本文由作者與 Claude AI 共同創作
「你的團隊有幾個人？」這個問題過去再簡單不過——HR 系統裡查一下 headcount，答案就出來了。但現在，這個問題變得令人困惑。
DeepWave 的工程團隊有五個人，但每個人同時開著五條 Claude Code 並行。算三個還是算十五個？業務部只有一個人，但這個人搭著 AI 助手，同時在檢索十個政府標案、追蹤五個客戶、管理三個合約談判——一個人在做理論上需要三個人才能完成的工作。客服部門只有我，我用 AI 回覆 60% 的問題。
傳統的 headcount 邏輯還適用嗎？
從「人頭預算」到「能力組合」的典範轉移
大概十年前，我在哈佛商評讀過一篇文章，討論企業組織設計的歷史。不同年代有不同的組織邏輯：工業時代按流程設計，資訊時代按專業職能設計，互聯網時代開始用跨職能團隊。
現在，我們進入了一個新的邏輯：AI 時代的組織設計，不只是按人數和職能，而是按「人＋agent 的能力組合」來設計。
Microsoft 在他們的「Frontier Firm」研究中提出了一個概念：human-agent ratio。不是說有幾個人，而是說一個組織的生產力來自於多少人、多少 agent、它們怎麼協作。一個工程師搭一個 Claude Code agent 的生產力，可能等於過去的三個工程師。一個行銷人員搭三個不同功能的 AI agent，可能能做過去五個人的工作。
當 AI 真的成為團隊的正式成員，我們需要用新的語言去談論組織設計。問題不再只是「有幾個人」，而是「人和 AI 怎麼協作」「能力邊界在哪裡」「整個人機編隊能否被有效治理」。
Token：新的人事預算
當 AI 成為團隊的正式成員，它們需要的「薪水」是什麼？Token。
你的工程師用 Claude Max，每月的 token 消耗就是他的「AI 薪水」。行銷人員用 Pro，那是另一個數字。客服 Agent 全月不停跑，那又是成倍的消耗。
這看起來像純技術採購問題，但它其實是一個組織設計的根本性問題。
首先，差異化預算怎麼分配？
工程師說：「我們需要 Max，因為 Claude Code 的深度工作需要高品質模型。」
行銷說：「我們也需要，因為我們要生成大量內容。」
客服說：「我們的 Agent 跑全天，需要大量 token。」
會議室裡每個人都有理由。但預算是有限的。怎麼決定？
傳統的做法是按部門預算比例分配。但在 AI 時代，應該按 **token 投資報酬率**（ROI）來分配。一個工程師用 Claude Code Max，可能在一個月內產出相當於三個人三個月的程式碼——ROI 可能是 1:9 或更高。一個行銷人員用同樣的額度，可能只是加快初稿速度——ROI 可能是 1:2。客服 Agent 用大量 token 自動回覆客戶，降低人工成本——ROI 也可能很高，但計算方式完全不同（成本節省 vs. 產出倍增）。
同一筆預算，配置在不同角色上的 ROI 完全不同。所以你不能簡單地「每個部門一樣多」。你需要一個新的預算邏輯。
其次，token 超支怎麼處理？
假設你給工程團隊編列了一個月 500 萬 token 的預算。第三周用完了。怎麼辦？是否允許超支？超支要額外付費嗎？
這不只是財務問題，是管理問題。如果允許無限超支，成本會失控。如果嚴格限制，有時你會被迫放棄一個高價值的開發工作，因為今月的 token 用完了。這在人工預算裡不會發生——你不會因為「本月薪資預算用完」就叫人停止工作。
但 AI 不同。Token 消耗是實時的、可量化的、可控的。所以必須有明確的機制：超支後誰來核准？核准標準是什麼？
第三，長期規劃怎麼做？
今年 Claude 的定價是多少，明年會不會降價？OpenAI 的定價策略是什麼？其他模型供應商呢？
傳統的人事成本基本穩定——你知道一個工程師的年薪大概是多少。但 AI 的成本曲線是陡峭下降的。六個月前 Max 的價格，和現在的價格完全不同。這對長期的組織設計和預算規劃帶來全新的不確定性。
或許可以這麼做：**建立一份「AI 運算成本表」，就像現在的「人事成本表」一樣**。年初的時候，我們會根據各部門的能力需求，估計他們需要多少 token，然後乘以當月的單位 token 價格，得出這部分的預算。但這個預算表每季檢視一次，因為定價會變。
未來的預算表很可能會自然多出一欄「AI 運算成本」，跟差旅費、訓練費、軟體授權費並列。到那個時候，主管看的就不再只是人事費用，而是「人＋AI」的綜合投入產出比。我甚至認為，未來不少組織討論的關鍵問題會變成：同樣一筆預算，你是該再聘一個人，還是先把現有人員背後的 AI 編隊補強？
中階主管的危機與轉機
有個更深層的變化，我在業界看到越來越多人在討論，但都顯得有點焦慮。
中階主管過去做的事——**資訊彙整、任務分派、進度追蹤、初步判斷**——恰恰是 AI 最容易、也最擅長接手的工作。一個課長的日常是什麼？早上看十個郵件，判斷哪個要立刻處理。中午開會通報進度。下午分配工作給組員。收盤時統計報表。這些事，一個 Agent 全部能做。
Gartner 做了一個預測：到 2026 年，20% 的組織會用 AI 扁平化組織結構，消除超過半數中階管理職位。
這個預測在台灣會更劇烈。為什麼？因為台灣企業的中階主管文化特別深。你去看任何一家傳統製造業或服務業，整個組織的運轉完全仰賴「課長」「副理」「經理」這一層。他們是資訊流的樞紐、決策流的分配者、員工關係的維護者。但台灣企業的人事決策也有更多「關係」成分，管理更依賴「人的信任」而非「系統的流程」。轉到 AI 時代，系統會變得更重要。因為 AI 沒有辦法「因人施教」，它只能按規則運作。所以台灣企業要擁抱 AI，必須同時改變「人事關係優先」的邏輯，變成「系統流程優先，在框架內做人事調整」。
AI 對這一層的衝擊會很大。一個靠「私人信任」維繫的團隊，很難被 Agent 取代。但這不是末日論。反而可能產生升級。
教練型主管會變得更珍貴——不是因為他們會處理日常行政（AI 做得好），而是因為他們能看到一個人的潛力、能激發潛力、能在人卡住的時候拉一把。他們能讓團隊成員快速升級，知道不同人該怎麼配 AI，並且保住學習節奏。
整合型主管也會升級——團隊裡有人、有 Agent，怎麼讓他們協作得最有效？怎麼設計工作流程讓人專注在創意和判斷？他們能把跨部門需求、真人判斷與 agent 流程接起來，不讓系統變成一堆各跑各的局部最優。這是新的管理技能。
治理型主管會被大量需要——當有 AI 參與決策，誰來確保 AI 沒有偏見、沒有遺漏、輸出符合公司價值觀？他們知道什麼能自動、什麼要人接手、什麼要留稽核軌跡、什麼錯誤不能容忍。這種「監督」工作會變成一個新的職能。
但說實話，大多數中階主管今天還沒有準備好。這三種能力，台灣企業都很缺。
組織設計的新變數：人機配比
接下來設計組織不只要看「這個職能需要幾個人」，而是看「這個職能需要多少『人機能力組合』」。
一個例子是我們的業務部。過去我計劃一個業務需要一個1-2個業助，才能覆蓋我們的業務範圍。現在只需要一個人加一套 AI agent：Agent 負責爬蟲、標案分類、標案文書、合約初審；人專注在關係維護、商務判斷、客製化提案。結果是產能沒降，反而因為 AI 的 24/7 覆蓋，反應速度更快。
你的招募 JD 怎麼寫？「會用 AI」不能是加分項，必須是基本項。你的績效考核怎麼設？「有沒有充分利用 AI 工具」要變成一個評估維度。你的薪資怎麼定？人機協作的崗位，薪資應該高於純人工（因為產能高），還是低於純人工（因為 AI 幫忙了）？
這裡沒有標準答案，但每個公司都必須回答。
AI 成員的管理方式
當 AI agent 變成編制內的成員，它怎麼被「管理」？
在 DeepWave，我自己做了一個 dashboard，顯示八個 Agent 和他們底下的七個 subagent 的運行狀況——有點像一個極簡的組織圖。我可以看到哪個 Agent 今天處理了多少任務、有沒有 escalation（升級到人工處理）、有沒有異常。
但這和管理真人完全不同。我不需要跟他們開會、不需要給他們反饋、不需要考慮他們的職涯發展。我只是設定他們的邊界、監控他們的輸出、在他們出錯時 debug。
這看起來簡化了管理。但問題會隨之而來：如果一個 Agent 出了重大錯誤，誰負責？用戶怪罪的對象是公司，但誰來 補破網？如果一個 Agent 的決策導致了經濟損失，應該關停它還是改進它的邏輯？
這些問題現在還沒有明確的法律或道德框架。但它們正在變成實際的管理問題。
當組織從純人類團隊變成混合團隊，管理不能只停在「有沒有導入成功」，而要往下追問「有沒有被管好」。這就是治理。
關鍵決定
所以，當你的組織開始導入 AI，或許也要同時開始思考：
1. 我的人機配比目標是什麼？（例如：一個人配多少 Agent 才能創造最高價值？）
2. Token 預算怎麼分配？（按部門？按 ROI？有沒有浮動額度？）
3. 中階主管怎麼升級？（減少數量，或改變職能定位？）
4. 招聘和績效評估的模型怎麼改？（人選怎麼變？評分維度怎麼變？）
這些決定比選擇工具本身更重要。因為工具會不斷進化、定價會不斷變化，但你對「什麼是好的人機協作組織」的理解，會決定你能從 AI 裡得到多少價值。
組織設計的基本單位正在從「人」變成「人＋agent 的能力組合」。Token 是新的人事預算。Human-agent ratio 是新的編制邏輯。如果你還在用舊的思維去建設組織，你會發現自己招了一堆貴又沒充分發揮的人，或者買了一堆用不上的 AI。
真正的機會，在於那些能夠同時看懂人事、AI 工具和組織設計的領導者——他們才能找到自己企業的最優組合。
---
如果你正在重新思考團隊的人機編制，歡迎預約一次 AI 顧問諮詢（組織設計），聊聊你的組織設計。
標籤： 企業 AI｜組織設計｜中階主管｜AI 導入｜數位轉型
