# AI 協作與治理：用 80/20 法則抓大放小

> 導入 AI 後工作沒變輕鬆？80/20 不是 AI 做八成、人看兩成，而是排序工具。整理一頁就能開始的五件事、AI 權限三層、例外與退場、七步最小可行流程，以及怎麼算整條流程的時間。

來源：https://mkt.lot.tw/ai-collaboration-governance-80-20/｜最後更新：2026-11-15

這篇想拆的是一個很常見的狀況：導入 AI 之後，摘要和回覆草稿一下就出來，可是真要用的時候，還是得停下來查資料新舊、數字來源、到底誰確認過。工作沒有變少，只是換了地方。

我把這個現象一層一層拆開，最後收斂成一個判斷方式：用 80/20 先排序，抓最值得改善的工作、守最不能失守的控制點。

這件事在 2026 年變得更急：AI 不只會寫草稿，代理式 AI 已經能直接寄信、寫入資料、操作外部系統。數位發展部資安署也提醒中小企業，導入代理式 AI 要留意最小化授權、保留日誌與人工審核（[中央社報導](https://www.cna.com.tw/news/afe/202609200029.aspx)）。AI 能動手的地方越多，「給了它什麼權限、出錯誰接手」就越不能等。

✅ 適合：想把日常營運系統化、但沒有資訊團隊的經營者、獨立工作者與主管

⚠️ 要注意：這篇是幫團隊開始討論的整理，不是法規或資安合規指南；已經有完整資安與法遵流程的企業，請以內部規範為準

先說清楚兩件事：文中的客服範例是假設情境，18 分鐘、12 分鐘這些時間數字是示意，都不是實際成效；判斷時請用你自己的紀錄。

TL;DR

80/20 在 AI 協作裡是排序工具，不是人與 AI 的分工比例：先找最值得改善的工作（價值），再守最不能失守的控制點（風險），低頻但高傷害的付款、個資、對外承諾也要先保護。治理不必從厚重手冊開始，先把目標、資料、權限、驗收、例外與退場寫成一頁；權限分提供資訊、提出建議、執行動作三層，草稿能解決就不給動手權限；衡量要算整條流程，同時看效率、品質、風險與維運。

## 導入 AI 後，工作沒變少，只是移到檢查與重做

導入 AI 後，摘要和回覆草稿很快就出現，但懂客戶狀況的人沒有變多；報價摘要可能混用舊版價格；同事以為主管會確認，主管以為同事查過。工作不是消失了，而是從「製作」移到「檢查、追問與重做」。只看 AI 產出的速度，很容易以為流程變好了；看整條流程，才知道效率是真的增加，還是換了地方消耗。

![工作變快，檢查卻變多](https://media.lot.tw/publish/ai-collaboration-governance/20261114-143135-308c/step-01.webp)

工作變快，檢查卻變多

## 80/20 法則在 AI 協作裡是排序，不是分工比例

80/20 法則（帕累托原則）提醒我們：某些情境中，少數原因會對結果產生相對大的影響。品質管理的[帕累托圖](https://www.lean.org/lexicon-terms/pareto-chart)，就是把問題原因依發生頻率排列，決定先處理什麼。但不代表每件事都剛好是 80% 與 20%，答案要看實際紀錄。放進 AI 協作，翻成兩個問題：哪些少數工作占用了大量時間、值得優先改善（價值）？哪些少數控制點一旦失守，後果難以承受（風險）？

![80/20 是排序，不是分工比例](https://media.lot.tw/publish/ai-collaboration-governance/20261114-143135-308c/step-02.webp)

80/20 是排序，不是分工比例

### 只看發生次數，會漏掉最傷的那種錯

每天出現的格式不一致雖然不方便，通常很容易修正；一年只發生一次的「AI 把退款條件寫錯並直接寄給客戶」，卻會造成對外承諾爭議。80/20 適合找改善優先順序，不適合拿來排除重大風險。美國國家標準與技術研究院（NIST）的 [AI 風險管理框架](https://airc.nist.gov/airmf-resources/airmf/5-sec-core)，也建議依風險影響、發生可能性與可用資源安排處置，而不是只看單一數字。付款、個資、對外承諾與不可逆操作，即使很少發生，也要先設保護措施。

## AI 協作和 AI 治理：同一條流程的兩面

AI 協作問的是：這項工作，人與 AI 怎麼一起完成？關注任務拆解、資料整理、產出與交接；常見誤區是「AI 有產出就算完成」。

AI 治理問的是：這樣分工後，怎麼確認它安全、可控，並有人承擔結果？關注資料使用、權限、驗收、例外與停用；常見誤區是「寫了規則，就以為流程已經受到控制」。

例如：AI 先整理客服回覆草稿是協作；規定只能使用核准資料、對外發送前由誰確認，是治理。

## 先寫清楚五件事：一頁就能開始的 AI 治理

1\. 目標：寫成可以驗證的一句話，例如「減少客服整理常見問題的時間，同時維持回覆正確性，並保留人工發送」。

2\. 資料：能不能放進目前的 AI 工具？有沒有個資、機密？是不是最新版本？

3\. 權限：AI 只能建議，還是可以直接行動？

4\. 驗收：「看起來不錯」不是標準，要寫出可核對的條件。

5\. 例外與退場：出錯時誰接手、怎麼停下來、怎麼還原。

![先寫清楚五件事](https://media.lot.tw/publish/ai-collaboration-governance/20261114-143135-308c/step-03.webp)

先寫清楚五件事

## AI 權限分三層：第一版只給讀取或草稿

AI 產生「建議退款回覆」，和 AI 能直接替公司辦理退款，是兩種不同的授權。

-   提供資訊：摘要、整理、搜尋已核准的資料，適合內部參考資料整理。
-   提出建議：產生草稿、列出方案與待確認事項，由人核對後再採用。
-   執行動作：寫入資料、寄送訊息、操作外部系統，必須先確認權限、驗收與復原方式。

不是每個流程最後都需要走到「執行動作」。草稿已經解決問題，就不必為了自動化多給動手的權限。

## 例外與退場：沒人接、停不下、還原不了，就先別自動化

常見例外：查不到資料、兩份資料衝突、客戶要求超出既有規則、AI 結果與來源不一致、系統把內容寫入錯誤位置。不要只寫「交由人工處理」，還要寫清楚：

1.  交給誰：負責角色或具體承接人。
2.  帶什麼資訊：原始資料位置、異常原因、AI 已做的動作。
3.  可以先停什麼：暫停發送、暫停寫入，或切回人工流程。
4.  怎麼回復：誰負責還原，還原後如何確認。

## 交出執行，不交出責任：整理、判斷、核准、承擔

一項工作拆成四個問題：

1\. 誰整理：蒐集、分類、轉換資料。

2\. 誰判斷：依目標、情境與限制比較選項。

3\. 誰核准：決定結果能否採用、進入下一步。

4\. 誰承擔：結果影響客戶、財務或團隊時處理後果。

AI 可以摘要、分類、產出草稿、列出選項、準備核對清單；人要確認資料可不可用、內容是否正確，並由具權限的人決定是否採用。AI 流暢地說出一個答案，不等於它掌握了你的客戶關係與風險承受度。

![交出執行，不交出責任](https://media.lot.tw/publish/ai-collaboration-governance/20261114-143135-308c/step-04.webp)

交出執行，不交出責任

## 七步最小可行流程：從一項每週重複的工作開始

先用試算表或紙筆列出候選工作，記錄頻率與耗時、最常卡住的地方、出錯影響、能否核對與回復，再用四個問題排序：

1.  價值：是否經常發生，或明顯影響重要成果？
2.  可驗證性：有沒有可靠來源或清楚標準可以檢查？
3.  後果與可逆性：做錯影響誰？能否在造成損害前攔截？
4.  準備程度：有沒有人願意負責、測試、處理例外？

對外付款出錯可能造成財務損失、回復困難，不適合當第一個自動執行試點。選定之後，照七步走：

1.  選一項明確工作：例如「依已核准的商品資料，產出客服回覆草稿」。
2.  記下原本怎麼做：處理時間、錯誤或重做，作為比較基準。
3.  設定資料與權限邊界：第一版只給讀取或草稿權限。
4.  寫出可核對的完成條件：例如所有數字必須對到指定來源。
5.  設計例外與停止條件，指定誰接手。
6.  小範圍試行並記錄，不要只挑 AI 最容易答對的案例。
7.  比較結果，再決定擴大、調整或停止。

這七步是把 NIST 的治理、理解情境、衡量與管理四個功能，轉成小團隊可以開始討論的方式，不代表完成正式合規或認證。

![選一項每週重複的工作](https://media.lot.tw/publish/ai-collaboration-governance/20261114-143135-308c/step-06.webp)

選一項每週重複的工作

## 假設情境：「預計出貨日」被寫成「保證到貨日」

以下是假設情境，不是特定企業的實際成效。一間小型團隊用 AI 整理常見問題的回覆草稿，由工作人員確認後再發送：只用確認可提供、版本明確的說明；AI 不可自行決定退款、補償、修改訂單或直接寄送；資料缺漏、來源衝突或涉及特殊承諾時，標示待確認並交給負責人。

試行後發現 AI 常把「預計出貨日」寫成「保證到貨日」，就往回檢查：

-   原始資料有沒有區分出貨與到貨？
-   驗收清單是否核對承諾用語？
-   草稿有沒有標示來源？
-   是否要固定交給特定人員處理？

每次錯誤都記下原因，團隊才會累積能力，而不是每次重新救火。

## 算整條流程：同時看效率、品質、風險與維運

單件總作業時間 = 準備資料 + AI 操作 + 人工核對 + 修改重做 + 必要交接。 示意數字（非實際成效）：

-   準備與整理：8 分鐘 → 4 分鐘
-   產出草稿：7 分鐘 → 2 分鐘
-   核對與修正：3 分鐘 → 6 分鐘
-   單件合計：18 分鐘 → 12 分鐘

不能只憑這個數字宣布成功：案件是否相近、品質是否維持、錯誤有沒有變多、導入與維護成本算進去了嗎？ 至少一起看四類訊號：效率、品質（一次通過率、重做件數）、風險（資料外洩、錯誤承諾、權限異常）、維運（誰維護資料、變更後是否重新測試）。

![算整條流程，不只算 AI 幾秒](https://media.lot.tw/publish/ai-collaboration-governance/20261114-143135-308c/step-05.webp)

算整條流程，不只算 AI 幾秒

## 導入 AI 的四個常見誤區

-   把 80/20 當成人與 AI 的固定分工比例：內部草稿可能讓 AI 承擔較多，涉及客戶權益的正式文件需要更多人工查核。比例是觀察結果，不是起始規定。
-   以為「人有看過」就代表安全：覆核者沒有來源、時間和退回權限，確認就容易變成形式。
-   把所有錯誤用同一個平均數處理：錯一個標點和錯誤承諾退款條件，不是同一種後果。
-   流程還沒理清，就急著擴大自動化：資料混亂、責任不明，加工具也補不上。

抓大放小的「放小」，是先不追求一次全自動、先不預測所有例外、先不為低影響草稿建立複雜簽核，固定規則或試算表公式更穩定時也不必硬加 AI。但放小不等於跳過資料安全、必要的核准，或適用的法律與契約要求。

## 把時間交還給判斷

AI 讓產出變多、變快，真正稀缺的反而是確認方向、辨識風險、承擔結果的能力。抓大放小，就是先決定哪些工作值得交給系統放大，哪些判斷必須有人看見、能夠介入、願意負責。

建議的下一步只有一個：選一項你每週都在重複的工作，寫下資料來源、完成標準、不可交出的權限，以及出錯後由誰接手。四項寫完，再決定要不要加入 AI。先求有再求好，流程清楚了，AI 才有空間加速。

想看我實際把哪些工作交給 AI、哪些留給自己把關，可以加入 LINE 官方帳號，我會把實測紀錄寄給你。

**延伸閱讀：從選一項工作開始，讓 AI 接進流程**

-   想找一項每週重複的工作來試，看 LINE 對話接上 Google Sheet、交給 AI 整理的完整做法：[三步驟實作：小型事業用 LINE OA＋Google Sheet 打造 AI 營運特助](/line-oa-google-sheets-ai-operations-assistant/)
-   人和 AI 怎麼分工、誰來把關，看一次真實的 AI 協作專案怎麼進行：[我把 WordPress 網站搬成 AI 協作的靜態網站：三天完成切換的過程](/wordpress-to-astro-notion-migration/)
-   流程寫清楚之後，想讓 AI 自動跑起來，先看 Google 自動化工具的實測：[Google 自家的自動化工具 「 Workspace Flows 」 可以用了！接下來將 AI 整合進工作流將更加直觀簡單](/google-workspace-flows-ai-automation-review/)

### 互動版：一張一張看重點

也可以用互動版快速瀏覽每個重點。

[互動教學**AI 協作與治理：用 80/20 法則抓大放小**17 個步驟 · 約 5 分鐘▶ 開始體驗](https://guide-mkt.lot.tw/play.html?g=ai-collaboration-governance)

### 參考來源

-   [Lean Enterprise Institute：Pareto Chart](https://www.lean.org/lexicon-terms/pareto-chart)
-   [NIST AI RMF Core](https://airc.nist.gov/airmf-resources/airmf/5-sec-core)
-   [NIST AI RMF：AI 風險管理與人機互動](https://airc.nist.gov/airmf-resources/airmf/appendices/app-c-ai-risk-management-and-human-ai-interaction/)
-   [中央社：資安署提醒中小企業留意代理式 AI](https://www.cna.com.tw/news/afe/202609200029.aspx)

## FAQ

80/20 法則是指 AI 做 80%、人做 20% 嗎？

不是。80/20（帕累托原則）提醒的是少數原因常造成大部分影響，用來排優先順序。放進 AI 協作，要問兩件事：哪些少數工作最值得優先改善，哪些少數控制點一旦失守後果最嚴重。人與 AI 實際分工多少，要看工作性質與紀錄，不是固定比例。

AI 協作和 AI 治理有什麼不同？

AI 協作關心這件工作人和 AI 怎麼一起完成，例如 AI 先整理客服回覆草稿；AI 治理關心分工後怎麼確認安全、可控、有人負責，例如規定只能用核准資料、對外發送前由誰確認。兩者是同一條流程的兩面。

小團隊沒有資源寫治理手冊，要從哪裡開始？

先把五件事寫成一頁：可以驗證的目標、能放進 AI 工具的資料、AI 的權限、可核對的驗收條件、出錯時誰接手與怎麼停下來還原。這一頁就是可以討論、可以修正的第一版。

要給 AI 多大的權限才安全？

可以分三層看：提供資訊（摘要、整理已核准資料）、提出建議（產生草稿，由人核對後採用）、執行動作（寫入資料、寄送訊息、操作外部系統）。第一版建議只給讀取或草稿權限；如果草稿已經解決問題，就不必為了自動化多給動手的權限。

怎麼判斷導入 AI 有沒有效？

不能只算 AI 花幾秒，要把準備資料、AI 操作、人工核對、修改重做與交接都算進單件時間，並同時看效率、品質（一次通過率、重做件數）、風險（錯誤承諾、權限異常）與維運（誰維護資料、變更後是否重測）。例如示意情境裡單件從 18 分鐘降到 12 分鐘，核對時間卻從 3 分鐘變 6 分鐘，就要追查原因。