Most AI projects fail not because the technology doesn't work, but because they chase features instead of solving actual problems.大多數 AI 項目失敗，並非因為技術不行，而是因為它們追逐功能，而非解決實際問題。
過去兩年，我看過數十個 AI 實施項目。大多數都靜悄悄地失敗了。
它們失敗，並不是因為技術不行 — 技術沒有問題。它們失敗，是因為一開始的假設就錯了：把目標當成_功能_，而不是_改變_。
我看到的模式是這樣的：
一家公司決定「導入 AI」。他們找來顧問或供應商，做了一輪需求探查，談好承諾，設定預算。有人建了一套系統 — 一個處理發票的 AI 代理、一個應對客服信件的對話機器人，或一個彙整報告的儀表板。系統技術上是可運作的，做著它該做的事。
但團隊不用它。或者用了三星期就停了。又或者用法不對，反而違背了初衷。真正的工作流程，並未改變。
半年後，這套系統被棄置。公司把它寫成「AI 還沒成熟」、「我們資料不夠」，或「我們業務太複雜」。但事實並非如此。真正發生的，是他們建了一個功能，卻沒有解決一個問題。
功能與問題的分別
功能是你建好之後交付出去的東西。問題則是要透過改變人們的工作方式才能解決的東西。
當有人問我「你能不能建一套 AI 系統來處理我們的收件表單」，我會先反問另一個問題：「你們現在是怎麼處理的？花多少時間？實際的成本是多少？」
他們通常會說：「Sarah 每天要花四個小時，大概佔她 20% 的工時。」
那才是問題所在。不是「我們需要一套 AI 收件處理器」，而是「我們正在花錢請人做重複的工作，而不是讓他專注於真正重要的事」。
功能可以很優雅。解決問題的過程通常很狼狽。
功能可能是一個漂亮的儀表板，幫銷售評分線索。解決問題則可能是：「你們的銷售團隊在篩選爛單上浪費時間，因為他們缺少脈絡。我們來建一個評分代理，用你們真正的成交歷史，把值得打電話的那批標出來。」
同樣的技術，不同的框架。一個是「我們把它建好了」。另一個是「你的團隊時間被釋放出來了」。
只有後者真的會留下來。
為何這件事重要
分別會在三個地方顯現出來：
**在前期設定：**如果你在解決問題，你會從理解真實的工作流程開始 — 不是組織圖，不是大家_口頭上_說自己做什麼，而是他們實際在做什麼。每天花多少分鐘？Sarah 要登入幾套系統？最糟的情境是什麼？哪個邊角案例最常絆倒所有人？
這比堆功能更狼狽。它意味著訪談、觀察，以及不斷說「我還沒搞懂，請你再帶我走一遍」。
**在建造過程：**如果你在解決問題，你會為「採用率」最佳化，而不是為「優雅」最佳化。系統可能要住在人們本來就在用的地方 — 電郵、WhatsApp、現有的 CRM — 而不是躲在一個新的儀表板背後。它可能是從小處開始（先自動化 30% 的流程），而不是一開始就想把每個邊角案例都吞下去。
**在維護階段：**如果你在解決問題，你會根據人們上線後實際的使用方式去迭代，而不是根據你事前的猜測。Sarah 的用法和你預期的不一樣 — 那不是系統的 bug，而是訊號，告訴你流程需要調整。好的實施，是依照現實去調校，而不是固守原本的設計。
真正會奏效的做法
我看過真的留得下來的 AI 實施，共通點有三：
**其一：**它們的範圍是圍繞真實的工作流程，不是圍繞技術。是「我們要自動化收件流程」，而不是「我們要用某某 AI 供應商的平台」。先談問題，再談技術。
**其二：**承諾之前先試。不要簽半年的合約。先做一個小東西，用上兩星期，再決定值不值得擴張。這既能去除風險，也能讓你看清楚它到底會不會被採用。
**其三：**維護從一開始就納入設計。第一天可用的系統，到第十五天可能就需要微調。多數項目把「上線」當成終點，好的實施則把它當成起點。「我們把它建好了。現在，讓它真的在你的業務裡發揮作用。」
合理的時程
這也意味著，好的實施會比堆功能來得慢。
探查：一到兩星期。
試做：三到四星期。
試用：兩星期，在你的業務裡，由你的人去用。
決定：要不要繼續？
要的話，就調校、擴張。不要的話，已建的成果歸你，我們乾淨地分手。
從起步到第一次有意義的試用，大約四到六星期。若你用「出了幾個功能」來衡量，這聽起來很慢；若你用_改變工作方式_來衡量，這其實很快。
對委託人而言的意義
如果你正在評估一個 AI 實施案，請問這些問題。
**開始之前：**我們究竟要自動化哪一個流程？聽他答得有多具體。「開發票」是模糊。「Sarah 每天早上花 45 分鐘在會計系統裡，手動把發票和採購單對起來」才是真實的。成功會是什麼樣？不是「我們有了一套 AI 系統」，而是「Sarah 把這件事從 45 分鐘做到 10 分鐘」。我們是先試小的，還是一上來就承諾半年的大工程？永遠先試小的。
**上線之後：**人們真的有在用嗎？不是第一天，是第三十天。它實際的運作方式，和我們預期的有什麼不同？這是正常的，訊號才是重點。我們該調校什麼？而調校是包含在內，還是每改一次就要再付一次錢？
如果一位顧問或供應商沒辦法把這些問題清楚地答出來，你買的多半是功能，不是解方。
還有一件事
多數失敗的 AI 項目，是靜悄悄地失敗的，因為沒人會出來談它。公司不會公開承認自己花了五十萬港幣建了一套沒人用的東西。供應商不會宣傳自己的失敗。顧問則會繼續到下一個案子。
但是，如果你手上有一個又繁瑣又重複的流程，已經想了兩年要把它自動化，那就是訊號。那裡很可能埋著一個好的實施 — 只是被一個壞的實施蓋住了。
留得下來的工作，從對問題本身的清晰開始，不是從最新的技術開始。它會慢慢走過一段試用期，會持續調校與迭代。
它比較慢。它比較狼狽。它真的會奏效。
Want to explore whether AI implementation makes sense for your business? Begin a correspondence.想知道 AI 實施對你的業務是否合適？ 展開一段書信往來。