引入 AI 協助時，如何按任務重組職位

引入 AI 協助後，企業不應先問某個職位可以刪減多少人，而應先查清每項任務如何改變。一名前線同事可能更快完成資料檢索和初稿，主管卻同時接收更多覆核個案，專家要處理更含糊的升級，而知識庫、測試配置及錯誤紀錄亦要有人維護。只有把減少、保留、轉移及新增的工作放進同一本台帳，管理層才看得見真正容量和新角色邊界。

為何職位重組要由任務開始，而不是由職銜開始？

職位重組要由任務開始，因為同一職銜包含的工作不會以同一方式受 AI 影響：部分可以由系統完成，部分只適合輔助，部分仍需人員執行，亦可能產生覆核、例外處理和知識維護等新任務。先把整個職位標為「可自動化」或「必須保留」，會掩蓋責任、後果、工作量和專業要求之間的重要差異。

國際勞工組織以任務資料評估生成式 AI 的潛在接觸程度，並指出整體而言工作轉型比完全取代更可能出現；這類指數並不量度某間香港企業的人手效果。OECD 亦指出，許多僱員更可能經歷職位內的任務和工作環境改變。這些資料適合提醒管理層深入調查，不能代替本地工作觀察、產能測量或編制決定。

現況任務台帳應該記錄甚麼？

現況台帳要記錄實際發生的工作、需求和限制，而不是只列職位說明書上的責任。每項任務先寫成「動作加對象」，再列出觸發事件、輸入、輸出、完成條件、現任負責人、接收者和例外路徑。若兩個步驟所用證據、判斷、後果或負責人不同，便應拆開；只有會一同改變且受同一控制的小動作才適合合併。

• 以明確期間記錄需求量、季節或每週波動及高峰。
• 分開記錄人手實際處理時間、流程等待時間和隊列；等待時間不應自動當成人工投入。
• 列出常見變體、退回、重做、失敗模式及例外類別。
• 標明依賴、交接、諮詢、審批，以及錯誤或延誤的後果。
• 記錄所需判斷、權限、獨立性、領域知識及專業能力如何形成。
• 為訪談、現場觀察、工作樣本和系統紀錄標示來源及可信程度。

不同證據應互相校驗：訪談能揭示隱性判斷，觀察可看到捷徑和中斷，工作樣本顯示輸出差異，系統紀錄則較適合量度數量和時間，任何一項都不應單獨代表全貌。O*NET 可提供任務陳述及工作活動詞彙，但它描述的是美國職業資料，不能證明本地團隊實際做甚麼、多久做一次或承擔甚麼後果；本文欄位是可調整的實務綜合。

分配人與 AI 的工作前，應如何測試每項任務？

分配工作前，應以代表個案測試一個固定且可辨認的 AI 配置，而不是憑示範效果或對模型的一般印象作決定。記錄受測模型、工具、提示、可用資料、權限、控制、個案組合和測試日期，讓結果只描述該版本。若其中任何一項其後改變，舊結果便只能作參考，不能自動延續為新的工作授權。

• 日常高頻個案及合法變體
• 模糊邊界及資料欠缺、衝突或過時的個案
• 罕見但後果較重的個案
• 已知歷史失誤及工具故障情境
• 按經驗、產品、渠道、客群或地區劃分的個案

一項涉及 758 名顧問的預先登記實驗中，AI 改善了能力邊界內指定任務的量得表現，卻降低了邊界外一項複雜任務的正確率；研究亦形容能力邊界不平均、會改變且難以預先定位。結果不能移植到其他團隊，卻清楚說明表面相近的任務未必有相同結果。分類時還要寫明完成權、可用輸入與動作、覆核、例外、停止及後備安排。

除了製作時間，還要量度哪些投入變化？

除了製作時間，還要把核實、判斷、例外處理及協調分開量度，才不會把工作轉移誤當成工作消失。本文的五項投入帳是營運核算工具，不是 OECD、NIST 或研究機構訂立的標準。每項投入都要按任務記錄需求、處理時間、隊列、高峰，以及工作轉移後的接收人或團隊，不能籠統列作「管理成本」。

• 製作：搜尋、撰寫、轉換、輸入或執行初步工作成果。
• 核實：檢查來源、計算、完整性、政策配合及下游可用程度。
• 判斷：界定問題、解讀情境、選擇結果、運用權限並承擔責任。
• 例外處理：應付模糊或缺失資料、工具失效、推翻輸出、修正、復原和升級。
• 協調：傳遞背景、回答問題、路由工作、調解矛盾、輔導使用者及維護共享知識。

核算亦要看工作質素，而非只看分鐘。OECD 的證據綜述指出，AI 可能減少沉悶工作，也可能令工作節奏加快、自主度下降或任務變窄，而且不同僱員所受影響不一。因此試點要同時追蹤工作強度、自主權、任務多樣性和仍由人員承擔的責任；初稿變快，不代表職位設計已變得更好。

AI 不會整塊移走工作；它會改變投入、權限、例外和學習所在的位置。

如何重組已改變的任務，又不失去責任和專業能力？

重組任務時，要把每項新職責變成具名工作、明確權限和有容量的隊列，而不是只在流程圖上寫「由人覆核」。按實際需要指定輸出覆核人、例外負責人、知識維護人、系統管理人、表現監察人、學習負責人及升級決策者。每個角色都要知道看甚麼證據、何時介入、可以採取甚麼行動，以及無法處理時交給誰。

• 找出哪些原有任務提供觀察、重複練習、回饋、因果理解及困難個案經驗。
• 保留需要領域知識、獨立判斷或授權決定的工作，並標明誰最終負責。
• 安排原件抽樣、跟班、模擬、個案檢討、輪調、教練及逐步增加後果的決定。
• 讓專家參與評估、例外分析、知識維護及更新任務邊界。
• 測試新人能否在 AI 缺席或出錯時診斷和復原，而不只量度工具操作熟練度。

以假設的客戶服務團隊為例，AI 可在經測試的日常個案協助檢索和起草；服務員仍要理解含糊來件、核對政策及客戶背景，並在獲授權範圍內決定行動。當每人送出的回覆增加，組長的品質覆核隊列和專家的升級隊列也可能增長，另會出現知識修正、錯誤回饋及流程更新。這是方法示例，不是對任何機構的成效預測。

研究結果也不宜只看團隊平均數。一項涵蓋 5,179 名客戶服務員的研究發現，量得的生產力影響按經驗有顯著差異，並只提供 AI 傳播熟練做法的提示性證據。另一項涉及 776 名產品開發人員的實驗則顯示，AI 改變了受測個人及團隊配置的表現和知識整合，但長期專業能力如何形成和維持仍未解決；兩者都不能直接決定本地人手。

何時才有足夠證據改變容量、職位或服務承諾？

只有試點完整對帳、需求和旁支工作趨於穩定，而且責任與專業能力安排已能運作，才有理由把餘額稱為暫定容量。先按一個明確期間計算實際需求下減少的製作投入，再扣除新增或增加的核實、判斷、例外、協調、學習、監察和知識維護投入；其後還要調整需求、服務水平、品質、重做、高峰隊列及轉移至下游的工作。

• 品質、缺陷、推翻 AI 輸出及重新處理的情況
• 工作量在前線、主管、專家及支援團隊之間的分布
• 僱員及經理回饋、工作強度、自主度和任務多樣性
• 覆核及例外隊列在高峰時的等待、積壓和復原能力
• 新人及資深人員在 AI 不可用或錯誤時的診斷能力
• 模型、提示、資料、權限、控制、流程或任務組合的變更

流程等待時間可用來判斷服務流動和樽頸，但不能未經分析便當成人工節省。試點亦要運作得足以暴露非正式答問、升級後跟進、知識修正及監察等旁支工作；若需求仍劇烈波動，所得餘額只是假設。模型、提示、資料、控制或營運環境一有實質改動，任務邊界和角色設計便要重評，不能把舊測試永久化。

若代表個案、完整工作量、有效覆核、例外容量、具名責任或專業能力計劃仍未齊備，就維持現有職位、人手、績效指標及服務承諾。台帳是試點決策工具，不是裁減編制的捷徑。僱傭、勞資關係、無障礙、歧視、私隱、安全、法律、監管及專業判斷，須交由機構內具資格及獲授權的負責人處理；任務分析不能代替這些決定。