---
title: "企業 AI 導入成熟度 L1–L5：我每週十小時練的不是工具"
url: https://stanleylin.tw/ai%E9%A1%A7%E5%95%8F%E9%A4%8A%E6%88%90%E8%A8%88%E7%95%AB%E5%85%A8%E5%85%AC%E9%96%8B%EF%BC%81%E6%88%91%E5%A6%82%E4%BD%95%E6%AF%8F%E9%80%B1%E8%8A%B110%E5%B0%8F%E6%99%82%EF%BC%8C%E6%89%93%E9%80%A0/
author: 林毓晟（Stanley Lin，史大）
published: 2025-08-06
updated: 2026-08-09
categories: AI 與自動化、數位轉型案例
description: "從每週十小時的 AI 刻意練習，整理企業導入成熟度 L1–L5：個人使用、流程知識化、跨工具工作流、治理到組織能力。"
---

# 企業 AI 導入成熟度 L1–L5：我每週十小時練的不是工具

最近一段時間，我每週大約花十個小時刻意練習 AI。

做過 GPTs、NotebookLM、n8n、自動上架、行程整理，也做過 CRM 雛形。

工具清單越來越長，我反而看到一件事：會用很多工具，不等於公司已經會導入 AI。

我把企業 AI 導入翻譯成學開車：會踩油門只是 L1，能讓不同駕駛在同一條路安全交接，才接近組織能力。

## 企業 AI 導入成熟度 L1–L5 是什麼？

「AI 導入成熟度 L1–L5」是從個人會用工具、流程能被描述、工作流能跨系統運作，到風險可治理、能力可持續複製的五個層級。

1. **L1 個人使用**：成員能用 AI 完成單次任務。
2. **L2 流程知識化**：SOP、資料定義與判斷規則被整理。
3. **L3 工作流化**：工具、資料與人工接手能穩定串接。
4. **L4 治理化**：權限、版本、風險與成果可以回查。
5. **L5 組織能力**：新情境能沿用共同架構快速迭代。

這是我的實務整理，不是國際認證分級。它的用途是讓主管知道下一筆預算要補哪一層，而不是替公司貼成熟或不成熟的標籤。

同一家公司也可能不同流程位在不同層級。財務核銷已經有完整權限與稽核，行銷內容卻仍靠個人經驗；成熟度應該評流程，不是替整間公司打一個平均分數。

評估時請拿一個真實流程逐層問：誰使用、知識在哪、工具怎麼交接、風險怎麼回查、換人後能不能延續。答不出來的那一層，就是下一個改善目標。

## 為什麼多數企業會卡在 L2？

因為 L1 買帳號就能開始，L2 卻要求團隊說清楚 SOP、資料、例外與品質。工具問題容易示範，知識整理則會碰到部門邊界與責任。

「SKMS」是我用來處理 L2 的路徑：SOP 先寫出做法，Knowledge Management 累積判斷與例外，再把成熟部分封裝成 Skill。

很多人以為卡關是模型不夠強，其實剛好相反。模型越強，越容易掩蓋流程本身沒有共同標準。

如果你是老闆（或要分配預算的主管），同一項工作換三個人會得到三種做法嗎？如果會，先別急著談 Agent。

L2 的工作可以從「例外」開始整理。標準流程大家通常說得出來，真正藏在人腦裡的是遇到資料不全、客戶臨時改條件、系統沒有回應時怎麼判斷。

每週挑三個例外，記錄當時資訊、採取動作與結果。幾週後再回頭分類，哪些能寫成規則、哪些需要授權、哪些其實是上游資料問題。

## 成熟度提升要怎麼選第一個流程？

選擇頻率高、等待久、錯誤可驗收，而且有明確負責人的流程；先建立可回饋的小閉環，再擴大到跨部門，不要從最炫的展示開始。

可以先列四個數字：每週發生幾次、每次等待多久、一次錯誤要多少人重工、結果由誰驗收。這比問「哪個部門最想用 AI」更接近商業問題。

製造現場常提醒：設計階段一元的問題，可能在試產變十元、量產變百元，到客戶端再放大。AI 導入也應該優先處理錯誤會一路加價的流程。

實際選題方式可接著看[企業導入 AI 該從哪個流程開始](/where-to-start-ai-adoption/)。

第一個試點還要具備「可以停」。若錯誤出現，團隊能切回人工流程，不會影響付款、法遵或客戶承諾。可回復性越高，越適合作為練習場。

試點期間固定比較導入前後，不要只記成功案例。完成時間縮短、返工增加，可能代表速度只是把成本推給驗收者。

## L4 的治理為什麼不是找人背鍋？

治理要留下資料來源、工具版本、人工修改、權限與批准紀錄。目的不是處罰出錯者，而是讓團隊能回到原因修正，保護願意做決定的人。

NIST 的 [AI 風險管理框架](https://www.nist.gov/itl/ai-risk-management-framework)同樣把治理視為貫穿情境盤點、衡量與管理的工作，不是專案結束才補一份文件。

我過去做晶圓研發良率提升時（曾在晶圓研發做良率提升六年半），看到的也是同一件事：有紀錄，錯誤才有機會變成下一次的知識。

L4 至少要看五種紀錄：資料版本、提示或流程版本、權限異動、人工修改、事故處理。不是每位員工都看全部，而是需要時找得到對的人與證據。

風險分級也不能只靠資料敏感度。對外發布、客戶承諾、財務動作與人事判斷，即使輸入不是機密，錯誤後果仍可能很高。

這個觀點在[ERP、PLM 與 AI 治理](/ai-governance-plm-thinking/)有更完整的說明。

## 怎麼知道公司真的走到 L5？

不是看 Agent 數量，而是看新流程能否沿用同一套資料、權限、驗收與回饋架構；原作者離開後，團隊仍能理解、修正並持續改善。

老闆要驗收三件事：人是否少等系統、錯誤是否更早被看見、好做法是否留下來。只有速度變快，不代表成熟度提高。

L5 不是終點，也不是把所有工作自動化。當市場、工具或法規變動時，團隊能用既有架構重新評估並安全調整，才是成熟的證據。

成熟流程還會保留人工能力。自動化長期正常運作時，人最容易忘記備援怎麼做，所以要安排定期演練，確定停機時仍能維持最低服務。

OECD 的 [AI 與技能報告](https://www.oecd.org/en/publications/ai-and-skills_f843b352-en/full-report.html)也提醒，資料解讀、問題解決與管理能力仍是 AI 工作的重要部分。

你公司現在在哪一層？更重要的是，下一層缺的是工具，還是那份一直沒有人願意寫清楚的流程？