昨天帶了一場《麥肯錫教企業這樣用AI數位轉型（Rewired）》的企業讀書會。這本書…它真的有夠ＸＸ難讀。這本書不是那種你週末窩在咖啡店，點杯手沖，翻個三頁就忍不住讚嘆管理學真是充滿智慧。真實情況通常是，翻到某一章就開始懷疑人生：我剛剛是不是漏看了什麼？前面明明還在聊組織架構，下一秒突然跳到資料處理，再過幾頁居然又跑去談人才培訓。
偏偏我當年還替這本書寫過推薦序。每次受邀導讀，心裡總有一種微妙的道義責任。不過這次帶領大家重新讀完，我反倒確認了一件重要的事。這本書出版至今過了一段時間，外部科技環境變化劇烈，尤其生成式 AI 普及後，我們看待組織、流程、資料與人才的方式才真的翻轉過來。但書中盤點的核心概念至今依然站得住腳，甚至因為有了生成式 AI 當對照組，反而比當年更容易被大家理解。說穿了就是一件事：你必須先具體想像出，未來的組織究竟會長成什麼模樣。
生成式 AI 這個科技讓我們 可以想得到的「較近的未來」，而在過去根本很難做到。前幾年大家言必稱元宇宙、NFT 和區塊鏈，企業內部也熱衷於推演各種「未來工作情境」。簡報視覺通常做得很賽博龐客，未來辦公室畫滿漂浮的透明螢幕，員工戴著眼鏡揮舞雙手，每個人看起來都像活在鋼鐵人電影裡。
可是只要你轉頭問身旁看來有點想睡的阿龍：「耶，所以，三年後的星期一早上九點，你覺得會有什麼改變？」 阿龍會告訴你：「老了三歲？」
以前的科技滲入到生活、工作，很少是像生成式 AI 這樣具有實感的。技術離柴米油鹽的日常太遠，大家很容易高談闊論宏大的未來願景，卻描繪不出一個具體的星期一上午。
現在有了生成式 AI，情況完全不同了，因為工具已經真真切切握在我們每個人手上。大家天天開 ChatGPT 查資料、理文字、回信件；有人習慣用 Gemini，有人摸索公司的內部系統，也有人明知道公司有規範，手機裡還是偷偷裝了另一套更順手的工具。當我們現在開口問「三年後你會怎麼工作」，大家腦海中是真的開始浮現清晰的畫面。
這是我這次導讀《Rewired》時，感覺跟幾年前最不一樣的地方。我索性不照章節從第一頁平鋪直敘講到最後一頁，不然現場肯定會變成大規模集體催眠現場。開場我直接拋出一個問題：「三年後，你的客戶會怎麼找保險公司？」
假設，一位四十歲左右的保戶確診癌症，以前他的直覺反應多半是立刻打給業務員，急忙詢問「這能理賠嗎？」、「我要準備什麼單據？」、「當初買這張到底有沒有用？」，業務員在顧客旅程的最開端就已經切入服務。換作今天，客戶很可能第一時間先找 AI，把整份保單條款和診斷證明直接上傳，詢問自身權益、必備文件與爭議條款的法律見解，甚至連保險公司拒賠時該如何申訴都查得一清二楚。
等到這位保戶真正撥電話給業務員時，他早就不是過去那位懵懂無知的消費者，而是帶著整套現成答案前來對質，甚至冷不防補上一句：「可是我的 AI 說可以賠耶。」光是這麼一個細微的前置行為轉變，後續所有服務環節全部跟著大風吹。業務員過去主要負責提供資訊，往後更需要幫忙判斷資訊真偽；過去在一開始就能主導對話節奏，未來很可能退居到第二、第三個接觸點才現身。
甚至連客戶的心理壓力都截然不同。人與人應對總有些心理包袱，尤其面對保險這種嚴肅議題，保戶往往擔心問了蠢問題被笑、聽不懂專業術語會尷尬，更提防對方趁機推銷。問 AI 就毫無負擔，半夜兩點隨時上線，同一個問題跳針問八遍也無所謂，AI 永遠神經極端穩定地溫柔以對，甚至有耐性到讓人覺得有點囉唆。
到了這個階段，《Rewired》書中那些顧客旅程重塑、流程再造與數位轉型的抽象架構，就可以全都在學員眼前活了過來，因為大家已經能夠在腦海中勾勒出那個未來畫面。
接著我又請大家繼續推敲：「那麼 2029 年的通訊處，又會長成什麼樣子？」
這個議題討論得很熱絡。如果各類商品知識能隨時透過 AI 調閱，通訊處早會何必還要花大把時間重複宣導條款？如果客戶的基礎疑難雜症在前端就能被 AI 消化大半，業務員的專業價值又該轉移到哪裡？當繁重的例行行政報表都能自動彙整生成，通訊處是不是該從原本的行政作業中心，轉型為策略情報與資源支援基地？如果業務員大部分時間都在客戶現場走跳，那未來的實體通訊處，到底還算不算傳統定義上的辦公室？
到了這個階段，大家就對於書中的架構式知識就有更好的理解了，因為台下主管已經在親手執行這本書最核心的任務：重新設計工作模式。而這也是生成式 AI 普及後，我認為這本書反而比過去更加耐讀的主因。
《Rewired》在撰寫初期，主軸依然圍繞著傳統數位轉型，仔細閱讀會發現 AI 篇章帶有很明顯的後期修補痕跡。這完全可以理解，畢竟書本出版當下正逢生成式 AI 橫空出世，面對這個橫掃產業的變革，作者群不可能假裝沒看見。今天拿起來重讀，確實能摸到一些時代銜接的縫隙：前面談的是紮實的流程、資料庫、技術平台與組織架構，後面 AI 的比重突然急遽增加，有些章節融合得很漂亮，有些章節讀起來則像是在公寓頂層加蓋。
站在 2026 年的時間點回頭檢視，我反倒覺得它原本打下的數位轉型基本功更顯珍貴。今天多數企業在導入 AI 時碰壁，表面上看起來是挑錯了模型或算力不足，但只要往下追究一層，往往都是陳年毛病：資料底層沒有整理、各套系統彼此斷連、跨部門流程各自為政，出了狀況甚至找不到權責歸屬。同仁在個人裝置上玩得很起勁，公司高層卻始終不知道該如何把這股熱情收斂成團隊的整體實力。
我們這次讀書會前的問卷調查就顯示出諸多有趣訊號。許多主管同仁每天、每週都在跟 AI 打交道，但問題一旦收窄為「AI 是否已正式嵌入日常固定的工作流程」，填答數據立刻滑落。這完全是兩碼子事：我每天早晨打開 ChatGPT 幫忙順一封英文信，那是我個人的使用偏好；但若是一到每天下午，系統會自動抓取資料庫數據、依循商業規則梳理報表、產出洞察草稿並分派給權責主管核簽，同時公司清楚知道每一筆數據的授權與出錯處置規範，這才稱得上形成了組織能力。
現在看懂這點，就會明白《Rewired》最耐用的地方從來不是鐵口直斷哪項科技會引領風騷。商業管理書如果只想靠預測科技走紅發財，精準度大概跟我去買大樂透相去不遠。這本書具有啟發之處，是提供了一套條理分明的思考順序：先搞清楚未來的客戶會採取什麼行動，再推敲我們的工作內容該如何調整，進一步重塑配套的工作流程，最後才會水到渠成地處理資料整合、系統架構、人才培訓與治理組織。科技年年推陳出新，但這套梳理問題的邏輯骨幹我認為經得起考驗。
話說回來，我對這本書依然有好多抱怨。第一，它的閱讀門檻確實高得嚇人。整本書由多位麥肯錫顧問聯手合著，每位作者的專業視角與筆觸習慣各異，即便編輯極力穿針引線，全書的行文節奏依舊起伏劇烈。有些章節深入淺出、引人入勝；有些章節卻像是不由分說把你直接推進一間冷氣極強的顧問會議室，全場專家已經密集討論了一小時半，只有你剛推門進去一臉茫然。
第二，由於 AI 是在成書後期才倉促加入，今天重讀便會發覺，AI 對第一線工作型態、知識傳遞與決策架構的顛覆性影響，其實應該放在更前端的篇幅中重點鋪陳。在成書之初，AI 像是數位轉型版圖裡新拓墾的一塊疆域；但演變至今，AI 已經直接從根本上重塑了顧客旅程與日常工作定位。
第三，也是我自己最在意的環節，那就是資料品質在書裡的出場順位被嚴重低估。書中固然保留了資料治理的篇幅，但順序排得太靠後。以當前企業落地應用 AI 的實務狀況來看，這件事理應被搬到最前面耳提面命。我在課堂上總會提醒：要玩 AI 前得先搞好 BI，而想搞好 BI，底層就得先搞定 Data。
要是自家內部資料庫本來就混亂不堪，AI 接上去也只能亂猜。它回答得頭頭是道、看起來煞有介事，實際上卻漏洞百出：責責角色搞錯、日期對不上、連金額單位都亂寫。結果同仁得耗費雙倍時間在後面抓錯。
《Rewired》在當代工具類管理書籍中，不算是出色的一本書，但卻扮演了一個相當玩味的角色。它誕生於生成式 AI 破繭而出的歷史夾縫中，骨子裡並不是一本純粹的 AI 管理專著，全身上下都還帶著上一個數位轉型時代烙印。然後，卻也因此指出 AI 從未真正抹去過去數位轉型留下的歷史共業，反而是以極致速度，把那些歷史共業全數撈出來。
過去一個部門搞資訊孤島，頂多就是行政步調慢半拍；如今若是每個孤島都配備了一具超高速運轉的 AI 引擎，只會演變成各部門開著超跑朝反方向狂飆。最後留下公司高層一臉茫然地站在原點。
這大概是我這次重新帶讀書會最主要的心得了。生成式 AI 帶來的實質震盪，關鍵不在於「它到底能代勞多少瑣事」，而在於它破天荒地讓我們第一次能夠清清楚楚想像：三年後的某個平常日子，我的一整天究竟會怎麼度過？我的客戶第一個敲響誰的門？我手上還留著哪些無法被取代的價值？同事又需要從我這裡獲得什麼支援？甚至，我們這個部門到了那一天，到底還有什麼存在的理由？
在過去，這些討論總被歸類為虛無飄渺的遠期願景；放到今天，卻更像是一份迫在眉睫的日程清單。一本幾年前寫就的數位轉型專書，時至今日依然能把逼著我們面對這些尖銳提問，這大概就是《Rewired》在風潮過後依然值得翻一翻的理由。
