企业管理之中，我愈来愈相信一件事：**大部分管理问题，最后其实都是沟通问题。
员工不知道老板真正想要甚么，是沟通问题；部门之间互相推卸责任，是沟通问题；开会开了两小时，最后没有人知道下一步由谁负责，也是沟通问题。
甚至很多我们以为是“员工能力不足”的问题，仔细看下去，其实可能是主管没有把要求说清楚、没有及时给予 feedback，或者公司根本没有一套有效的方法，让资讯在组织内流动。
所以我认为，管理的第一步，从来不只是 KPI，也不是制度，而是沟通。
但真正的问题是：**过去企业绝大部分的沟通，说完就消失了。

文：Michael C.S. So ｜ AiX Society

我们每天都在制造大量“消失的知识”

一间公司每天究竟产生多少资讯？

管理层开会、同事讨论项目、sales 与客户通电话、老板突然想到一个新 idea、同事在午餐时讲出一个改善流程的方法，甚至管理者在车上突然想到一个新的 business model。

这些，其实全部都是企业知识。

但过去大部分都没有留下来。

我们可能有 WhatsApp、微信、电邮、电话、会议、语音讯息，但它们分散在不同地方，而且大部分都是非结构化资讯。

于是公司出现一个很奇怪的现象：

明明每天都在产生知识，但每天亦同时在流失知识。

而最近开始流行的 AI 录音卡、AI 录音笔，其实正好让我看到一个非常重要的转折点。

很多人把这些产品理解成“帮我做会议纪录”。

我认为这只是它最初级的用途。

它真正的价值，是将我们每天原本无法被电脑理解的对话，开始全面数字化。

一张 AI 录音卡，其实可能是企业 AI 的入口

今天开一个客户会议，只要有 AI 录音装置，会议就不再只是录音。

AI 可以将整段对话转成文字，再整理：

客户真正需要甚么？

客户提出了甚么问题？

我们答应了甚么？

下一步要做甚么？

由谁负责？

甚么时候完成？

它甚至可以将工作直接拆成 task，再分配给不同同事。

以前，一次一小时的会议，可能要靠一个同事回公司后再整理十五至三十分钟。

更加危险的是，很多时候大家记住的内容根本不一样。

现在，会议结束的一刻，AI 已经可以开始处理后续工作。

但我认为更加有价值的，不只是“会议纪录”。

例如我自己突然想到一个课程 idea、一篇文章、一个新的 AI 应用方式，我未必要坐在电脑前面打字。

我可以直接说出来。

AI 帮我记录，再帮我整理思路、分类、补充、建立下一步行动。

所以 AI 录音装置，某程度上正在把我们的“说话”甚至“思考”，变成可以被企业使用的数据。

这是一个很大的改变。

从 Recording，走向 Knowledge Management

真正有趣的地方，是当这些资料不再只是留在录音 App 里，而是进一步进入企业的 knowledge management system。

例如今天 sales 跟客户谈过甚么，进入 CRM。

产品会议讨论了甚么，进入 project knowledge base。

管理层作过甚么决定，进入 management knowledge base。

同事提出过甚么新的 idea，进入 innovation library。

甚至过去半年所有会议、访问、客户问题及内部讨论，都可以慢慢形成一个企业自己的“百科全书”。

到了这一步，AI Agent 的价值就完全不同。

因为它不再只是回答互联网上的知识。

它开始理解：

你的公司过去发生过甚么。

有人问：

“上一次这个客户投诉甚么？”

AI 可以回答。

“我们为甚么三个月前决定不用这个方案？”

AI 可以找到当时的会议。

“市场最近最常问我们甚么？”

AI 可以分析过去一百次客户对话。

“这个课程应该增加甚么内容？”

AI 可以综合学生 feedback、sales 对话、导师会议和市场资料再提出建议。

这才是真正的 Knowledge Management。

企业第一次不是靠某一个老员工“记得以前发生过甚么”，而是开始建立一个可以搜寻、分析、推理和学习的组织记忆。

管理真正的革命，是把沟通变成数据

当所有沟通被数字化之后，企业第一次真正拥有一种过去不存在的资产：

Communication Data——沟通数据。

有了数据，就可以开始分析。

例如某位员工，每次接受工作之后，平均要再问三次才能真正开始。

问题究竟在员工，还是在主管？

某个部门每星期都重新讨论同一个问题，是否代表决策流程有问题？

某位主管发出十个 task，其中八个没有 deadline，AI 很快就可以看到这个 pattern。

以前，我们靠感觉。

现在，可以靠数据。

AI Agent 就像一个 24 小时存在的 management observer，不断观察组织如何沟通、如何决策，以及哪里出现摩擦。

AI 甚至可以反过来训练我们如何沟通

下一步更加有趣。

AI 不只是记录，还可以 coaching。

例如员工准备向管理层汇报：

“项目做紧，暂时都 OK。”

AI 可以直接指出：这不是一个有效的 management update。

它可以要求员工重新整理成：

目前进度是甚么？

与目标差多少？

最大的 blocker 是甚么？

下一步做甚么？

需要管理层作甚么决定？

同样，当主管对同事说：

“份 proposal 帮我做靓少少，尽快畀我。”

AI 亦可以提醒：

“靓”的标准是甚么？

“尽快”是哪一天？

谁负责？

交付格式是甚么？

成功标准是甚么？

如果 AI 每天都在公司里做这种微小 coaching，其实等于每个员工身边都有一个 communication coach。

长期下来，改善的不是某一次会议，而是整个组织的沟通能力。

AI ROI 最大的地方，可能不是“少请几个人”

很多公司导入 AI 第一个问题是：

“可以少请多少人？”

我反而认为这可能是问错问题。

AI 最大的 ROI，很多时候不是减 headcount，而是减少 **management friction**。

假设一家 100 人公司，每人每天因为等待回复、重新确认要求、重复开会、找不到资料、理解错误，只浪费 30 分钟。

每天就是 50 个工时。

一年 250 个工作天，就是 12,500 个工时。

假设平均每个工时成本只是 200 港元，已经是 250 万港元。

这还未计：

做错工作的成本；

项目延期的成本；

客户流失的成本；

管理层不停追工作的成本；

以及最昂贵的一件事——同一个错误不停重复发生。

所以真正值得量度的 AI ROI，应该是：

减少了多少重复沟通？

缩短了多少决策时间？

减少了多少 rework？

多少事情可以一次做对？

多少企业知识不再流失？**

这些数字，可能比“AI 帮我们写了多少封 email”重要得多。

未来的 AI Agent，是企业的神经系统

我愈来愈觉得，未来的 AI-native 公司会好像一个人体。

员工和不同部门是器官。

沟通，就是神经系统。

以前这套神经系统非常原始。

大量讯息靠人记、靠人转述、靠人 follow up。

AI Agent 的出现，开始令这套神经系统数字化。

它可以听、可以记、可以整理、可以分析、可以提醒、可以分派工作，亦可以把每一次经验重新放回企业知识库。

久而久之，企业便形成自己的 organizational memory。

所以我认为，今天一张小小的 AI 录音卡，看起来只是另一件 AI gadget。

但它背后代表的，其实可能是一件大事：

企业开始把每天最重要、但过去最容易消失的东西——人的对话、经验、想法和决策——真正变成自己的数字资产。

当这些资产再交给 AI Agent 使用，AI 才真正开始理解一家公司。

到了那个阶段，我们谈的已经不只是工作自动化。

而是建立一间会记忆、会分析、会学习，而且会不断进化的企业。