《AI 管理學》
不用會寫程式，也能管好一支 AI 團隊
市面上九成的 AI 內容在教你怎麼問得更好。 但真正決定成敗的，是你怎麼管。
問得好只影響一次，管得好影響每一次。
這本書要解決什麼問題
多數人第一次用 AI 的感覺是驚嘆。但那只是第一次。
真正開始「用 AI 做事」之後，問題才會出現：同樣的任務今天做得很漂亮、明天做得很糟； 產出看起來通順專業，卻在某個你沒注意的地方錯了；你花在檢查 AI 產出的時間，比你自己做還多。
這中間的落差，就是管理必須存在的地方。
這本書不教你寫更好的 Prompt、不教你哪個模型最強、不教你 AI 的技術原理。 它教你一套管理框架，讓你在用 AI 做事時，知道怎麼派任務、設目標、管流程、抓品質、存經驗、控風險。
目錄
- 第 0 章管理者必懂的 AI 基本概念
- 第 1 章為什麼 AI 需要管理
- 第 2 章管理學基礎框架——六個核心武器
- 第 3 章AI 任務委派原則——什麼該交給 AI，什麼不該
- 第 4 章AI OKR——如何給 AI 下精準指令
- 第 5 章建立你的 AI 工具箱
- 第 6 章Prompt 工作流設計——把流程變成可重複系統
- 第 7 章知識管理——讓好結果可以被重複使用
- 第 8 章AI 輸出品質管理
- 第 9 章風險管理——AI 的邊界在哪裡
- 第 10 章組織設計——從單一 AI 到多 AI 團隊
- 第 11 章PDCA 在 AI 的應用——持續改進的方法
- 第 12 章AI 管理學實踐路線圖
- 附錄 A四張核心方法卡
- 附錄 BPrompt 模板庫
- 附錄 C一頁式檢核清單
- 附錄 D名詞速查表
試讀：第 1 章 為什麼 AI 需要管理
以下為完整一章，未經刪節。讀完你就知道這本書在講什麼。
第 1 章 為什麼 AI 需要管理
核心命題：AI 的能力足以接手工作，但可靠性還沒到可以放心交接—— 能力與可靠性之間的距離，就是管理必須存在的地方。
很多人第一次用 ChatGPT 的感覺是驚嘆。問它寫一封信、整理一段資料、解釋一個概念， 幾秒鐘就給出看起來很不錯的答案。那個瞬間，你會覺得 AI 好用到不需要管理。
但那只是第一次。群青數位也是這樣開始的。
從「問 AI」到「用 AI 做事」之間的斷層
「問 AI」是一次性的：丟一個問題，它回答，結束。不管答案好不好，你不會再追問第二次。 這就像在路邊問人「最近的地鐵站怎麼走」——答案對了很好，錯了也只是多走幾步。
但「用 AI 做事」不同。你是要把一個有明確目標的工作流程交給它——整理客戶名單、 寫週報初稿、分析競品動態、處理客服信件。這些任務有標準，有時限，有後果。 做錯了的後果，是客戶收到錯誤報價、老闆看到荒謬數字。
群青數位在 2026 年 1 月把 AI 導入客服回信。三個月後，回信速度從平均 40 分鐘降到 8 分鐘， 主管很滿意。直到 4 月，一位品牌客戶在月會上問：「上季那 37 筆客訴，為什麼有 12 筆沒有結案紀錄？」 ——他們才發現，AI 在整理客訴摘要時，把幾筆嚴重客訴合併進了一般諮詢，用中性語氣包裝掉了。 摘要讀起來流暢、結構完整，經理的助理直接轉發給管理層。沒有任何人在任何一關發現。
斷層就在這裡：AI 的能力足以接手很多工作，但可靠性還沒到可以放心交接的程度。 能力跟可靠性之間的這段距離，就是管理必須存在的地方。
不管理的 AI 會出什麼事
沒有管理的 AI 使用，問題不是「會不會出錯」，而是 「出錯的方式你無法預測，也無法系統性地修正」。
- 不一致。同樣的任務，今天做得很漂亮，明天做得很糟。原因多半在你這邊： 每次給的指令、上下文、格式要求都不一樣，但你沒有察覺。你以為在「跟 AI 溝通」， 其實每次都是全新對話。
- 幻覺。AI 會編造看起來合理但完全錯誤的內容。一個不存在的法規條文、 一個編造的數據來源、一個看起來有道理但從未被驗證的結論。把 AI 的產出直接丟進工作流程， 幻覺就變成你背書的錯誤。
- 範圍蔓延。你讓 AI 整理會議紀錄，它自動加了行動項目。你讓它寫道歉信， 它自動解釋了根本沒發生的事。AI 很熱心，但熱心沒有邊界意識。
- 人類疲勞。每次 AI 產出不確定，你就得人工檢查。一開始覺得「檢查一下很快」， 但當 AI 接手的工作從一件變成十件，你就從「用 AI 省時間」變成「幫 AI 擦屁股」。
繼續讀完這一章（約 2,000 字）
為什麼「更好的 Prompt」不是答案
面對這些問題，最常見的反應是學好 Prompt Engineering。
Prompt engineering 有用，但它解決的是單次互動的品質問題， 不是系統性的管理問題。一個精心設計的 Prompt 可以讓 AI 這一次表現更好，但不能解決：
- 下次忘了怎麼寫
- 換一個人結果完全不同
- 任務變複雜後 Prompt 越來越長但效果越來越差
- AI 的產出需要整合進既有流程
這些是管理層面的問題，不是 Prompt 層面的問題。 它們需要流程設計、品質標準、知識沉澱、風險控制——管理學研究了一百年的東西。
這也是本書的核心立場：市面上九成的 AI 內容在教你怎麼問得更好， 但真正決定成敗的是你怎麼管。問得好只影響一次，管得好影響每一次。
管理思維的切入點
管理學的核心假設：任何能力體都有能力邊界和可靠性邊界。 管理的任務不是消除邊界，而是設計一套系統，讓邊界內的產出穩定可靠，邊界外的風險被及時攔截。
搬到 AI 上，切入點很清晰：
- 委派判斷——不是所有事都該交給 AI，你需要判斷框架
- 目標設定——AI 沒有主動性，你的目標就是它的方向
- 流程設計——AI 的產出不該直通終點，它需要檢查點和 review gate
- 品質管理——「看起來不錯」不是標準，你需要具體、可重複、可驗證的驗收條件
- 知識管理——AI 每次對話都是全新的，你必須主動沉澱經驗
- 風險管理——幻覺、偏見、資安、過度依賴，不會因為你忽略就消失
這六個方向就是本書的結構。
這本書的承諾
這本書不教你寫更好的 Prompt，不教你哪個模型最強，不教你 AI 的技術原理。
它教你一套管理框架，讓你在用 AI 做事時，知道怎麼派任務、設目標、管流程、抓品質、 存經驗、控風險。
你的 AI 用得好不好，取決於你管得好不好。
行動清單
- 盤點本週所有跟 AI 相關的工作，標記哪些是「問 AI」、哪些是「用 AI 做事」
- 從「用 AI 做事」的項目中，找出一件曾經出過錯的，寫下當時的錯誤類型（不一致／幻覺／範圍蔓延）
- 為那件任務寫下三條明確的品質標準，下次交辦時直接附上
- 設定一個每週 15 分鐘的行事曆提醒，回顧本週 AI 產出品質
全書跟著一個團隊走完導入過程
群青數位，台中，22 人，做電商代營運，手上同時跑三十幾個品牌的檔期與客服。 2026 年初，他們開始把 AI 放進日常工作。
三個月後，他們的狀況是：
- 客服回信速度變快，但出了一次沒人發現的客訴事故
- 商品文案產量翻了三倍，風格卻散掉
- 競品週報漂亮得可以直接給客戶，裡面有兩個數字是編的
- 團隊覺得「AI 好像有用，但不知道到底能不能信」
這本書的每一個框架，都會回到群青數位，看它怎麼把這件事一項一項修好。 你會在裡面看到自己團隊的影子——包含那些他們做錯的地方。
註：群青數位是示範案例，由多個團隊在 AI 導入初期反覆出現的真實情境綜合而成， 非特定真實公司。書中已明確標示。
這本書寫給誰
- 帶 3–30 人團隊的中階主管，或中小企業主
- 公司已經在用 ChatGPT，但產出時好時壞、沒人說得準為什麼
- 不想學技術，只想讓 AI 的產出穩定可用
- 要為 AI 導入的結果負責，卻還沒有一套可交代的做法
- 不適合：想學 Prompt 技巧的人、想找 AI 工具排行榜的人
書籍資料
- 書名
- AI 管理學
不用會寫程式，也能管好一支 AI 團隊 - 作者
- Kevin Yang
- 電子書號
- EISBN 978-___（申請中，核發後補上）
- 版本
- v2.1（2026 年 9 月定版）
- 篇幅
- 約 82 頁 · 13 章 + 4 附錄
- 格式
- EPUB（可調字級、可重排）
- 上架平台
- Readmoo 讀墨 · Apple Books · Google Play Books
實體書號（ISBN）與各平台上架連結將於核發後補上。
上架時通知我
電子書正在申請書號與平台上架。留下 email，上架當天我會第一個通知你， 並附上《AI 委派 3 張核心方法卡》與《名詞速查表》PDF（都可以直接列印）。
留下 email，上架時通知我每週三早上也會收到一封「用 AI 管工作」的真實週記。隨時可取消。
- Readmoo 讀墨上架後開放
- Apple Books上架後開放
- Google Play上架後開放
關於作者
我不是 AI 工程師。我做了 15 年汽車配件製造業的專案管理，另外 8 年做企業網路與 SD-WAN—— 這兩件事的共同點是：把工作分配出去，然後為結果負責。
所以 AI 進到工作流之後，我碰到的問題很具體： 產出變快了，但沒人說得準什麼時候會不對。 這是我寫《AI 管理學》的原因。
企業內訓／顧問洽詢：[email protected]
電子書與授權說明
- 著作權利：本書著作權為作者 Kevin Yang 所有，保留一切權利。 未經授權不得重製、轉載或用於商業訓練用途。
- 企業內訓與大量授權：如需在組織內部使用本書內容作為訓練教材， 或需要大量授權，請來信洽詢。
- 示範案例聲明：書中主線案例「群青數位」為示範案例， 由多個團隊的常見情境綜合而成，非特定真實公司；公司名、人名、數字與時間點均為示範設定。
- 內容性質：本書為作者個人實務經驗與方法論分享，不構成任何技術、法律或投資建議。