公司買了 AI 工具、帳號也發了，三個月後打開後台一看，動的永遠是那幾個人——這大概是現在最多企業卡住的地方。OpenAI 7 月 31 日放上官網的一份客戶案例，把一家荷蘭保險公司怎麼跨過這一關寫得很清楚：97% 的授權真的被開通、85% 的人每週都在用、員工自己做出約 1,500 個 GPT。他們的做法只有三塊，而且第一塊跟工具完全無關。
這篇是誰說的
來源是 OpenAI 官網 2026 年 7 月 31 日刊出的客戶案例〈Univé builds an AI-ready workforce〉。Univé 是荷蘭最大的合作社型保險公司之一，服務數百萬名社員，業務橫跨保險、房貸、金融服務跟風險預防。OpenAI 把它歸在中型企業、歐洲、金融業，用的是 ChatGPT Enterprise。
案例裡最關鍵的一句話，是他們資料與 AI 負責人 Yous van Halder 講的：
「大部分組織想擴大 AI，做法是蓋更多解決方案。我們選擇的做法是，養出更多會做的人。」（Most organisations try to scale AI by building more solutions. We chose to scale AI by creating more builders.）
這句話我看了三遍。因為它剛好講中大部分公司導入 AI 的盲點：我們一直在想「要導入什麼系統」，很少在想「要養出多少個會用的人」。
先看數字：這不是又一個成功故事的形容詞
OpenAI 頁面上的「Results at a glance」列了幾個數字，我挑出最有參考價值的：
- 97% 的 ChatGPT Enterprise 授權被實際開通——帳號不是躺在後台當統計數字。
- 85% 的持照使用者「每週」都是活躍的，不是試用一次就丟。
- 每位活躍使用者一週平均 40 次提問，等於一天用好幾次，已經變成工作習慣的一部分。
- 員工自己做出約 1,500 個客製 GPT，對應各自的內部流程。
- 導入範圍幾乎涵蓋所有知識型職能：理賠、核保、財務、HR、法務、IT、客服、管理。
為什麼我會盯著 85% 這個數字？因為導入 AI 最常見的假象，就是「開通率很高、活躍率很低」。發帳號很容易，開會宣布也很容易，難的是三個月後還有人在用。85% 每週活躍，代表這件事已經長進日常工作裡，不是活動期間的熱鬧。
他們怎麼做到的：三塊拼圖，順序不能反
1. 領導定方向：把管理層全部拉進教室
Univé 的轉型不是從 IT 開始，是從主管開始。他們把整個管理層集合起來，開專門的 AI 領導課。
重點是這些課「不做產品展示」。不是找人來 demo 一輪這個工具多厲害，而是逼主管去想兩件事：工作本身會怎麼改變，以及自己在這個改變裡要扮演什麼角色。官方原文寫得很直接——主管的任務從「核准 AI 提案」變成「創造能負責任地創新的條件」。
這一段我認為是整篇最容易被跳過、也最不能跳過的。多數公司的順序是先買工具、再辦教育訓練、最後才想到要跟主管溝通。但主管沒有想清楚，底下的人再會用也沒有時間用。
2. 治理給信心：權限跟著原本的系統走
第二塊是治理，而且是「從第一天就設計進去」，不是上線之後才補。
他們做的包括：企業級身分驗證、連接器權限繼承、隱私評估、治理流程、安全審查、負責任 AI 原則、持續監控，還有清楚的人為問責。
其中最值得抄的一條是「權限繼承」：AI 的存取權限永遠跟著底層企業系統走，員工本來看不到的資料，接上 AI 之後一樣看不到。這句話講起來很技術，但它解決的是最實際的恐懼——「我丟進去的東西，會不會被別的部門看到？」
官方那句總結很漂亮：治理變成加速器，不是障礙。先把護欄立好，員工才敢放手實驗。反過來說，護欄沒立好，大家就只敢用它寫罐頭問候語，因為誰都不想變成第一個出事的人。
3. 員工造動能：不用寫商業計畫書，但要給時間
第三塊最有意思。Univé 沒有要求員工「每個新想法都要先提一份完整的商業論證」，而是給三樣東西：允許、結構、專屬的時間。
官方寫的是，整個組織的員工每週合計投入「數百小時」在重新設計自己的工作——做客製 GPT、試 Workspace Agents、把成功的做法分享給同事。
約 1,500 個 GPT 就是這樣長出來的。這個數字背後其實是一個文化轉變：員工開始自己改善組織，而不是排隊等一個集中式的開發專案。OpenAI 那頁最後一句形容我很喜歡——內部的對話已經從「我們該不該用 AI？」變成「我們接下來要做什麼？」。
實際跑起來長什麼樣：理賠跟核保
案例裡舉了兩個很具體的場景，值得拆開看，因為它示範了「AI 到底該接在流程的哪一段」。
寵物險理賠：一個 Workspace Agent 會先把理賠案件組起來——調閱獸醫收據、比對保單條件、找出缺漏的資料、標出異常的地方，最後產出一份可追溯的建議書，然後才交到理賠人員手上。原本要花幾小時準備的工作，現在幾分鐘就能準備到「可以做決定」的狀態。
核保：核保人員還沒上班，Agent 已經先掃過待辦佇列，把核可過的企業資料源整合起來、找出缺件、標記風險指標、把需要優先處理的案子挑出來。人一登入，工作佇列已經排好了，每個案子都附上相關脈絡、建議背後的證據，以及「哪裡需要專業判斷」。
兩個例子的共同點是：AI 做的是「準備」，不是「決定」。官方特別強調，受過訓練的理賠專業人員對每一個最終決定仍然負完全責任。這一句寫在案例裡，不是寫在免責聲明裡，我覺得是刻意的。
我自己的體會：卡點通常不在聽不懂
我在公司做教育訓練，這幾年開了不少內部 AI 課。上完課我最常收到的回饋不是「聽不懂」，而是「回去太忙，一直沒空試」。
所以 Univé 那三個 tips 裡，我最有感的是中間那條：「給員工時間去實驗，不是只給他們技術的存取權。」發帳號是最便宜的一步，難的是在行事曆上挖出兩個小時，讓一個人把自己每週在做的爛流程重新設計一次。
我自己也是活生生的例子。上個月我要上一堂 AI 課，白天全被別的事塞滿，教材一直沒頭緒，最後是拖到晚上，用 ChatGPT 的語音模式，用講的把整份簡報講出來、再一輪一輪修，才勉強在上課前弄到自己覺得七八十分的程度。工具早就在手上了，缺的從來不是工具，是那一段可以坐下來的時間。
另一件事也很剛好對上「治理是加速器」這句話。那堂課當天，原本用的線上連結出了狀況，開場就 delay，最後是臨時啟動 Plan B、開兩個小會議室把課完成。要不是事前有想過備案，那天就是一場災難。導入 AI 也一樣：你以為在拖慢速度的那些前置作業——權限怎麼設、資料能不能丟、出事誰負責——恰恰是讓大家敢用的前提。
還有一個我一直在調整的觀念。以前教工具，重點放在「這個按鈕怎麼按」；現在我更想教的是「怎麼把你這份工作講給 AI 聽」。Univé 那句「養更多會做的人」講的其實就是這件事——你不可能替全公司想好一千五百個使用情境，但你可以讓一千五百個人各自把自己最煩的那件事交出去。
套用前，有幾點要先想清楚
- 這是荷蘭的金融業，不是台灣的你。合作社型保險公司的組織文化、法遵環境跟人力結構都跟台灣企業不同，數字可以當標竿，做法不能直接複製。
- 97%／85% 是官方案例的數字。這是 OpenAI 自己刊出的客戶故事，本質上帶有行銷性質，看的時候要知道它挑的是成功樣本。
- 1,500 個 GPT 不等於 1,500 個有用的 GPT。原文沒有揭露這些 GPT 的使用分布，很可能符合長尾：少數幾個被大量使用、多數只用過幾次。重點應該放在「員工願意動手」這個行為，而不是數量本身。
- 權限繼承要靠底層系統夠乾淨。如果公司原本的資料權限就是一團亂，接上 AI 只會把亂放大，不會自動變整齊。
- 官方自己的建議是別只看生產力。Univé 給的 tip 是：用「持續的採用率」跟「員工能力」來衡量成功，不要只用產能。這條反而最難，因為 KPI 通常只認後者。
小結
如果只能帶走一句話，我會帶走這句：AI 不會取代你的員工，但學會用 AI 動手做的員工，會重新定義你的組織能做到什麼。這是 Univé 那位負責人在案例最後講的。
回頭看那三塊拼圖——主管先想清楚、護欄先立起來、然後給員工時間——會發現沒有一塊是關於「買哪個模型」。工具是最容易解決的部分，剩下的都是組織的事。
本文整理改寫自 OpenAI 官方客戶案例〈Univé builds an AI-ready workforce〉（2026 年 7 月 31 日）。文中所有數字與引述均出自該頁，個人觀察與案例為本站補充。
留言
張貼留言