第四章 診斷先行：評估企業的 AI 就緒度
沒有測量的管理是盲目的，沒有診斷的轉型是危險的。

開場故事：兩次診斷，兩種結局

2024 年 3 月，兩家新加坡企業幾乎同時啟動了 AI 轉型項目。

A 公司是一家快速成長的電商品牌，年營收約 5000 萬新元，團隊規模 80 人。CEO 林偉明在參加了一場 AI 峰會後，對「AI 驅動的個性化營銷」產生了濃厚興趣。他認為如果能用 AI 為每個客戶提供個性化的產品推薦，轉化率至少能提升 30%。

回到公司後，林偉明立即要求市場部和 IT 部在一個月內導入一套 AI 營銷系統，並明確表示：「競爭對手已經在做了，我們必須搶佔先機。速度第一，完美第二。」

項目組迅速選型並實施，但上線三個月後，問題開始暴露：AI 推薦的準確率只有 45%，遠低於承諾的 80%；客戶投訴收到「完全不相關」的產品推薦；市場團隊花費大量時間手動修正 AI 生成的內容。更嚴重的是，因為推薦效果不佳，管理層開始質疑 AI 的價值，原本計劃的第二階段被擱置。

一年後復盤，林偉明承認：「我們犯了一個致命錯誤——沒有先診斷自己的數據質量和流程成熟度，就急於導入 AI。結果就像在沙灘上蓋房子，基礎不牢，蓋得越高塌得越快。」他後來發現，公司的客戶數據分散在五個系統中，且格式不統一、標籤不完整、更新不及時。如果重來一次，他會先花兩個月做數據治理，而不是急著買系統。

B 公司是一家區域性的物流服務商，總部設在新加坡，規模 200 人，年營收 1.2 億新元。與 A 公司不同，B 公司在啟動 AI 項目前，聘請外部顧問進行了為期六週的 AI 就緒度診斷。

顧問團隊做了四件事：技術審計發現系統老舊、數據孤島；流程評估發現依賴紙本、標準化低；人才盤點發現員工數位素養不足、中層存在 AI 焦慮；文化評估發現公司保守、決策靠直覺。

顧問建議：「目前不具備大規模導入 AI 的條件。建議先用 6-9 個月打好基礎。」接下來的九個月，B 公司按部就班地升級系統、統一數據標準、優化流程、開展全員培訓。九個月後，數據質量評分從 45 分提升到 82 分，員工數位素養從 52 分提升到 78 分。

此時，B 公司才正式啟動 AI 試點項目，選擇了智能訂單分揀和預測性維護。一年後，這兩個項目的成功率達到 95%，ROI 超過 300%。CEO 陳志強反思：「那六週的診斷和九個月的基礎建設，是我們做過最正確的決定。我們願意慢下來，反而走得更快。」

這兩個故事揭示了一個核心真理：AI 轉型不是短跑，而是馬拉松。診斷不是延誤時間，而是節省時間。在進入細節之前，請記住一句話：誠實地面對現狀，是改變的開始。