trust-fde-logo

今年我帶 FDE 團隊進了一個物流優化專案，客戶是國際級客戶（這家你一定用過）。 第一次會議，我很興奮地用 Claude Code 分析一堆 Excel，30 分鐘內產出十大建議。結果總經理說：「你的公式給我看一下，我要驗算邏輯。」

我解釋這是 Python 算的，不會有 AI 幻覺亂算的問題。(總經理IT出生, 可以直接講技術語言)

他回：「我不在意是不是 Python或是 AI ，我在意每一個參數的意義。對我來說，人力配置錯誤就是錢——人太多明天損失一筆，人太少客戶馬上罵。」

「我寧願你用慢的工具，但讓我打開公式一個一個驗算，我要對結論負責任。」

於是我們做了一個巨大的 Google Sheet。 接下來一百天，週一到週日(你沒看錯, 物流沒有週末休息) ，每天早上 8:00-9:00 雷打不動線上會議，我全程參加。

我的FDE團隊跟管理層、現場團隊討論每一個數據的意義。有現場人員參與，增加很多對數據意義的解釋，另外是為了爭取他們支持——讓他們理解我們追求這些數據的原因，支援判斷下的決策。

這就是「信任」建立的過程。

不只是信任我們 FDE 團隊，而是讓現場信任這個數據。這樣他們才會根據 insight 去「改變行為」。

期間我們用 AI 生出上百個監測指標。國際級客戶也派了好幾組印度人物流團隊，用他們的經驗告訴我們該看什麼。百日後，我們淘汰掉 99%，只留下幾個 key index 去優化營運。

結果？P&L 報表有超級明顯的改進。AI 在裡面扮演很巨大的功用，主要是數據清洗，整理，data exploration …etc 。

但這 1% 的 key insight，不是「客戶的國際級分析師」產生的，也不是「AI」產生的。是現場，管理層，FDR團隊這一百天的站會磨出來的。因為我們產生的 insight，不只是AI 工具輸出——而是現場人員「信任」這些 insight，願意跟著「做相應的行動改進」。

教科書說數據分析是：Data ETL → BI Dashboard → Data Insight → Real Action AI 的誕生及大幅度地讓前三步幾乎 0 成本就可以產生。 但如果沒有 Real Action，前面三步做得再好都是無意義。

看到現在社群網路上，瞬間許多專家產生大量商業簡報跟insight，我又想起那一百天。

我們誕生在一個有海量的 insight 跟報表的年代 但是 AI 用黑盒子產生的 insight , 到底能拿到多少客戶的信任

但到底哪一個，能讓現場真的動起來？

Key Insight： AI 能加速 99% 的分析工作，但那 1% 讓人願意行動的信任，還是要人去建立。