去年八月，高雄一家做物流調度的公司，導入 AI 系統三個月後，總經理打電話給我，說了一件讓他頭痛的事。

「系統跑得很好。但我的員工績效評分，全部亮紅燈。」

那三個月，AI 系統接管了大約七成的例行調度工作。剩下的三成，是複雜的跨縣市緊急運送，或是需要人判斷的特殊客訴案件。理論上，員工現在只負責困難的事，應該讓他們看起來更厲害才對。

但 KPI 是「每日處理案件數」。

以前每人每天平均 40 件。現在 12 件。

績效表格上，全員亮紅。

我問他：那 12 件的最終解決率怎麼樣？

他愣了一下，說沒有特別追蹤這個。

這就是問題的核心。

---

這是企業 AI 導入之後，最快出問題的地方之一。不是系統，不是流程，是 KPI 沒跟著動。

原本的測量方式，設計時預設的情境是「所有工作都由人來做」。AI 接手重複性工作之後，人負責的工作比例下降，但難度上升。如果繼續用「產出數量」當主要指標，員工的數字一定難看。

更嚴重的是：員工知道。

他們知道自己在做什麼。他們知道現在拿到的案件更複雜。他們也知道 KPI 沒有反映這件事。這種狀況拖下去，有些人會開始質疑當初導入 AI 的決定，有些人會把本來需要人工判斷的案件推給 AI 處理，還有些人就是安靜地開始不用腦了。

AI 上線之後 KPI 沒調整，最糟的結果不是員工抱怨，而是他們變成一台橡皮圖章——反正 AI 說什麼，蓋章通過，不用想了。

先搞清楚：AI 接走了什麼，留下的是什麼

重新訂 KPI 之前，需要回答一個具體的問題：這個職位的工作，AI 接管了哪一類？

通常被接走的是：重複性高、規則明確的判斷（分類、篩選、初審）；高頻率、低複雜度的服務（標準客服回應、例行報表）；資料彙整與格式化（會議記錄、數據統計）。

留給人的，往往是：例外處理（沒有標準解法的案件）；關係維護（客戶需要感受到有人在，不只是收到一個回答）；判斷與決策（AI 給建議，人拍板）；脈絡的掌握（知道這個客戶的背景，知道這件事為什麼麻煩）。

把這兩類分開看，就會發現：原本的 KPI 幾乎都是為第一類設計的。留給人做的那些事，很難用數量衡量。

易經有一個卦叫「革卦」。革的本意是皮革，皮革泡水之後會變形，必須重新塑型才能繼續使用。這個卦說的是改變必須發生的時機與方式，不是任何時候改都對，但到了必須改的時候，不改才是問題。

革卦的彖辭有一句：「革而當，其悔乃亡。」意思是改變發生得合時宜，後悔就消失了。

我跟那個高雄的總經理說：你現在的問題不是員工績效變差，是你的測量尺還是舊的。你用一把 20 年前設計的尺，在量一個 AI 已經介入之後的工作結構，量出來的數字當然不對。問題不在被量的人，在那把尺。

他停了一下，說：那我現在應該量什麼？

重新設計 KPI 的幾個方向

從產出數量，改為品質與解決率

AI 處理例行件，人處理複雜件——那衡量的重點應該是：這個複雜件最後解決了嗎？解決的方式讓對方滿意嗎？一週後還有沒有問題？

具體做法：用「案件最終解決率」取代「案件處理量」；追蹤「客戶一週後的狀態」而不只是當下評分；把「AI 建議採用率」從 KPI 移出去，改成觀察指標。

最後這一點很重要。把 AI 建議採用率設成 KPI，初衷是好的，但結果通常是員工不管 AI 說得對不對，全部採用，交差了事。員工的判斷反而關掉了。「AI 建議採用率」這個指標，適合用來觀察人機協作的狀況，不適合用來決定員工的考核結果，兩件事差很多。

加入「例外處理能力」的評估

AI 不擅長的地方，人要能接住。這個能力需要被衡量，不然員工沒有動機在這件事上花力氣。

做法不複雜：記錄員工在什麼時機主動判斷某案件需要人工介入，以及這個判斷之後的結果。不是要求他們多升級，而是觀察他們升級的時機是否準確，以及升級之後有沒有處理到位。

這有一點主觀，但人的判斷能力本來就很難用數字完全表達。接受這個事實，比假裝可以精確量化更誠實。

設一個過渡期，讓員工知道這段時間的數字不拿來打考績

AI 上線頭三個月通常很混亂。員工在學怎麼跟 AI 協作，管理層也在調整對工作產出的認知。

這段時間可以請員工每個月做幾個案例記錄：這個案件為什麼需要人工介入、他怎麼判斷的、結果如何。不是要員工寫報告，而是讓管理層有機會看到人機協作的實際樣貌，同時讓員工感覺自己的判斷被當一回事。

更重要的是，要明確告訴員工：這三個月的數字是用來幫我們設計更合理的指標，不是用來評斷你的。

這句話說清楚，很多焦慮就消了。

---

那家高雄的物流公司，後來花了六週重設 KPI。我陪他們開了三次內部工作坊，把每個職位的「AI 接走了什麼、人現在做什麼」重新盤點一次，再從這個基礎討論怎麼衡量。

六週之後，績效表格上的紅燈消失了。

不是因為員工做得更好。他們一直做得不錯。是尺換了。

中小企業數位轉型的過程中，KPI 重設這個步驟通常最容易被跳過。大家忙著看系統有沒有跑起來、流程有沒有順暢，沒有人想到測量的方式也要跟著動。等到士氣開始出問題，才回頭找原因，通常已經浪費了三到六個月。