AI 導入就緒度評估:用 16 項準則判斷你的企業還缺什麼
大多數 AI 導入不是敗在模型不夠聰明,而是資料撈不出來、流程沒人改、法遵一句話打回原點——這些在 Demo 全看不到,上線才爆。我們用資料、流程、團隊、資安四維共 16 項可打分準則加權評分,讓你一頁看出企業距離「能上線、有人用」還缺哪一格。
작성자
Tenten AI FDE 團隊
導入方法論
게시일
2025년 10월 8일
읽는 시간
5 分鐘
AI 導入就緒度評估,是在動工前用一組固定準則替企業打分,量化它距離「把 AI 系統推上生產線、而且有人天天在用」還差多少。這不是問「要不要做 AI」,而是問「以你現在的狀態,現在做會不會又變成另一個 4% 使用率的展示品」。
我們替客戶啟動任何案子前,幾乎都會先跑一遍這個評估。原因很現實:大部分卡關不是模型不夠聰明,是資料撈不出來、流程沒人願意改、或法遵一句話就把整個方案打回原點。這些問題在 Demo 階段全都看不到,上線那天才會一次爆出來。
為什麼是四個維度、十六項
一個能上線的 AI 系統,同時吃四種東西:它要有料可讀(資料)、要嵌進真實工作步驟(流程)、要有人扛採用(團隊)、要過得了法遵與稽核(資安)。任何一維塌掉,整套就上不了線。所以我們把就緒度拆成這四維、每維四項,共十六項可打分準則,每項打 0 到 5 分,再依權重加總成一個總分。
權重不是平均的。資料撈不出來,後面全部免談,所以資料權重最高;資安在受監管產業(金融、醫療)是一票否決項,分數低到某個門檻,再高的其他分也不能上。
| 維度(權重) | 準則 | 0 分長什麼樣 |
|---|---|---|
| 資料 30% | 資料可及性 | 關鍵資料鎖在別人系統裡,要人工匯出 |
| 資料品質一致性 | 同一欄位三種寫法、重複、缺漏 | |
| 權限與治理 | 沒有分級,誰都能看或誰都看不到 | |
| 非結構化知識可檢索 | 合約、工單、PDF 散在資料夾無索引 | |
| 流程 25% | 場景明確度 | 想「全公司都用 AI」,沒有一個窄場景 |
| 現況基線可量測 | 說不出目前處理一件要幾分鐘、錯幾次 | |
| 決策點與人工覆核 | 不知道哪一步交給 AI、哪一步人要簽 | |
| 例外處理路徑 | 系統不確定時沒有交還給人的機制 | |
| 團隊 25% | 業務負責人到位 | 沒有一個扛採用率 KPI 的人 |
| 一線使用者意願 | 真正操作的人覺得多此一舉 | |
| 技術對接窗口 | IT 或資料工程無法配合排期 | |
| 變革管理能量 | 沒人負責訓練與改寫作業流程 | |
| 資安 20% | 資料落地與主權 | 不確定資料能否出境或需私有部署 |
| 存取控管與稽核軌跡 | 沒有 log、事後查不到誰用了什麼 | |
| 法規合規對應 | 個資法、金管會、醫療規範沒盤點 | |
| 供應商與模型風險 | 沒看過第三方模型的資料使用條款 |
怎麼算、怎麼讀
算法很單純:每項 0 到 5 分,乘上該維度權重再平均回 0 到 5 分制。假設資料四項平均 3.0、流程 2.0、團隊 3.5、資安 4.0,總分就是 3.0×0.3 + 2.0×0.25 + 3.5×0.25 + 4.0×0.2 = 3.075。
分數落在哪一段,對應的動作完全不同:
- 低於 2.5 — 還不能碰生產系統。先花一到兩個月補資料與流程基線,硬上只會做出漂亮的 Demo 加無人使用的下場。
- 2.5 到 3.5 — 適合單一場景試點,範圍要窄,先驗證一條完整流程跑得通、有人真的用。
- 3.5 到 4.5 — 可以上線,但把最低的那一維當成上線前的補強清單,別讓它拖垮採用。
- 4.5 以上 — 具備規模化條件,可以從單點往多場景複製。
這裡有個容易踩的雷:總分好看不代表能上。我們看的是「最低那一維」。一家製造業客戶資料與流程都拿 4 分,團隊卻只有 1.5——因為現場老師傅根本不想用。總分算起來及格,實際上線第一週使用率就掉到個位數。分數的價值不在那個漂亮的加總,在於它一頁攤開讓你看見到底是哪一格卡住。
從分數到行動
評估真正的用處,是把「感覺還沒準備好」翻譯成一張具體的補強清單:資料哪兩項要先清、流程哪個決策點要先定義、團隊少了誰、資安哪條法規還沒對。每一個低分格,對應一個上線前要收掉的工作項。
我們在 Tenten 跑 FDE 前線部署時,通常就是拿這張十六項的分數當第一週的作戰地圖——工程師進場先補最低的那一維,而不是急著寫模型。畢竟 Demo 很美不算數,上線且有人在用,才算數。
