當前全球企業正以前所未有的力道挹注資金於人工智慧。由《哈佛商業評論》進行的「數據與 AI 領導力調查」顯示，高達 91% 的組織正在增加 AI 投資，更有 99% 的企業將 AI 視為組織的首要任務。
然而，在技術熱潮背後，卻存在著巨大的「價值落差」：僅有 18% 的組織表示，他們從 AI 投資中獲得了高度可衡量的商業效益。這主要是因為高達 84% 的企業在引進技術時，並未同步重新設計其工作流程、角色定義或職業路徑，導致組織依然試圖用舊時代的框架來衡量新科技的產出。
在這樣的背景下，Yahoo Finance 推出約兩個月的全新投資產品 AlphaSpace，成為少數成功將 AI 轉化為實質價值的典範。這款新產品透過與 Unusual Whales 的夥伴關係，快速導入即時選擇權數據等功能。在 AI 的加速推動下，團隊在極短的時間內便推出超過 100 項新功能，成功吸引高度關注，使用者在 AlphaSpace 停留的時間更是 Yahoo Finance 平均用戶的 3 倍。
這種驚人的迭代速度，得益於開發團隊在 AI 輔助下，極度壓縮開發衝刺週期（Sprint）：原本需要兩週才能完成的任務，如今縮短為 24 小時。團隊維持著「早上規劃、當天交付、晚上回顧」的緊湊節奏。例如，有一次團隊在週五下午 4 點 45 分收到使用者回饋，當晚 8 點 30 分前便完成修改、審查並正式上線。
然而，AlphaSpace 的成功也揭示一個全新的組織難題：當 AI 讓實際執行的過程變得快速且便宜時，企業面臨的工作量並未減少，只是瓶頸發生了轉移。這也代表企業必須在前端投入更多心力，決定「該做什麼」，並在後端付出極大成本，驗證與交付成果。
要理解這個瓶頸為何會從執行端轉移到決策與交付，必須先拆解 AI 究竟改變了知識工作的哪一個環節。普林斯頓大學電腦科學家 Arvind Narayanan 提出的工作模型，正好提供了一個清楚的觀察框架。
AI 壓縮執行工作，人類反而更忙著決策與驗證
Arvind Narayanan 提出了一個名為「決策──執行──交付三明治」（decide-execute-deliver sandwich）的分析框架。他指出，大多數知識工作都可以被切分為三個層次，分別是：位於頂層、負責理解需要建置什麼以及為什麼的「決策層」；位於中間、代表實際動手實作的「執行層」；以及位於底層，涵蓋整合、測試和長期問責的「交付層」。
Arvind Narayanan 以「漢堡」比喻這種工作結構：在傳統模式中，工作就像一個擁有厚實肉片的漢堡，因為大部分心力都花在實際執行的程式編寫與除錯上。然而，在 AI 時代，中間代表執行工作的肉片已被壓縮成極薄的細絲，反而是上下兩層、代表人類決策與交付的麵包嚴重膨脹。
Arvind Narayanan 進一步指出，實際執行原本就只占整體工作約三分之一，因此即使 AI 壓縮執行層，其餘工作也不會憑空消失。相反地，因為建置成本急劇下降，企業啟動新專案的門檻變得更低，也導致組織更難跟上前端決策的篩選速度，以及後端極其繁瑣的驗證與交付工作。
此外，現階段的 AI 技術本質上更像是一種協作技術，而非能完全自動運行的引擎。因為大多數 AI Agent 在高風險的商務環境中依然缺乏足夠的可靠度，這使企業在實務操作中傾向保留人類參與，也就是所謂的「人機協同」模式。
建置能力不再稀缺，決策疲勞成為企業新風險
隨著 AI 自動處理軟體開發中許多底層的語法與技術細節，Yahoo 原本界線分明的專業分工，例如由設計師繪製靜態草圖、產品經理起草需求、工程師撰寫程式、分析師解讀數據的傳統模式，都正在消失。
Yahoo 的領導層認為，傳統職稱在未來不一定會完全消失，但個人的角色定位將愈來愈由他所負責與主導的「決策」來界定。然而，當 AI 賦予團隊建置更多功能的能力時，限制產能的真正瓶頸，將轉變為產品經理、設計師和工程師能夠審慎做出多少「選擇」。由於現在的工作很大程度上變成「關於工作的對話」，團隊成員必須不斷溝通，導致主管觀察到的最大風險並非工作機會流失，而是員工必須面對的選擇同步暴增，進而引發新型態的「決策疲勞」。
然而，決策權與建置能力的擴張，並不必然帶來更高的商業價值。當每個人都能快速產出，企業也更容易把「做得多」誤認為「做得對」，因此交付品質與績效衡量便成為下一個必須處理的管理難題。
AI 讓執行變快，交付、審核與問責反而成為新瓶頸
過去，由於工程資源極其珍貴，團隊會花費大量時間進行前端決策，絕不敢浪費工程師的一秒鐘。但現在，因為 AI 幾乎能在瞬間建置出任何東西，企業極易落入「虛假生產力」（false productivity）的陷阱，迅速做出大量原本根本不需要的產品，卻無法創造真正的商業價值。
如果人類在未充分思考和驗證的情況下，便直接交付 AI 產出的低品質內容，這些成果只會成為毫無價值的「AI 垃圾訊息」（AI slop）；若未經仔細審查就轉交給同事，更會形成增加他人負擔、破壞團隊凝聚力的「工作垃圾」（workslop）。
在這樣的新常態下，產品的交付與審核反而成為最棘手的關卡。Yahoo Finance 產品負責人 George Leimer 強調，即使 AI 能在極短時間內完成執行工作，團隊仍必須經歷極其困難的交付過程，包括審查產出品質、處理潛在的安全風險，以及建立部署流程。
與此同時，績效衡量也面臨嚴峻考驗。《哈佛商業評論》指出，即便許多企業已經引進 AI，卻依然普遍沿用舊時代的生產力、目標達成度與效率等傳統指標，評估員工表現。這也造成了極大的矛盾：過度依賴 AI 快速產出的人看起來績效卓著，而那些為了驗證假設、挑戰 AI 錯誤、糾正偏差而放慢腳步的專業員工，卻可能在為組織創造最高價值的關鍵時刻，被判定為缺乏效率。在這樣的趨勢下，領導者必須思考，當工作成果轉變為人類與 AI 共同產出時，該如何重新定義「優秀表現」，並確保在追求速度和效率的同時，不會犧牲人類至關重要的判斷力與問責制。
普林斯頓大學電腦科學家 Arvind Narayanan 預期，企業因 AI 重整組織與流程，將是一場延續數十年的結構轉型，如同電力促使工廠轉向裝配線生產，歷經 40 年才完成組織重組。Yahoo 的經驗也顯示，當技術門檻下降，真正拉開差距的已不是寫程式的能力，而是能否判斷哪些問題值得解決，並驗證 AI 建置的成果。因此，企業下一步的關鍵，在於重新設計可持續的工作流程，並守住人類的判斷力與最終責任。
＊本文開放合作夥伴轉載，參考資料：《Fortune》、《Harvard Business Review》，首圖來源：AI 工具生成
