從個人到組織的AI協作實戰：當創投與新創都把經驗蒸餾給AI，我們剩下什麼？
查資料、生文案、問命盤，多數人對AI的想像還停在這裡。但創業圈最近更常討論的是：當AI變成同事、能承擔職責、參與分工，一間公司的組織運作方式會被改寫成什麼樣子？
Meet創業小聚第184場，邀請電獺共同創辦人兼執行長謝綸、AppWorks分析師徐懿、凱鈿行動科技資深人資經理鄭智維，以及創智動能執行副總陳凱翔，從個人工作流一路講到團隊、企業組織，人跟AI在每個規模下要怎麼重新分工，讓AI員工從概念走進工作流程、走進組織圖。
先想清楚：什麼該交給AI，什麼不能
謝綸提出的方法論，是這條分工邏輯的起點。他把知識拆成兩層：顯性知識是寫得下來的SOP、文件，AI現在能低成本吸收，人人都能靠它拿到80分；隱性知識則是寫不下來的判斷力，像大廚憑經驗抓鹽的手感，或商務上何時該退讓、何時該堅持。「Agent的天花板，絕對不是模型參數有多厲害，而是你到底能幫它挖出多少隱性知識。」他說。
謝綸把「把隱性知識挖出來、餵給AI」的過程，稱作「蒸餾同事」，呼應的其實是今年3月起在Github爆紅的「同事.Skill」風潮，一個中國工程師上傳的開源專案，讓使用者把同事的工作紀錄「蒸餾」成AI可呼叫的Skill，之後衍生出各種版本。
他把這套邏輯搬進公司內部，具體作法是：先在內部對齊觀念、設定資料範疇、規劃典藏時程、統一資料格式，把原本只存在資深員工腦中的判斷寫進日常工具，最後讓多個Agent互相交叉詰問，逼出還沒被寫下來的盲點。謝綸強調，這件事沒辦法外包：「工具可以請人代工，但公司內部討論、設定範疇、品質優化，沒有任何人可以幫你做！靈魂是無法外包的。」
一個人靠AI讓產能撐到一個部門
如果謝綸給的是概念，徐懿示範的就是最小單位的實踐：一個人。他開玩笑說，外界對VC最大的刻板印象，就是每天「出一張嘴」，那他決定「讓這句話成真」：「用AI讓自己真的只需要出一張嘴，就能搞定VC的所有工作！」
商學背景出身的徐懿，把VC的日常工作拆成兩塊：規則清楚、可以重複執行的「Intelligence（情報處理）」，以及只能自己做的「Judgment（判斷決策）」。他在GitHub上建立系統，自架5位AI員工，分別負責投資追蹤、市場研究、案源開發、行程安排與內容產出，而是否要投資、要不要對外發信，保留給自己決定。「核心原則非常簡單：把所有Intelligence工作交給AI，把Judgment留給人。」他說。
有趣的是，當每個人都在蒸餾自己的判斷力餵給AI，會不會大家的AI員工最後都長得一樣？徐懿不這麼認為：「因為在蒸餾的過程中，每個人加進去的都是你個人獨有的經驗與偏見。」對他來說，一個人不必變全能，只要靠AI把自己的產能撐到一個部門的量體。
一場招募挑戰，逼出人資部門的分工重組
規模再往上一階，是鄭智維的人資部門。去年人資部門收到任務，要在一年內招滿60個職缺，換算下來光是面試流程就要耗掉65,120分鐘。「這相當於一個人資連續工作136個工作天，不做別的事，天天都在做招募行政。」外部系統商報價新台幣60萬元，最後鄭智維選擇自己動手嘗試使用AI建立自動化流程。兩週內寫出第一版自動通知信腳本，之後陸續擴充成9位AI同事，涵蓋履歷篩選、報到、教育訓練到離職證明。
以履歷篩選作為例子，系統會先用工具遮蔽姓名、年齡等個資，讓AI只針對經歷與能力評分，「AI看第一眼，人做最後決定。」他說。被問到這套系統最痛苦的環節在哪，他的答案不是寫程式：「最痛苦的是流程梳理，我們花了整整一、兩個月，天天開會去對齊每一個行政步驟，把隱性知識寫成SOP規則。」透過AI同事的協作，人資可以把時間真正花在1對1關懷和薪資決策這些需要真人面對的事情上。
當規模推到一整間公司，組織如何跟AI協作？
規模走到最大，是陳凱翔面對的整間80人公司。公司在香港有一個要求嚴格的公部門客戶，負責的資深PM因故離職，這位PM（專案經理）廣東話流利、握有多張AWS證照，客戶對他極度信任。陳凱翔做了一個大膽決定：改派台灣、24歲、完全不會技術也不會廣東話的同事遠端接手。「我不是在找資深的工程師，我是在找『未乾的黏土』。」他說。
這位同事靠即時翻譯耳機補上語言缺口，靠AI串接的專案知識庫解決約6成的技術詢問，架構判斷交給台灣資深工程師把關；跟客戶維繫關係、每天花2、3小時搏感情的，始終是她自己，不是AI。5個月後，香港團隊的營運成本降到原本約四分之一，客戶也順利續約。這套模式後來被公司稱為FDE（前端部署工程師，Forward Deployed Engineer）模式，並建立「寄出前三層、寄出後三步」的審查機制：文件先由AI自我審查，再交由不同模型互相刁難，最後才進真人審核。人負責跟客戶對接與最終把關，AI負責把執行的速度撐起來，兩者缺一不可。
但當這套模式從一個香港個案推廣到整間公司的其他專案，代價也跟著放大。陳凱翔提到，有2位他很欣賞的年輕夥伴因此選擇離職，他們希望能先在單一領域專精個幾年，而不是一開始就被要求成為什麼都要會的多面手。「新工作方式不一定適合每個人，組織轉型不能只談流程，必須清醒地面對每個人不同的選擇，並承擔改變帶來的情緒成本。」陳凱翔說，「M小姐成功了，但離開的人，也有他們的道理。」
當AI已經學會昨天的你，今天的你，準備走到哪裡？
從一個人的工作流，到一個部門，再到一整間公司的組織重整，四位講者的實踐都指向同一件事：把原本藏在腦中、散落在經驗裡的工作方法整理出來，重新決定哪些交給AI，哪些仍由人承擔。
個人要梳理自己的判斷，團隊要寫下原本只存在默契裡的流程，組織則要重新畫出權責與分工的邊界。AI帶來的生產力，正是從這些一次又一次的整理、試驗與調整中長出來。
把經驗「蒸餾」進AI，另一種不安也隨之出現：當AI學會了我的工作方法，我累積多年的專業是否也會逐漸失去價值？然而，過去的經驗成為AI可以接手的基礎，人則帶著這些累積，面對新的情境、做出新的判斷，持續進步。
延伸閱讀
Anthropic示警：Claude吃掉了同事之間的人情債，職場協作正在瓦解
社工系自學Python當上AI工程師，意藍資訊怎麼讓每個部門長出AI小組？