AI 很快就能想出一套流程，現場卻不一定那樣運作
AI 提出的方案通常完整又合理，與公司實際的做法之間，往往存在落差。
常見的開端
一個典型的例子：有人請 AI 製作一套請購系統。幾分鐘後畫面完成，包含申請、主管簽核、採購下單、驗收、付款五個步驟，每一步都有狀態，並附上通知信。
這個方案比公司現行的做法整齊，因此很容易獲得採用。
公司實際的運作方式則可能有所不同。急件先以電話叫貨，事後補單。主管出差時由助理代簽。部分長期往來的廠商沒有驗收步驟，貨到後直接上線使用。這些做法通常沒有被告知 AI，因為提出需求的人也認為它們不夠正規，不便說明。
AI 不會表示某個部分它不清楚
人接到模糊的需求會回頭詢問。有現場經驗的人問得更具體：急件如何處理、主管不在時由誰簽核、哪些廠商屬於例外。
AI 的做法不同。未被告知的部分，它會以最常見、最合理的方式補上，而且銜接得很自然，難以分辨哪些內容來自需求、哪些來自推測。最後得到的是一份看不出破綻的方案，其中相當比例的內容沒有經過任何人確認。
一來一往的對話會加重這個情況。每次只提出當下想到的一小部分，AI 每次都把那一部分做得很完整。十幾輪之後，系統裡有許多功能，整體的樣貌卻沒有人從頭到尾檢視過。
現場的反應
系統上線後的第一週，同仁嘗試使用，接著陸續出現狀況：
- 第一張急件進來，系統不允許跳過簽核。採購照舊以電話處理，系統裡沒有這一筆。
- 舊資料匯入後，同一家廠商因名稱有三種寫法，變成三筆。
- 會計發現系統計算的金額與帳上不符，原因是有一種折讓系統無法辨識。
- 有人開始在系統之外另記一份 Excel 作為備份。
每一件單獨來看都是小事，也都能修正。對現場人員而言，感受則是又一套約定要使用、結果無法使用的系統。
被消耗的是耐心
一套做錯的系統，時間與費用的損失可以計算。組織的耐心則難以計算。
第一次導入不順，同仁會協助回報問題。第二次，回報的人減少，抱怨增加。到第三次，資深同仁多半選擇觀望，等系統穩定後再使用。此時即使下一套系統做對了，也不容易推動，因為願意率先配合的人已經很少。
AI 讓重做一版的成本變得很低，容易讓人認為做錯了再改即可。程式確實改得很快，人的信任恢復得比較慢。
動工之前的五項準備
- 了解目前實際的做法，包括未依規定進行的部分。在現場觀察半天，通常比多次會議有效。那些不便明說的做法，往往是系統最需要處理的部分。
- 檢視真實的資料之後再設計。調出最近三個月的實際單據與檔案。缺少的欄位、重複的名稱、寫在備註裡的規則，會在這個階段出現。
- 確認受影響的人與可能的反對意見。反對通常有其道理。先聽完，系統才不會妨礙他人的工作。
- 決定由誰先上線。選擇困擾最明顯、也最願意嘗試的部門。這個部門成功之後，其他部門才有意願跟進。
- 明確列出這一次不做的範圍。AI 幾乎什麼都做得出來，範圍的取捨因此更需要有人決定。範圍小，才收得起來。
這五項準備都不需要寫程式，卻是最花心思的部分。
適合直接交給 AI 的情況：只有一個人使用、流程由本人決定、做壞了重來也不影響他人的工具。這類情況沒有上述問題。
常見問題
用 AI 開發公司內部系統，最常見的失敗原因是什麼？
多半是系統假設了一套公司實際上沒有的流程。AI 會把未被告知的部分補成合理的樣子，這些補上的內容沒有經過確認，上線後才在現場逐一出現問題。
為什麼 AI 會設計出不符合現場的流程？
AI 只知道對話中提到的片段。現場的例外、資料的缺漏、部門之間不成文的默契，通常沒有人主動說明，AI 也不會停下來詢問，而會直接補上一個聽起來合理的答案。
系統導入失敗一兩次，會有什麼影響？
除了那一次的時間與費用，還會消耗信任。每一次約定要使用、結果無法使用，現場人員配合的意願就降低一些。到第三次，多數人會先觀望，新系統即使做對了也不容易推動。
動工之前通常先做哪些準備？
了解目前實際的做法，包括未依規定進行的部分；檢視真實的資料；確認受影響的人與可能的反對意見；決定由哪個部門、哪一段先上線；並明確列出這一次不做的範圍。