企業管理之中，我愈來愈相信一件事：**大部分管理問題，最後其實都是溝通問題。
員工不知道老闆真正想要甚麼，是溝通問題；部門之間互相推卸責任，是溝通問題；開會開了兩小時，最後沒有人知道下一步由誰負責，也是溝通問題。
甚至很多我們以為是「員工能力不足」的問題，仔細看下去，其實可能是主管沒有把要求說清楚、沒有及時給予 feedback，或者公司根本沒有一套有效的方法，讓資訊在組織內流動。
所以我認為，管理的第一步，從來不只是 KPI，也不是制度，而是溝通。
但真正的問題是：**過去企業絕大部分的溝通，說完就消失了。

文：Michael C.S. So ｜ AiX Society

我們每天都在製造大量「消失的知識」

一間公司每天究竟產生多少資訊？

管理層開會、同事討論項目、sales 與客戶通電話、老闆突然想到一個新 idea、同事在午餐時講出一個改善流程的方法，甚至管理者在車上突然想到一個新的 business model。

這些，其實全部都是企業知識。

但過去大部分都沒有留下來。

我們可能有 WhatsApp、微信、電郵、電話、會議、語音訊息，但它們分散在不同地方，而且大部分都是非結構化資訊。

於是公司出現一個很奇怪的現象：

明明每天都在產生知識，但每天亦同時在流失知識。

而最近開始流行的 AI 錄音卡、AI 錄音筆，其實正好讓我看到一個非常重要的轉折點。

很多人把這些產品理解成「幫我做會議紀錄」。

我認為這只是它最初級的用途。

它真正的價值，是將我們每天原本無法被電腦理解的對話，開始全面數字化。

一張 AI 錄音卡，其實可能是企業 AI 的入口

今天開一個客戶會議，只要有 AI 錄音裝置，會議就不再只是錄音。

AI 可以將整段對話轉成文字，再整理：

客戶真正需要甚麼？

客戶提出了甚麼問題？

我們答應了甚麼？

下一步要做甚麼？

由誰負責？

甚麼時候完成？

它甚至可以將工作直接拆成 task，再分配給不同同事。

以前，一次一小時的會議，可能要靠一個同事回公司後再整理十五至三十分鐘。

更加危險的是，很多時候大家記住的內容根本不一樣。

現在，會議結束的一刻，AI 已經可以開始處理後續工作。

但我認為更加有價值的，不只是「會議紀錄」。

例如我自己突然想到一個課程 idea、一篇文章、一個新的 AI 應用方式，我未必要坐在電腦前面打字。

我可以直接說出來。

AI 幫我記錄，再幫我整理思路、分類、補充、建立下一步行動。

所以 AI 錄音裝置，某程度上正在把我們的「說話」甚至「思考」，變成可以被企業使用的數據。

這是一個很大的改變。

從 Recording，走向 Knowledge Management

真正有趣的地方，是當這些資料不再只是留在錄音 App 裡，而是進一步進入企業的 knowledge management system。

例如今天 sales 跟客戶談過甚麼，進入 CRM。

產品會議討論了甚麼，進入 project knowledge base。

管理層作過甚麼決定，進入 management knowledge base。

同事提出過甚麼新的 idea，進入 innovation library。

甚至過去半年所有會議、訪問、客戶問題及內部討論，都可以慢慢形成一個企業自己的「百科全書」。

到了這一步，AI Agent 的價值就完全不同。

因為它不再只是回答互聯網上的知識。

它開始理解：

你的公司過去發生過甚麼。

有人問：

「上一次這個客戶投訴甚麼？」

AI 可以回答。

「我們為甚麼三個月前決定不用這個方案？」

AI 可以找到當時的會議。

「市場最近最常問我們甚麼？」

AI 可以分析過去一百次客戶對話。

「這個課程應該增加甚麼內容？」

AI 可以綜合學生 feedback、sales 對話、導師會議和市場資料再提出建議。

這才是真正的 Knowledge Management。

企業第一次不是靠某一個老員工「記得以前發生過甚麼」，而是開始建立一個可以搜尋、分析、推理和學習的組織記憶。

管理真正的革命，是把溝通變成數據

當所有溝通被數字化之後，企業第一次真正擁有一種過去不存在的資產：

Communication Data——溝通數據。

有了數據，就可以開始分析。

例如某位員工，每次接受工作之後，平均要再問三次才能真正開始。

問題究竟在員工，還是在主管？

某個部門每星期都重新討論同一個問題，是否代表決策流程有問題？

某位主管發出十個 task，其中八個沒有 deadline，AI 很快就可以看到這個 pattern。

以前，我們靠感覺。

現在，可以靠數據。

AI Agent 就像一個 24 小時存在的 management observer，不斷觀察組織如何溝通、如何決策，以及哪裏出現摩擦。

AI 甚至可以反過來訓練我們如何溝通

下一步更加有趣。

AI 不只是記錄，還可以 coaching。

例如員工準備向管理層匯報：

「項目做緊，暫時都 OK。」

AI 可以直接指出：這不是一個有效的 management update。

它可以要求員工重新整理成：

目前進度是甚麼？

與目標差多少？

最大的 blocker 是甚麼？

下一步做甚麼？

需要管理層作甚麼決定？

同樣，當主管對同事說：

「份 proposal 幫我做靚少少，盡快畀我。」

AI 亦可以提醒：

「靚」的標準是甚麼？

「盡快」是哪一天？

誰負責？

交付格式是甚麼？

成功標準是甚麼？

如果 AI 每天都在公司裡做這種微小 coaching，其實等於每個員工身邊都有一個 communication coach。

長期下來，改善的不是某一次會議，而是整個組織的溝通能力。

AI ROI 最大的地方，可能不是「少請幾個人」

很多公司導入 AI 第一個問題是：

「可以少請多少人？」

我反而認為這可能是問錯問題。

AI 最大的 ROI，很多時候不是減 headcount，而是減少 **management friction**。

假設一家 100 人公司，每人每天因為等待回覆、重新確認要求、重複開會、找不到資料、理解錯誤，只浪費 30 分鐘。

每天就是 50 個工時。

一年 250 個工作天，就是 12,500 個工時。

假設平均每個工時成本只是 200 港元，已經是 250 萬港元。

這還未計：

做錯工作的成本；

項目延期的成本；

客戶流失的成本；

管理層不停追工作的成本；

以及最昂貴的一件事——同一個錯誤不停重複發生。

所以真正值得量度的 AI ROI，應該是：

減少了多少重複溝通？

縮短了多少決策時間？

減少了多少 rework？

多少事情可以一次做對？

多少企業知識不再流失？**

這些數字，可能比「AI 幫我們寫了多少封 email」重要得多。

未來的 AI Agent，是企業的神經系統

我愈來愈覺得，未來的 AI-native 公司會好像一個人體。

員工和不同部門是器官。

溝通，就是神經系統。

以前這套神經系統非常原始。

大量訊息靠人記、靠人轉述、靠人 follow up。

AI Agent 的出現，開始令這套神經系統數字化。

它可以聽、可以記、可以整理、可以分析、可以提醒、可以分派工作，亦可以把每一次經驗重新放回企業知識庫。

久而久之，企業便形成自己的 organizational memory。

所以我認為，今天一張小小的 AI 錄音卡，看起來只是另一件 AI gadget。

但它背後代表的，其實可能是一件大事：

企業開始把每天最重要、但過去最容易消失的東西——人的對話、經驗、想法和決策——真正變成自己的數字資產。

當這些資產再交給 AI Agent 使用，AI 才真正開始理解一家公司。

到了那個階段，我們談的已經不只是工作自動化。

而是建立一間會記憶、會分析、會學習，而且會不斷進化的企業。