最近看到一篇文章，整理了企業導入 AI 常見的五個大哉問：要先找痛點還是先買工具？要 CEO 帶頭還是丟給 IT 部門？流程要重設計還是硬套 SOP？這些問題提得很到位，我們在協助用戶的過程中，也一一撞見過這些牆。
但我想從我們自己實際跑過的經驗，補充一個比較少人提到的角度——不是那種策略層次的反思，而是一個非常具體、你只有真的下場操作才會發現的問題。
我們怎麼整理資料，其實是為「人腦」設計的
做外銷的人都知道，資料量很快就會變得很可觀。供應商、買家、詢報價、訂單、出貨文件、付款紀錄⋯⋯如果全部攤在同一個平面上，人根本看不完，也找不到重點。
所以我們自然而然會建立「分層」的 filing 邏輯：最外層是「供應商」這個大類，點進去是供應商清單，點進某一家供應商，才看得到這家過去的往來歷史、合約、出貨紀錄、付款狀況。
這個設計完全合理——因為人沒辦法一次消化大量資料，分層是我們對抗資訊爆炸的方式。我們用「路徑」來引導注意力，一次只看一個層次，腦袋才不會當機。
AI 的視角跟我們完全不一樣
但問題來了：AI 不是人。
對 AI 來說，這些分層結構裡的資料，基本上是攤平的。它不需要「先點進第一層，再點進第二層，才能看到第三層」——在它的處理邏輯裡，這些資訊理論上是可以同時存在、同時被看見的。
如果我們照著「為人類設計的路徑」去限制 AI 的讀取方式，就會發生一個很荒謬的情況：
我們叫它去找第三層的某一筆出貨紀錄，但系統的設計讓它必須「先看第一層、再進第二層、才能到第三層」——然而 AI 本來就能一眼看到第三層，這個強制路徑反而變成了一種干擾。結果就是：它繞來繞去，看起來好像沒找到，但其實那個資料根本就在那裡。
我們會納悶：「這麼明顯的東西，它怎麼會看不到？」
但其實不是它看不到，是我們的流程設計讓它沒辦法用它自己的方式去看。
「配合 AI 特性重設流程」這句話，比我們以為的更具體
那篇文章的 Q4 問的是：要配合 AI 特性重新設計流程，還是硬塞入既有 SOP？這個問題提得對，但我覺得大多數人讀到這句話，想到的是「高層次的流程改造」——比如哪些審批步驟可以自動化、哪些報表可以讓 AI 生成。
這些當然也是。但「重設計流程」這件事，其實從更底層就要開始思考了——包括我們的資料結構、filing 邏輯、分類方式，這些都是「為人類讀者設計的介面」，不見得是「讓 AI 能有效存取的結構」。
兩者之間的落差，才是很多奇怪問題的源頭。
這不是說分層結構是錯的——對人類使用者來說它還是必要的。但當我們要讓 AI 進來協作的時候，就需要同時思考：AI 需要存取的那一條路，有沒有被我們的分層邏輯給卡住了？
實際協助導入時，我們怎麼面對這個問題
這幾天我們在陪用戶實作 AI 導入的過程中，這個議題反覆浮現。
我們的做法是，先把「人要看的結構」跟「AI 要讀的結構」分開來想。前者維持分層，保留給人類操作的介面；後者則盡量讓資料能夠以更平坦的方式被存取，不要被太多的層級路徑給綁住。
這不是什麼很高深的技術問題，但它要求你真的坐下來，一步一步把自己的資料結構拆開來看——哪些東西是「為了人類閱讀習慣」加上去的包裝？哪些才是 AI 真正需要直達的核心資訊？
這個拆解的過程，往往比選工具、比算 ROI 更花時間，也更容易被跳過。因為它不夠性感，看起來只是在整理「資料夾邏輯」，但它很可能才是你 AI 應用後來能不能真的跑起來的關鍵。
導入 AI 沒有捷徑，但有一些坑可以提前看見
我不是要否定那篇文章提的五個問題，那些都是真的。CEO 有沒有帶頭、文化有沒有準備好、ROI 有沒有想清楚——這些都會影響導入的成敗。
但我想說的是：有些問題不是出在策略層，而是出在你以為自己已經準備好、但其實還沒處理到的細節層。
AI 跟人類的認知方式不一樣，這句話我們都知道。但「不一樣」具體體現在哪裡？它不只是「AI 算得比較快」或「AI 不會累」這種層次，而是更根本的——它看世界的方式跟我們的 filing 邏輯，從一開始就不是同一套系統。
如果你現在正在評估或推進 AI 導入，這個問題值得提前想一想：你現在的資料結構，是為誰設計的？
───
Inspired by: AI落地為何總卡關？企業導入AI不可迴避的五個大哉問
───
這篇文章的內容組成：人 AI 共同創作
人類觀點 55% ｜ 新聞脈絡 20% ｜ AI 補充 25%
