HOOK

一家零售商花了六個月導入 AI 客服系統。模型選的是市場最佳，prompt 調了上百次，測試數據完美。

上線三個月後，客戶滿意度下降 12%，客服人員的工作量反而增加了。

沒有人能解釋為什麼。

現況問題：我們把系統問題誤診為模型問題

AI 導入失敗後，業界的標準反應通常是：換一個更好的模型、優化 prompt engineering、增加訓練資料。

這些回應有個共同假設：問題出在 AI 的能力上。

但現實中，大多數 AI 部署失敗，問題出在以下幾個地方——而這些都跟模型能力無關：

流程斷點：AI 插入了一個本來就設計不良的流程，把問題放大了。角色模糊：AI 負責什麼、人負責什麼，從來沒有明確定義。反饋缺失：沒有機制讓系統知道它的輸出是否真的有用。激勵錯位：導入 AI 是為了降成本，但 KPI 沒有跟著調整。

關鍵缺口：沒有人設計「AI 與流程的介面」

在軟體工程裡，介面設計是一門顯學。兩個系統要溝通，必須有明確定義的 API。

但在 AI 導入的實踐中，「AI 與現有流程的介面」幾乎從來不被明確設計。

我們直接問：「這個 AI 能做什麼？」但我們沒有問：「AI 的輸出，如何被人類流程接收、驗證、執行？」

這兩個問題，決定了完全不同的系統設計。

思維轉換：先設計介面，再選模型

一個更有效的 AI 系統設計順序應該是：定義輸出格式、設計人工節點、建立反饋迴路、然後才選模型。

這個順序，和大多數企業的做法完全相反。大多數企業的做法是：選模型 → 調 prompt → 接流程 → 發現問題 → 繼續調 prompt。這是一個沒有終點的調試迴圈。

收尾

AI 系統的問題，往往不在 AI。它在系統。而系統，是人設計的。

在你投入下一個 AI 專案之前，先問一個問題：你設計的是 AI 的能力，還是 AI 的位置？