最近跟一位去年協助 AI 教育訓練和導入的客戶聊天。他很得意地告訴我，自從去年輔導之後，他們陸續有很多 AI agent 上線，每個都跑得很好：客服機器人每天處理上百則詢問、會議紀錄自動生成、履歷第一輪篩選交給 AI、連排班系統都有人在用。
我問他：「那這些 agent 是誰在管？有個專門的部門還是機制在治理嗎？」
他突然愣了一下，跟我說：「他們就各個部門自己管自己的 agent，這樣有問題？需要有特定單位出來管嗎？」
我沒有馬上回答。說實話，三個月前，我也答不出這個問題。
AI 用得滿好，跟 AI 用得健康，是兩件事。用得滿好，是每個工具單獨看都有效；用得健康，是整支部隊合起來看，不會在某一刻同時出亂子。麥肯錫 2026 年的研究，給這種處境取了名字，叫 Pilot Trap：任何人花一個下午就能用 low-code 架起一個 agent，但沒人治理的實驗，會把舊流程的碎片慢慢硬化成程式碼。說白話點，你以為在做 AI 轉型，其實是在養一堆沒人管的 pilot。養久了，總有一天會出事。
我們自己就是這樣過來的。31 個自動化任務同時上線，卻沒有一個像樣的管理層，最後一次伺服器故障，整個對外服務一起掛掉。摔了那一次之後，我們整理出五個問題，專門檢查一間公司的 AI 部隊健不健康。你也可以拿來對照自己。
五個問題，測出你的 AI 治理體質
一、你的 AI 平台，誰說了算？
各部門自己買？老闆拍板？還是 IT 統一管？這個問題在台灣特別微妙，多數中小企業連 IT 部門都沒有，AI 平台實際上是「老闆 vs 人資主管」的權力問題。平台歸屬不清，AI 應用就會像雜草一樣各自長，長到最後，沒人知道公司到底用了多少 AI。你公司現在是哪一種？先別急著答，想想再答。
二、員工相信這是投資，還是監視？
AI 能做的個人化越來越多：預測誰想離職、規劃職涯路徑、分析績效。同一套技術，界線在於員工相不相信這是為他們好。用 AI 紀錄稽核員工，信任就斷了；用 AI 改善員工體驗且全程透明，信任就長出來。這不是法規問題，是心理契約。你的員工，會怎麼回答這一題？
三、自動化之後，判斷力誰來養？
agent 拿走 entry-level 工作之後，新人要靠什麼學會這份工作？判斷力、教練、關係，這些 AI 拿不走的能力，不會自己長出來。我們看過太多公司，導入 AI 時只算省了多少人，沒算下一代怎麼養。等老員工退休，才發現中間斷了一代。你的新人，現在靠什麼學？
四、每個 agent 有主人嗎？出錯查得到嗎？該退役嗎？
每個 AI 應用有沒有負責人？出錯時查不查得到它做了什麼？每個月花多少錢？多久檢討一次還要不要留？我們自己盤點時才發現，31 個自動化任務只有一個有明確負責人，其他全掛在系統管理員名下。典型的「三個和尚沒水喝」。這四題，你答得出幾題？
五、你在鋪路，還是在硬化舊流程？
最難的一題。你們的 pilot 成功之後怎麼處理？一直 pilot、就地擴大、還是先對齊藍圖再擴大？方向不明的自動化，跑得越快錯得越遠。把現有流程整段自動化，看起來很勤奮，三個月後回頭看，可能只是在加速一個本來就該淘汰的流程。你上一次關掉一個 AI 工具，是什麼時候？
五分鐘，得到你的雷達圖
這五個問題，我們做成了 25 題的線上診斷量表。五分鐘答完，會得到一張五維度健康雷達圖、一個 Pilot Trap 陷阱深度百分比，和每一項的具體行動建議。
👉 免費使用：https://rong-rise.com/pilot-trap-scan
結果怎麼用？
拿到雷達圖，先看三件事。第一，陷阱深度超過 60%，你的 pilot 正在硬化舊流程，先停下來定義 AI 轉型的未來藍圖，再決定每個 pilot 的去留。第二，不用一次補五個維度，先救最弱的那個，一季補一個，一年就有體質。第三，低分維度往往互相連動，平台歸屬混亂通常伴隨治理低落，信任問題常常和人才斷層一起出現，找到根源的那個，其他的會跟著改善。
這套五維度框架，也是我們自己每個月檢查 agent 部隊的依據。它不會讓 AI 跑得更快，但會讓 AI 跑得更久、更穩。
你的 AI 部隊，是在鋪路還是卡進陷阱？五分鐘，測給自己看。或者，先回答我那五個問題也行。
*延伸閱讀：〈我們公司有 31 個員工，上個月他們把公司給弄掛了。〉，榕耀管顧自己的 agent 治理實錄。*