事件背景
摩根士丹利最近公開案例，透過 AI Agent 自動化對帳流程，將工時從原本的數小時縮減至 30 分鐘。乍看之下是 AI 導入成功的範例。但 Notion 最新研究卻披露一個冷酷的現實：全球企業中，57% 仍停留在「把 AI 當思考夥伴」的初級階段，31% 勉強整合進日常工作，真正讓 AI 驅動核心流程的只有 12%，系統化整合更是不到 2%。
四階陷阱的真實面貌
根據 Notion 的分類，企業 AI 成熟度分為四層：
Level 1：思考夥伴 — 員工用 AI 來草擬郵件、摘要會議紀錄、腦力激盪。AI 是個人生產力工具，沒有改變工作流程本身。這個階段最容易產生「用了之後確實快一點」的錯覺，但本質上只是給個人減輕了認知負擔。
Level 2：日常整合 — AI 開始跟既有系統連接，可以讀取資料、做簡單的判斷，但仍需人類監督決策。例如 AI 幫忙初步篩選客戶郵件，人類再決定回覆什麼。這個階段開始有「流程感」，但決策權仍在人類。
Level 3：受監督自動化 — AI 在人類監督下執行重複性工作。摩根士丹利的對帳案例接近這個階段——對帳規則明確、數據結構一致，AI 可以端到端執行核對與紀錄，人類只做最後確認。這裡是成本驟降的地帶。
Level 4：系統化流程 — AI 不只執行單一工作，而是成為企業系統的一部分，驅動端到端、高影響力的核心業務決策（如審批流程、客戶路由、風險評估）。這個階段才真正改組織結構。
為什麼 57% 卡在第一階段？
有三個根本原因：
1. 認知陷阱：效率感 ≠ 流程改造
當員工用 ChatGPT 寫郵件快了 5 分鐘，他們會說「AI 改變了我的工作」。公司看到這個訊號，便認為 AI 導入成功。但實際上，那 5 分鐘的效率只是表面；真正的成本（招聘、薪資、流程僵硬）毫未觸及。寶寶級的改進被包裝成轉型敘事。
2. 組織慣性：改流程比改工具難 10 倍
讓 AI 走進流程意味著重新設計審批、重新分配權限、重新訓練人員。這不是買個軟體、開個帳號就行。摩根士丹利的對帳自動化之所以成功，是因為對帳規則已經極度標準化（銀行出納流程本就如此）；但在銷售、行銷、人資，規則糊得一批，根本沒有「標準流程」可以 AI 化。組織寧願多花 10 倍人力，也不願觸及既得利益的流程。
3. 技術陷阱：不是所有工作都能 Level 3
AI 需要結構化的、重複的、判斷準則明確的工作才能自動化。對帳符合這些條件；但很多知識工作本質上是模糊判斷，AI 做不了（或準確率太低）。公司試了一輪，發現能自動化的工作真的不多，於是放棄往上爬，安心停在「個人生產力工具」。
摩根士丹利為什麼是少數派？
對帳正好是銀行業最容易 AI 化的工作： - 規則明確（這筆帳應該跟那筆帳配對） - 資料結構一致（銀行系統已高度標準化） - 風險有限（對不上就人工介入，不會造成業務中斷） - 重複性高（每天都要做）
換到其他產業，這些條件通常不成立。所以摩根士丹利的成功難以複製；它不代表「AI 可以自動化大多數工作」，而代表「少數高度標準化的工作確實可以被 AI 自動化」。
真正的分水嶺在哪？
從 Level 2 往 Level 3 爬，臨界點不在技術，而在流程重新設計的意願。
大多數企業的流程是 20 年來累積的各種政治妥協、部門利益、個人習慣的結晶。AI 要改這些流程，必然有人失權、有習慣要改變。除非公司從 CEO 到一線員工都對現狀不滿、對改變有強烈動機（如快要被競爭對手幹掉），否則 AI 永遠只是「那個加快了我工作的小工具」。
摩根士丹利所在的對帳領域，改變的動機足夠強（競爭激烈、成本上升、監管嚴苛），所以改得動。大多數企業缺乏這份動機。
結論
AI 的真正價值不在於讓個人快 30%，而在於能否重新設計組織流程、改變決策權結構、降低 90% 的成本。但這需要大規模的組織改造，風險大、利益糾葛多。所以，Level 1 會永遠是多數。AI 革命的敘事很動人，現實卻是大多數公司會永遠卡在「買個工具、用著不錯」的第二層樓。