HR 如何用 HPI 架構重新定義工作價值重新定義 AI 時代的人機分工

撰文者／先行智庫執行長 蘇書平

你的組織導入了 AI，但財務績效數字還是沒動。這不是工具的問題——是思考框架的問題。多家全球研究機構的數據揭示了一個令人不安的現實：絕大多數企業已投資 AI，但真正報告有可量化實際成效的不足一半。這個落差的根源，不在於技術本身，而在於組織仍用前 AI 時代設計的工作結構，去套用 AI 時代的工具。工具很多，但分工模糊。AI 做了一些事，人也做了一些事，兩者之間卻沒有清晰的邊界——這才是企業 AI 轉型真正的障礙。真正的轉型，必須從「重新定義人的工作」開始。

大多數 AI 轉型犯了同一個錯誤：直接跳到工具層

組織在推動 AI 導入時，最常見的路徑是：

• 購買或訂閱 AI 工具
• 要求員工「開始使用」
• 等待效率提升

這個路徑的問題在於：它跳過了一個最關鍵的步驟——釐清工作本身的結構。當我們不知道一個職位的核心產出是什麼、這些產出依賴哪些任務、每個任務需要什麼技能，就無法做出精準的人機分工判斷。結果就是：人繼續做著 AI 可以處理的重複性工作，而 AI 卻被用在它本就不擅長的判斷性任務上，資源錯置效率反而下降，要解決這個問題，需要的不是更多工具，而是一套嚴謹的績效分析框架。

HPI：從根本重構工作設計的分析框架

人力績效改進（Human Performance Improvement，HPI）是一套奠基數十年、在績效改善領域廣泛驗證的系統性方法論。在 AI 時代，它的價值被前所未有地放大。HPI 的核心邏輯，是用一個四層架構來解構任何職位的工作本質：成果（Outcomes）→ 產出（Outputs）→ 任務（Tasks）→ 技能（Skills），當你能清楚定義「這個職位的成果是什麼、需要哪些產出、靠什麼任務完成、依賴哪些技能」，你就擁有了一張地圖——一張可以精準判斷「哪裡交給 AI、哪裡留給人」的工作設計地圖。而微軟 Copilot、Claude、OpenAI 的 AI Agent，去年開始統一往同一個方向設計——它們處理任務的底層邏輯，正好與一套行之有年的人力績效框架高度吻合。這四個層次環環相扣，但在實際組織中，常常是斷裂的。

成果（Outcomes）

是組織最終希望達到的業務目標，例如「提升客戶滿意度」或「縮短產品上市週期」。這是一切工作設計的起點，但絕大多數職位說明書從未明確寫出它。

產出（Outputs）

是員工應該交付的具體成果，例如「完成客戶評估報告與建議書」或「產出每週競品分析摘要」。產出必須是可觀察、可衡量的，如果無法被評估，就無法被優化。

任務（Tasks）

是為了產生上述產出，員工必須執行的具體行動。一個產出可能由多個任務組成，而這些任務，就是 AI 分工的最小分析單位。

技能（Skills）

是執行任務所需的能力，包括知識性技能（知道什麼）與操作性技能（會做什麼）。

當這四個層次被清晰定義，組織就有了一張完整的「工作地圖」——而這張地圖，正是人機分工的判斷基礎。

JPI × OJT Prompt × 知識管理：將 HPI 轉化為可操作的人機協作系統

HPI 提供了分析框架，而 JPI（職務績效清單，Job Performance Inventory）則是將框架轉化為行動的實作工具。但真正讓 JPI 發揮最大效益的，是將它與三個關鍵機制整合：OJT Prompt 設計、知識管理，以及工作流程績效追蹤。

JPI：建立人機分工的任務地圖

JPI 的核心功能，是為每一個職位建立「技能地圖」——逐一列舉該職位的所有關鍵任務，並對每項任務的技能需求進行分類標記，明確標示 AI 與人力各自的最佳角色。

任務類型	技能特性	AI 角色	人力角色	知識管理工具
資料蒐集整理	重複性、規則性高	主導執行	監督與驗證	OJT Prompt 標準化範本
初稿生成格式化	模板化、標準化	主導執行	審閱與修訂	工作流程 SOP 知識庫
數據分析模式識別	計算密集、大量資訊需要處理	主導執行	解讀與判斷	AI 輔助分析 Prompt 庫
複雜情境判斷	脈絡依賴、經驗性高	提供選項	主導決策	專家經驗萃取文件
關係建立與信任	情感性、非語言依賴	輔助記錄	完全主導	關係管理最佳實踐庫
倫理與責任判斷	價值導向、不確定高	不介入	完全主導	組織價值觀決策框架

▲ JPI 任務分類示意表：每項任務依技能特性，明確標示 AI 角色、人力角色與對應知識管理工具。

OJT Prompt：讓 AI 成為職場即時教練

當 JPI 完成任務盤點後，下一步是為 AI 可執行的任務設計「OJT Prompt（在職訓練提示詞）」。傳統的在職訓練（On-the-Job Training, OJT）依賴資深員工的口耳相傳，知識容易流失、品質難以標準化。OJT Prompt 的概念，是將這些原本隱性的工作指導，轉化為可重複使用的 AI 提示詞範本，讓 AI 在員工執行任務的當下，即時提供結構化指引。

例如，一名新進客服人員處理客訴時，不再需要等待主管指導，而是透過 OJT Prompt 驅動 AI 助理，即時生成「標準回應框架 → 情緒辨識提示 → 升級判斷問卷」的引導流程。

OJT Prompt 的設計原則包含：

• 任務對齊：每個 Prompt 對應 JPI 中的特定任務，而非泛用型問答
• 產出導向：Prompt 的輸出直接對應該任務的可交付產出（Output）
• 情境嵌入：加入職位、部門、產品/服務的具體脈絡，避免通用化輸出
• 人工審核點：在 Prompt 流程中明確標示哪些步驟必須由人判斷或確認

知識管理：讓組織智慧不隨人員流動而消失

JPI 與 OJT Prompt 的建置過程，本身就是一次系統性的組織知識萃取。當我們逐一拆解每個職位的任務結構，並為每項任務設計對應的 Prompt，我們實際上是在將過去只存在資深員工腦中的隱性知識（Tacit Knowledge），轉化為組織可以共享、傳承和持續優化的顯性知識（Explicit Knowledge）。這個知識管理的架構包含三個層次：

• 任務層知識：每個具體任務的標準執行步驟、常見錯誤與最佳實踐（儲存為 OJT Prompt 範本庫）
• 職位層知識：完整的 JPI 技能地圖，作為招募、培訓與績效評估的統一標準
• 組織層知識：跨職位的人機協作模式、AI 工具使用守則與倫理判斷框架

當人員異動時，組織的核心工作知識不會隨之流失——因為它已被系統性地沉澱在知識管理平台中。

工作流程績效：從任務執行到成果追蹤

知識管理確保了知識的可傳承性；工作流程績效（Workflow Performance）追蹤，則確保了人機協作的持續優化。傳統績效管理的盲點，在於只評估「最終結果」，而忽視了中間的流程品質。在人機協作的工作模式下，我們需要在任務層級建立更細緻的績效追蹤機制：

• AI 執行任務的準確率與完成時間（量化 AI 貢獻）
• 人工審核點的介入頻率與修訂幅度（識別 AI 能力邊界）
• 整體工作流程的端到端產出品質（衡量人機協作的綜合效益）

先行智庫在工作流程分析的顧問專案中，長期採用類似的管理框架，協助企業在 AI 導入後系統性地推動人力的 Re-Skill 與 Up-Skill——確保轉型投資不只停留在工具層，而是真正落實到人員能力的升級。

識別哪些技能是人力的「護城河」

這是最關鍵的問題，也是最難回答的問題。根據 WEF（世界經濟論壇）的最新研究，AI 可以高效執行的任務，通常具備以下特徵：規則清晰、資料充足、輸出可標準化。相對地，人力不可替代的核心價值，集中在三個維度：

判斷力（Judgment）在資訊不完整、脈絡複雜的情境下，做出有責任感的決策。AI 可以提供選項，但無法承擔後果。

關係力（Relationship）建立信任、調節衝突、激勵他人。這些能力依賴情感智商與文化敏感度，是 AI 無法複製的核心人力資產。

創造力（Creativity）將不相關的概念連結成創新解法。AI 善於在已知框架內優化，但跨範疇的創造性突破仍然是人類的優勢。

這並非「人 vs. AI」的對立，而是一種新的分工邏輯：讓 AI 做 AI 最擅長的，讓人去做只有人才能做的。

理解框架之後，下一個問題是：組織如何實際落地？

第一步：從高優先任務開始 JPI 盤點

選擇對業務影響最大、且目前效率最低的職位或流程，作為 JPI 分析的起點。避免試圖一次性重構整個組織——局部試點的學習速度遠快於全面推行。

第二步：設計對應的 OJT Prompt 範本

針對 JPI 中標記為「AI 主導」或「AI 輔助」的任務，逐一設計 OJT Prompt。確保每個 Prompt 都有明確的任務對齊、產出導向與人工審核點。

第三步：建立知識管理平台與更新機制

將 JPI 技能地圖與 OJT Prompt 庫，系統性地儲存在可被全組織存取的知識管理平台中，並建立定期更新的責任機制。

第四步：追蹤工作流程績效，持續校準分工邊界

AI 能力在持續演進，人機分工的最佳解今年適用，明年可能需要調整。根據工作流程績效數據，定期（建議每季一次）重新校準 JPI 任務地圖。

HPI 視角下的 AI 轉型障礙診斷

為什麼許多組織的 AI 轉型卡關？HPI 框架提供了一個系統性的障礙診斷視角。

績效問題的根源，從來不只是「技能不足」。HPI 研究顯示，組織績效障礙通常來自六個維度：資訊（員工不知道做什麼）、工具（沒有適當的工具支持）、誘因（沒有動機做出改變）、知識（確實缺乏技能）、環境（流程或結構阻礙執行）、動機（個人或文化層面的抗拒）。

AI 轉型受阻時，多數組織的第一反應是「再辦一場培訓」。但如果障礙根源是流程設計問題，或是主管對 AI 的信任疑慮，培訓根本無法解決問題。透過 HPI 的根本原因分析，組織可以精準識別轉型障礙的真實來源，並針對性地設計介入方案。這正是 HPI 在 AI 轉型中最被低估、也最有價值的應用場景。

但知識和行動之間，永遠存在一道鴻溝。這道鴻溝，在傳統訓練中被稱為「培訓後遺忘曲線」——大多數學員在工作坊結束後 72 小時內，就忘記了 70% 的內容，因為他們回到辦公室面對的是一個沒有改變的工作環境。要讓 HPI、JPI 與 OJT Prompt 的學習真正落地，需要三個條件：現場產出，而非課後作業。

工作坊中的分析練習，應直接針對學員自身的職位進行。產出的 JPI 任務地圖與初版 OJT Prompt，應在課程結束時即可帶回使用，而非作為「回去再完成」的後續作業。

主管的同步承接

個別員工的人機分工洞察，需要主管層的認可與支持，才能轉化為實際的工作結構調整。工作坊應納入主管層的參與或後續引導機制。

30 天行動計畫

在工作坊結束前，每位學員應制定一份具體的 30 天行動計畫，明確定義：我回去後，將從哪一個任務開始重新設計人機分工？第一個試點的衡量標準是什麼？

這不是選配——這是確保投資回報的必要設計。

AI 時代，人的價值不是被保護的，而是被重新定義的

AI 浪潮帶來的最大焦慮，是對「人的價值是否還存在」的質疑。

但這個焦慮的本質，是因為我們從未真正釐清：人的核心價值，到底是什麼。

HPI、JPI 與 OJT Prompt 框架給了我們一個嚴謹的回答路徑：不是憑感覺說「人有溫度、AI 沒有」，而是逐一拆解工作的任務結構，系統性地識別哪些能力是人類的「護城河」，哪些是應該交棒給 AI 的「例行事務」，並透過知識管理將這些洞察永久保存在組織的集體智慧中。

當你能夠清楚說出「這件事 AI 做，那件事我做，因為……」，你就找到了自己在 AI 時代的位置。

如有任何問題或需求，請填寫以下表單，我們將竭誠為您解答！
您也可以透過以下按鈕了解更多資源：