7. 八成的力氣在技術以外：AI 導入專案該怎麼編預算與時程
專案啟動時，時程表寫的是三個月。
模型在第二個月就達到預期的準確率，廠商宣布「技術驗證完成」。接下來的十個月，專案團隊忙著處理另一些事：三個系統的資料接不起來，法務要求重新審查個資流向，第一線主管說「我們不確定可不可以相信它」，上線三個月後，系統的表現又開始飄移。
年度檢討時，財務長問：「預算到底花在哪裡？」專案經理一時答不出來。因為預算表上只有授權費、廠商費與雲端費，實際花掉的時間與人力，大多不在表上。
這個場景的問題，不是專案管理做得不好，而是一開始就估錯了「工作在哪裡」。一份來自醫療現場的研究，把這個估算誤差說得很清楚。
一個部署團隊的帳本
2025 年 9 月，哈佛醫學院、Mass General Brigham 與 MIT Sloan 等約十個機構的 22 位作者，發表了〈A Field Guide to Deploying AI Agents in Clinical Practice〉。第一作者是 AI 工程師 Jack Gallifant，MIT Sloan 教授 Katherine Kellogg 是共同作者，哈佛醫學院的 Danielle Bitterman 是通訊作者。
這份「田野指南」不是問卷調查，而是一個部署團隊的實作紀錄。他們在 Mass General Brigham 部署了一個 AI 代理，從病歷的臨床紀錄中，自動找出接受免疫治療的癌症病人是否出現不良反應。這個代理每天處理新的病歷，幾分鐘就能看完數百份紀錄，人工則需要數小時到數天。研究團隊也訪談了 21 位參與專案的臨床、工程與資訊主管。
他們的核心發現是一筆帳：不到 20% 的力氣花在提示詞與模型開發，超過 80% 花在讓它在組織中運作的「社會技術」實作工作。
MIT Sloan 的介紹文章把它轉成一個好記的經驗法則：每花 1 小時把模型做好，就要再花大約 4 小時，讓它在真實世界中運作。Kellogg 的說法是：「最難的工作，不在部署模型或寫更聰明的演算法。」
那八成的力氣花在哪裡？研究者整理為五項「重活」：
需要說明的是，這是單一醫療場域、單一應用的經驗，而且作者就是部署團隊本身。80/20 與 1 比 4 是這個專案的經驗值，不是跨組織的統計。Kellogg 本人也提到，風險較低的產業可能不需要這麼嚴謹。但即使比例打個折扣，它仍然指出一件多數預算表看不到的事：技術不是工作量的大頭。
重活裡，到處都是人
仔細看這五項重活，會發現它們很少是純粹的技術問題。研究中有三個細節，對管理者特別有啟發。
第一，需要新的「橋接」角色。 依論文摘要，專案需要「橋接工程師」，把臨床人員做的原型改寫成可以正式上線的程式；也需要懂臨床、願意投入的「推動者」。這些角色是專案能不能上線的關鍵，但在多數組織的職位架構中並不存在。
第二，信任要分階段建立。 這個團隊在正式導入之前，安排了一段「靜默監控」：系統在背景運作三個月，結果完全不影響臨床決策，只用來與人工結果比對。從技術看，這是驗證；從組織看，這是讓使用者先看見系統的表現，再決定要不要依賴它的信任緩衝期。
第三，省下的人力，多半不是裁員。 依論文摘要，研究者觀察到，節省下來的人力通常表現為生產力提升或人員轉調。這代表組織必須事先想好：省下的時間要用在哪裡？誰要轉調？怎麼溝通？如果不處理，效益會被稀釋，「我會不會被取代」的焦慮也會擴散。
為什麼組織總是低估這八成？
這不是新問題。七十多年前，英國塔維斯托克研究所的 Eric Trist 與 Ken Bamforth 研究英國煤礦導入新的機械化採煤法，發現新技術打散了原本自主運作的小組，生產力不升反降。他們從這個研究發展出「社會技術系統」的概念：技術與工作組織必須一起設計，只優化其中一個，整體反而變差。
既然我們早就知道，為什麼組織還是一再低估？我認為有三個原因。
一、技術的成本看得見，組織的成本看不見。 授權費、廠商報價都有發票；第一線主管花在檢查、協調、解釋上的時間，則散落在每個人的日常工作裡，沒有人記帳。
二、專案的「完成」被定義成技術完成。 當驗收標準是「模型準確率達標」，後面的八成工作就自動被歸類為「導入後的問題」，而不是專案本身。
三、把 AI 當成採購，比較不焦慮。 這是最少被談到的一點。把 AI 導入當成「買一個系統」，經營團隊就不必面對「我們的工作方式要改」、「有些人的角色會變」這些難以控制的議題。採購有規格、有報價、有驗收，是一種比較安全的世界。從組織心理動力的角度看，這是一種把焦慮「技術化」的防衛：用一個可以管理的問題，取代一個令人不安的問題。
怎麼做：三個編預算與時程的原則
原則一：用「1 比 4」當參考框架，而不是公式。 編列預算時，把工作分成兩欄：一欄是模型與系統，另一欄是資料、流程、驗證、治理與人的調整。如果第二欄幾乎是空的，或遠少於第一欄，就是一個警訊。不必照抄 1 比 4，但至少要問：那八成的工作，誰負責？預算在哪裡？
原則二：分開固定成本與變動成本，硬效益與軟效益一起算。 田野指南的作者建議，及早試算不同情境的成本範圍，並把基礎設施的固定成本與維運的變動成本分開。效益端也一樣：除了節省的工時等「硬效益」，也要把品質、風險降低、速度等「軟效益」寫下來，並與組織最在意的優先事項連結。MIT CISR 的研究也提到，成功從試點走向規模化的企業，會用「假設、試點、規模化」三段式來追蹤價值。
原則三：預留靜默監控期與人力轉調的時間與預算。 時程表上應該看得到三個階段，而不是只有「開發」與「上線」：
- 建置期： 模型、資料管線與治理規則。
- 靜默監控期： 系統在背景運作、人照常工作、雙方比對；同時收集使用者對信任與焦慮的回饋。長度依風險而定。
- 全面導入與轉調期： 角色調整、訓練、人力轉調與持續的偏移監控。
第二、三階段，正是多數預算表漏掉、專案最常延誤的地方。
結語
從「買一個系統」到「改變一種工作方式」，預算表應該看得出來。
如果你們的 AI 專案預算，幾乎都是授權費與廠商費，那不是因為其他工作不存在，而是因為它們被放在了看不見的地方。而看不見的工作，最後通常會由最熱心的幾個人默默承擔，直到他們撐不下去。這是下一篇要談的問題。
留給你的問題： 你們的 AI 專案預算中，有幾個項目和「人」有關？
延伸閱讀
參考文獻
- Gallifant, J., Kellogg, K. C., … Bitterman, D. S. (2025). A Field Guide to Deploying AI Agents in Clinical Practice. arXiv:2509.26153.（預印本，審查中）
- Walsh, D. (2026, February 24). 5 "heavy lifts" of deploying AI agents. MIT Sloan Ideas Made to Matter.
- Woerner, S. L., Sebastian, I. M., Weill, P., & Káganer, E. (2025). Grow Enterprise AI Maturity for Bottom-Line Impact. MIT CISR Research Briefing XXV-8.
- Trist, E. L., & Bamforth, K. W. (1951). Some social and psychological consequences of the longwall method of coal-getting. Human Relations, 4(1), 3–38.
慧培國際相關服務：與技術夥伴的協作方案、核心小組陪跑、組織發展與變革
Lead yourself first with authenticity and positivity that other people will choose to follow.Positive Leaders, Positive Organizations.
作者
Edward Cheng 鄭博文
慧培國際管理顧問公司台灣區人才發展總監 / 企業教練/策略引導師
台灣人，具多個行業的豐富人力資源管理經驗， 清大教育與心理諮商學系碩士，現職清大教育與心理諮商學系團體動力講師與慧培國際台灣區人才發展總監。
Edward 過去有將近18年的HR主管經驗，有2/3的時間是跟企業的CEO一起工作，能夠從企業經營的高度來規劃組織的人才發展。協助主管不只是知道還要能夠做到，從系統性的角度完整的規劃與提升主管的關鍵能力以帶來組織的成效。
Edward 擅長於 願景策略會議引導(Vision and Strategies Workshop) 、商業模式引導 (Business Model Workshop)、團隊教練 (Group Coaching)、高管教練(Coaching) 以及教練領導力（Coaching Leadership)。
Email：powen.coach@whitespace-leadership.com Ｍ：0958802653