你的 AI 沒有原料

所以他真正不懂的是另一件事：東西都給了，為什麼 AI 回來的答案還是不能用？

這個問題問得很合理。只是它底下壓著一件從來沒人回頭確認過的事——資料很多，跟 AI 有東西可讀，是兩件事。

01AI 讀完了你所有的檔案

假設你真的做了。把過去三年的採購紀錄、所有廠商的報價單、每一份合約跟驗收單，整包丟給 AI。這在技術上早就不難，工具滿地都是。

然後你問它一個很實際的問題：這批料，這次該跟誰下單？

它會給你一個看起來相當專業的回答。三家廠商的報價一字排開，A 家最低，比 B 家便宜百分之七。附上過去兩年的合作次數、平均交期天數、驗收異常的比例。數字都對，來源都在你給的檔案裡，邏輯也沒有問題。結論是選 A。

你把這個結論拿去問那位做了十五年的採購。他看了三秒，說：不行。

你問為什麼。他接下來講的那段話，你在任何一份檔案裡都找不到。

差別不在於他看到的資料比 AI 多。恰恰相反，AI 看到的比他多得多——它讀完了整整三年，他大概只清楚記得其中幾件事。差別在於他手上有一個 AI 拿不到的東西。

問題就在這裡。不是 AI 不夠聰明，是你餵給它的那幾個 TB 裡面，根本沒有那個判斷。

02系統存的是結果，不是依據

隨便打開一筆決標紀錄，看看裡面有哪些欄位。

廠商名稱。報價金額。決標日期。簽核人。付款條件。交期承諾。也許還有一欄備註，寫著「經比價後選定」。

每一欄都在回答同一種問題：發生了什麼。

沒有任何一欄，在回答另一個問題——為什麼不是更便宜的那家。

系統忠實記下了每一次決定的結果，卻沒有一個欄位，留得住做決定的那個理由。

那位採購心裡的版本大概是這樣的：報最低價的那家，產能根本吃不下這個量。他們接單是為了把機台排滿，等旺季一來，更賺錢的單子進來，你的貨就會被往後挪。挪一次兩週，挪兩次你的產線就要停。省下來的百分之七，不夠付停線一天的錢。

這段推理有五個環節，每一環都是判斷，不是資料：低價搶單 → 產能被更賺錢的單子排前面 → 你的貨排到最後 → 交期跳票 → 產線停線。

他不是天生就知道。他知道，是因為六年前他就是這樣被跳過票的。那次停了三天，他被叫進去解釋了兩個小時。這件事留在他身上，沒有留在系統裡。ERP 那年只記錄了一件事：交期延遲，實際到貨比承諾晚了十四天。至於為什麼會延遲、下次該從哪裡看出徵兆，沒有欄位可以放。

這不是你們公司的問題。所有管理系統（ERP、CRM、進銷存、專案管理）被設計出來的目的都是記錄「發生過什麼」，好讓你事後查得到、對得起帳、追得到責任。它們做得很好。只是「解釋為什麼」從來不在它們的職責範圍內。

而 AI 要的，剛好是後者。

這件事也不只發生在採購身上。

業務主管看一眼客戶的問法，就知道這個人是要買，還是只是在幫另一家廠商比價。專案經理看排程表，看得出哪個環節排得太漂亮、漂亮到不可能。

問他們怎麼看出來的，答案幾乎都一樣：就……看啊，做久了就知道。

這大概才是這種知識從來沒被寫下來的原因。多半不是沒空，也不是誰藏私。是因為擁有它的人自己不覺得那是知識——他覺得那是常識，是任何一個做這行的人都該會的事。沒有人會特地寫一份文件教人怎麼呼吸。

於是它就這樣待在幾個人身上，沒有備份、沒有版本、沒有交接文件。而它正以每年退休幾個人的速度，離開你的公司。

03被跳過的那一層

這個缺口在系統裡有個固定的位置。用一種常見的分層講法來看最清楚——不是唯一的切法，但它把「哪一段是人的工作」講得最明白：一套企業 AI 從底下疊上來，大致七層。

最下面兩層，是把檔案掃進來、清理格式。機器做。最上面幾層，是檢索、推理，長出你看得到的那個問答介面。工具做。中間那一層，是把知識整理成 AI 讀得懂的東西，只有人能做。

拿前面那個採購的例子對一次就清楚了。你丟進去的三年報價單、合約、驗收單，全部停在最下面那一層。AI 排出來的那份比價分析，是最上面幾層的產物。而那位採購三秒鐘就講出來的那句話，本來該待的位置在中間——那一層是空的，所以它沒有進到分析裡。

多數公司花錢買的東西，都落在上面那幾層：問答機器人、AI 助理、智慧客服。那些都是好東西，也確實能跑。問題是它們跑起來之後要讀的原料，得從中間那一層來。而中間那一層，多數公司根本沒有。

所以你拿到的東西其實不是垃圾，是你自己檔案的忠實摘要。檔案裡只有結果，它也就只能還你結果的整理。你的 AI 沒有出錯，它只是很誠實。

為什麼這一層會被跳過？因為它是唯一沒辦法外包給軟體的一層。前面兩層有工具，後面幾層有廠商，只有這一層需要一個真的懂業務的人，坐下來，把腦子裡的東西掏出來寫成字。這件事沒有捷徑，市面上也沒有人在賣。

買得到的你都買了，買不到的那一層還空著。所以問題從來不是要不要買 AI，是有沒有人願意坐下來，把判斷寫下來。

04從一個人的一件事開始

聽到這裡，最危險的反應是回頭宣布要做一次「全公司知識盤點」。

別做。那種專案的下場你已經看過：開一場會、發一份表單、每個部門派一個人，三個月後檔案躺在共用資料夾裡，沒有人再打開。

起手式應該小到今天下班前就能開始：挑一個人，挑一件他每週都在做的判斷。然後問三個問題。注意這三題問的都不是流程：

一、你上次否決了什麼？為什麼？否決比同意有資訊量。同意常常只是因為沒有異狀，否決一定有理由，而那個理由就是判斷本身。

二、什麼情況下你會覺得「這個不對勁」？這題在挖風險訊號。老手的直覺通常是一組很具體的訊號組合，只是他從來沒把它列出來過。

三、如果一個新人來做這件事，他最可能在哪裡出錯？這題最好用。它逼對方站到自己外面，把已經內化成「常識」的東西，重新變回「需要說明的東西」。

三題問下來，你會拿到一份很不像文件的文件：幾條判斷原則、幾個該警覺的訊號、幾個出過事的案例。它不長，可能兩三頁。以採購那件事為例，寫出來大概是這樣一條：報價低於同批平均一成以上、而對方又是把你當小客戶的廠商，就要求他提出這一季的產能排程；提不出來，不進最後一輪。有門檻、有依據、有動作，新人照著做，就不會踩到六年前那個坑。

你可能會想：既然三個問題、兩三頁就寫得出來，那它從頭到尾也就只是沒人問過而已，跟系統存不存得住有什麼關係？

差別在邊界。回到那位採購——他真正拿來做決定的那件事，是對方的機台這一季排給了誰。那不是你的資料，是別人的訂單本。你的 ERP 欄位設計得再細、資料整理得再乾淨，都不會有這一欄，因為它根本不在你的系統看得到的範圍裡。

它寫得下來，是因為它現在還活在一個人身上。它從來沒進過系統，不是因為誰漏填了一欄。

還有一件事得先講清楚，否則這三題問不出真話。做久的人心裡多半有個念頭：把這些都講出來，我還剩下什麼？所以開口之前要先把話講明白——這不是考核，寫下來的東西不會變成誰可以被替換掉的證據。實際發生的事情通常剛好相反：判斷被寫下來的人，會從「每件事都要問他」變成「他來定規則」。這件事最好老闆自己坐下來問，別發表單、別交給人資代辦。兩三頁的東西，一杯咖啡的時間就問完了。

流程統一動作，SOP 統一判斷。你要寫的不是「怎麼做」，是「憑什麼這樣決定」。

這裡要分清楚一件事，因為它決定你寫出來的東西有沒有用。多數公司都寫過 SOP，寫的是操作手冊：第一步登入系統，第二步填寫表單，第三步送出審核。那種東西統一的是動作，讓每個人做出來的步驟一致。

你現在要寫的是另一種。它統一的是判斷——讓不同的人在同一個情境下，用同一套依據做決定。前者是手冊，後者才是原料。

一次一個崗位、一件事。這一件跑得動、寫出來的東西真的有人拿去用了，再加下一件。這件事做完，你才真正有東西可以餵給 AI。

資料很多，不等於有東西可讀

回到那位老闆的那句話。

「我們資料很多啊。」這句話是對的，只是它回答的不是那個問題。他有的是十年份的結果，而 AI 需要的，是當初做出那些結果的依據。兩者在硬碟上看起來一樣重，在 AI 眼裡完全不是同一種東西。

所以在挑工具之前，有一個更前面的問題該先回答：你公司最重要的那幾個判斷，現在藏在哪幾個人身上？

資料你已經有了。接下來要補的，是那些從來沒有人寫下來的東西。

為品牌築根，為數位開路。