企業 AI 的下一步：由回答問題，走到完成工作

2. Answer → Workflow｜由答案走到完成工作 由輸出答案，走到持續完成工作。

1. Maturity Ladder｜使用次數不是成熟度

員工每日打開 AI、訊息量增加，最多只證明採用正在發生。若輸出仍要人手搬入文件、CRM、審批和後續流程，企業買到的是更快的草稿，而不是完成工作的能力。

OpenAI 2026 年企業研究把領先公司的特徵指向更深的 delegated work：Agent 能連接公司 context、工具和可重複 workflow。這是供應商自身客戶數據，不能直接等同 ROI，但清楚指出下一個競爭單位已由『答案』轉向『執行』。

Answer 回答問題；Artifact 產出可直接審閱的文件或紀錄；Action 連接工具完成一個動作；Owned Workflow 則按規則持續處理整段工作，遇到例外才升級。

管理層應先判斷現在停在哪一級。若團隊已有大量好答案，下一筆投資未必是再買一個模型，而是把最常見的輸出接到真實工具、責任人和完成狀態。

Prompt 只是一小部分。Agent 還要知道哪個資料源有效、公司術語代表甚麼、哪些例外最重要、誰有權決定，以及資料何時過期。Anthropic 把這種整體配置稱為 context engineering。

塞入更多文件不一定更好。高密度、可引用、按需要取得的 context，通常比一個巨大而混亂的資料夾更有用。真正的企業壁壘，往往是把散落在資深同事、系統和歷史決定中的判斷，整理成可重用能力。

Green：可逆、低風險，Agent 自動完成。Amber：資料缺漏、低信心或超出政策，暫停並要求判斷。Red：付款、公開發布、客戶承諾、刪除或敏感權限，必須獲明確批准。

成熟的 human-in-the-loop 不是每一步按批准。安全來自最小權限、清楚停止條件、完整紀錄、例外升級和可回復路徑，讓人的注意力只用在真正有後果的決定。

選一段每週重複、有清楚負責人、完成結果可驗收的工作。畫出它現時由 Answer 走到 Owned Workflow 還欠甚麼：資料、工具、權限、驗收，還是例外規則。

最好的第一個項目不是最炫的 demo，而是能用一小段真實工作證明：結果更完整、例外仍然可控，而且團隊能看見是否值得繼續投入。

OpenAI 與 Anthropic 的數據主要反映各自產品、客戶與內部使用情況；token、訊息量及模型估算的工作時長不是直接 ROI。四級工作模型與 Green／Amber／Red 分級是 VTAGI 的管理框架，不是通用標準或安全保證。