除了跟 AI 對話，還要讓它看懂數據、規則和工作情景，這是 AICI 越來越關鍵的原因。

協作者：張Sir與AI

公司引入聊天機械人、工作助手和 AI Agent 後，同事寫電郵、整理摘要和查找文件的確快了。可是，AI 交出答案之後，人員仍要確認客戶身份、核對交易、翻查政策、請主管批准，再登入另一套系統辦理。每個步驟節省幾分鐘，整項工作仍然經過原來的人手和流程。

同事沒有明顯輕鬆下來，原因不只一個。其中一種常見情況，是 AI 只改善了某一小段工作。前面的數據從哪裏取得、後面的操作交給誰、處理結果寫回哪套系統，仍要由人員逐一安排。生成速度提高了，整項工作的處理方式沒有隨之改變。

企業採用 AI，因而正在由「增加一個智能功能」轉向「重組一段實際工作」。設計者要重新查看一項工作由出現到完成，中間需要哪些判斷、分派、批准、系統操作和結果記錄，而非只多加一個對話框。

近年受到關注的上下文工程（Context Engineering），強調的不只是怎樣向 AI 提問，而是怎樣在它工作時，組織和提供所需的數據、指令與工具資訊。在企業環境中，這些工作還涉及客戶身份、適用規則、操作權限和最新處理進度，也就是本文所說的「工作情景」。

張Sir提出「AI 情景基礎設施（AI Context Infrastructure，AICI）」這個概念，涵蓋上下文工程，並進一步把它與企業的數據、身份權限、流程及系統連接組織成共用基礎能力。它不只為 AI 準備一次工作所需的資訊，還支援不同 AI 應用在持續更新的工作情景中協作，把處理結果交回原有流程和系統。

AI 聽得懂問題，未必知道眼前發生什麼

Chatbot、Copilot 和 Agent 降低了人與 AI 互動的門檻。員工可以直接用日常語言提問，客戶也可以隨時輸入要求。不過，企業工作很少只憑一段對話完成，AI 還要知道這句話與哪一名客戶、哪一筆交易和哪一項工作有關。

同事處理一項工作時，會自然查看背景。客戶曾經聯絡多少次、訂單目前是什麼狀態、哪份政策正在生效、誰有批准權、哪套系統保存最新紀錄，這些內容共同決定下一步。AI 如果只讀到客戶當下的一句話，只能生成一個看來合理的答案，未必能推動後續工作。

這批與當前工作直接相關的數據、規則、身份、權限和處理進度，組成了工作情景。它不是一次準備好就不再改變的背景數據，而是隨工作推進持續更新。前一名人員作出的判斷、系統返回的結果和仍未完成的事項，都要讓下一名人員或下一個 AI 應用知道，工作才能接續下去。

AICI 要解決的，是 AI 每次工作前都要重新摸索

企業通常已有客戶數據庫、知識庫、交易系統、工單和審批流程，問題在於這些內容分散於不同地方。聊天機械人連接一套數據，內部助手再次連接，另一個 Agent 又重新設定政策和權限。應用愈多，重複接駁和版本差異也愈多。

AICI 把分散的內容組織成 AI 可以使用的工作情景，並連接後續處理所需的流程和系統。企業原有系統繼續保存客戶、交易和流程紀錄；AICI 在 AI 開始工作時，按當前人員的身份、權限和正在處理的事項，調取所需數據、有效規則、可用工具和最新進度。AI 完成一步後，再透過相應流程和系統接口，把處理結果更新至原有紀錄，供下一步工作使用。

用較簡單的說法，AICI 像替 AI 準備好一張持續更新、並連接相關系統的工作紙。工作紙先寫清楚正在處理誰的事情、目前進度、可以查看什麼，以及可以使用哪些工具；每完成一步，又補上結果和下一項待辦。不同的 Chatbot、Copilot 和 Agent 因而可以接續處理同一項工作，減少各自重新查找和整理數據的需要。

一宗客戶投訴，需要完成哪些工作

一封客戶投訴進入企業後，客服先要判斷問題屬於帳務、產品、服務還是合規，再按嚴重程度和處理時限分派部門。負責人員查明原因、比較處理方案、取得批准，然後執行退款、更正或其他補救。客戶收到結果後，企業還要匯報處理情況、歸檔紀錄，並分析同類問題會否再次發生。

若 AI 只負責摘要和草擬回覆，後面每個步驟仍由同事重新查找數據。若 AI 能讀取同一宗投訴持續更新的工作情景，它在判斷時可以看到客戶紀錄和有效政策，分派時可以附上相關交易和過往處理，決策後也可以把獲批操作提交至業務系統。

系統返回處理結果後，AI 據此更新投訴狀態，草擬與實際操作一致的回覆，再整理結案摘要供主管匯報和歸檔。工作情景也隨之記錄哪些仍是建議、哪些已經決定，以及哪些已經完成，讓後續人員和 AI 應用接續處理。

人員仍然要處理那些需要經驗的判斷和例外情況，但可以減少在每次交接後重新詢問客戶、翻查紀錄和輸入相同內容。AI 不再只協助寫回覆，也開始參與整宗投訴的處理。

投訴只是其中一種工作

企業裡有不同的場景和業務流程，例如財務人員處理發票差異，同樣要核對訂單、收貨紀錄、合約和付款條件；採購人員審查供應商，要查看公司數據、資格文件、審批規則和過往紀錄；保險理賠則要比對保單、證明文件、事故紀錄和處理進度。工作內容不同，AI 面對的問題卻相近，它需要知道當前事項、適用規則、可用數據、可調用系統和上一步結果。

因此，AICI 的用途不受某一部門或流程限制，它提供共用的工作情景組織能力，以及流程和系統連接，讓不同 AI 應用參與不同業務工作。企業增加第二個、第三個 AI 應用時，可以沿用已有的身份、數據、規則和系統連接，再按具體工作補充所需設定，減少重複建設。

公司用了 AI，同事會否更輕鬆，不能只看生成了多少文字或用了多少 Token。更值得觀察的是，一項工作經過判斷、分派、決策、處理、匯報和歸檔後，還有多少數據要由人員重複查找，多少結果要手動轉交，多少交接仍要重新解釋事情的來龍去脈。

當 AI 能夠取得持續更新的工作情景，連接相關流程和系統，並把處理結果交給後續人員和應用，智能功能才更有機會轉化為完成工作的能力。而 AICI，就是支援這種能力的共同基礎。

@張Sir的AI養生館 – 創新智人