，團隊能切回人工流程，不會影響付款、法遵或客戶承諾。可回復性越高，越適合作為練習場。
試點期間固定比較導入前後，不要只記成功案例。完成時間縮短、返工增加，可能代表速度只是把成本推給驗收者。
L4 的治理為什麼不是找人背鍋？
治理要留下資料來源、工具版本、人工修改、權限與批准紀錄。目的不是處罰出錯者，而是讓團隊能回到原因修正，保護願意做決定的人。
NIST 的 AI 風險管理框架同樣把治理視為貫穿情境盤點、衡量與管理的工作，不是專案結束才補一份文件。
我過去做晶圓研發良率提升時（曾在晶圓研發做良率提升六年半），看到的也是同一件事：有紀錄，錯誤才有機會變成下一次的知識。
L4 至少要看五種紀錄：資料版本、提示或流程版本、權限異動、人工修改、事故處理。不是每位員工都看全部，而是需要時找得到對的人與證據。
風險分級也不能只靠資料敏感度。對外發布、客戶承諾、財務動作與人事判斷，即使輸入不是機密，錯誤後果仍可能很高。
這個觀點在ERP、PLM 與 AI 治理有更完整的說明。
怎麼知道公司真的走到 L5？
不是看 Agent 數量，而是看新流程能否沿用同一套資料、權限、驗收與回饋架構；原作者離開後，團隊仍能理解、修正並持續改善。
老闆要驗收三件事：人是否少等系統、錯誤是否更早被看見、好做法是否留下來。只有速度變快，不代表成熟度提高。
L5 不是終點，也不是把所有工作自動化。當市場、工具或法規變動時，團隊能用既有架構重新評估並安全調整，才是成熟的證據。
成熟流程還會保留人工能力。自動化長期正常運作時，人最容易忘記備援怎麼做，所以要安排定期演練，確定停機時仍能維持最低服務。
OECD 的 AI 與技能報告也提醒，資料解讀、問題解決與管理能力仍是 AI 工作的重要部分。
你公司現在在哪一層？更重要的是，下一層缺的是工具，還是那份一直沒有人願意寫清楚的流程？
