AI 時代的團隊溝通：分工減少的製作團隊找回對話的 5 個實踐

AI 已經能產出設計初稿、撰寫程式碼、潤飾文字了。在製作現場，一個人能獨力完成的工作範圍大幅擴大。

與此同時，我們越來越常聽到這樣的聲音：「明明是在團隊裡工作，卻不知道誰在想什麼。」「新人遲遲成長不起來。」「交付之後，才發現了誰都沒注意到的問題。」

本文將整理 AI 的普及和遠端工作為團隊溝通帶來了什麼變化，並思考今後的製作團隊需要什麼。先說結論：需要的並不是新的技能，而是一直以來都很重要的東西的延伸。

註：本文由 GeckoFlag 的開發者撰寫。

有了 AI，「一個人就能完成的工作」變多了

不久之前，網站製作還普遍採用分工。總監整理需求，設計師做設計稿，前端工程師負責實作，最後由某個人檢查。各個環節之間，一定會有「交接」。

現在，從線框圖到實作、文字調整，借助 AI，一個人就能推進相當大的一部分。再加上遠端工作的普及，大部分的工作都在一個人的螢幕裡完成了。

這本身是好事。速度變快了，小團隊也能承接大案子。只是，隨著分工減少，一些不容易察覺的重要東西也一起消失了。

作為分工「副產品」的對話

在分工的年代，每次交接都會自然地產生對話。

• 「這個按鈕，滑鼠移上去的時候預計要怎麼動？」
• 「這裡的留白，是刻意留大的嗎？」
• 「客戶真的認同這種表達方式嗎？」

透過這樣的交流，認知上的落差得以發現，設計的意圖得以傳達，新人也學到了前輩的思考方式。對話本身並不是目的。對話是作為分工的副產品產生的。

分工減少，這個副產品也隨之減少。遠端工作時，也聽不到隔壁座位傳來的討論和閒聊。團隊溝通變少，不是因為有人偷懶，而是因為工作的結構改變了。

對話減少後，團隊會發生什麼事

1品質變成黑箱

AI 做出來的東西，大多是「看起來能正常運作」的。外觀也很整齊，乍看之下沒有問題。但如果沒有人審核裡面的內容，資安漏洞、無障礙方面的不足、只在特定環境下發生的錯誤，就會在交付後才被發現。

2判斷的理由沒有留下

成品會留下，但「為什麼這樣做」不會留下。半年後客戶問起「為什麼採用這樣的架構？」時，如果做的人已經不在，就沒有人能回答。工作被綁在特定的人身上，只有當事人才清楚來龍去脈。

3新人成長不起來

製作橫幅廣告、簡單的切版、零碎的修改。過去新人用來累積經驗、打基礎的工作，如今正是 AI 最先接手的領域。新人曾經透過這些工作，以及前輩對這些工作的指點，培養出判斷力。跳過這個階段，幾年後團隊的中堅層就會出現斷層。

4變得孤立，失去成就感

看不到自己的工作幫到了誰、是怎麼幫到的，就很難感受到成就感。一個人默默完成，一個人交付。效率也許不錯，但在團隊中工作的意義會逐漸淡薄。

AI 時代價值提升的團隊 4 種能力

AI 大幅降低了「做出來」的成本。結果，做之前和做之後由人來完成的工作，價值相對提高了。這裡列出的 4 種能力，沒有一種是新的。而且，沒有一種能離開對話而成立。

掌握客戶真正問題的能力

「想改版網站」是需求。真正的問題，常常在別的地方，例如「詢問越來越少」「徵才時輸給了競爭對手」。AI 是根據給它的資訊提出答案的，所以給它什麼，決定了產出的上限。

不要把需求訪談中得到的資訊只留在一個人的腦中，而要變成團隊的共識。窗口在公司內部的處境、和以前的製作公司之間的糾紛等不太會說出口的情況，能否共享到這個程度，會左右成品的品質。

看見外觀之外的能力

資安、行銷、頁面載入速度、無障礙。在外觀越來越難拉開差距的今天，看不見的部分的品質成了差異化的關鍵。不需要一個人精通所有領域，但能察覺風險、並把問題交給更懂的人，是不可或缺的。擁有各自專長的成員能否互相提醒，決定了團隊能涵蓋的範圍。

做出別人無法模仿的提案的能力

AI 的輸出有一種傾向，容易靠近所學資料的「看似合理的平均值」。大家都用同樣的工具，提案就會越來越像。數位成為主流以來一直存在的同質化問題，正在進一步加速。

拉開差距的，是 AI 沒有的資訊：親自走訪現場得到的東西、終端使用者的聲音、客戶不經意間說出的話。還有團隊圍繞這些進行討論而產生的觀點。所謂原創，不是標新立異，而是讓對方感受到「這是這個團隊為這個案子想出來的」。

為判斷負責的能力

在 AI 能提出一個又一個方案的時代，留給人的核心角色是「選擇」，以及「斷言這樣就可以交出去」。而由另一個人來確認這個判斷，品質才能得到保證。一個人做、一個人檢查、一個人交付的流程，需要在某個環節加入另一雙眼睛。

AI 時代的團隊溝通：5 個實踐

既然分工不再帶來對話，就只能刻意建立讓對話產生的機制。以下介紹明天就能開始的 5 個實踐。

1不只共享成品，更要共享「判斷」

要共享的不只是完成的檔案。決定了什麼、為什麼這樣做、沒有選擇什麼。把這 3 點留下來，寫 3 行左右就夠了。

重要的是留在哪裡。寫在通訊軟體裡很快就會被洗掉，所以要留在和那項工作或任務連結的地方，之後才能追溯來龍去脈。

相關通訊軟體裡的交流為什麼會被洗掉，在入門連載「第一次用專案管理工具」第3篇「郵件和通訊軟體裡交辦的事為什麼會被洗掉？」中有說明；如何把要決定的事建立成任務，在連載「與 AI 協作的團隊任務管理」第2篇「任務要依『要決定的事』來建立，而不只是『要做的東西』」中有說明

2把審核變成「機制」

越是 AI 做的東西，越需要經過人的眼睛。在「進行中」和「完成」之間設一個審核階段，並事先決定由誰來確認。仰賴善意或空檔來做的審核，一忙起來就會最先被省略。

審核不只能守住品質，也是團隊內部產生對話的可靠機會。

相關如何用狀態讓「等待審核」這類等待狀態變得看得見，在連載「與 AI 協作的團隊任務管理」第3篇「讓『等待決定』看得見」中有詳細說明

3依「責任範圍」而不是「作業」來分配角色

「誰來設計」「誰來寫程式」這種以作業為單位的分工，正因 AI 而變得沒有太大意義。取而代之的，是依「誰來守住客戶的意圖」「誰來保證品質」「誰來檢查資安」這樣的責任範圍來分配角色。

有了責任的邊界，那裡就會產生交接，為了確認而進行的對話也會自然回來。

4區分同步與非同步，設計閒聊

紀錄和報告用非同步，拿不定主意的事和需要找人聊聊來釐清想法的討論用同步。遠端團隊如果不注意這種區分，最後就只剩下文字往來。

推薦的做法是，定期安排 15 分鐘左右的「聊聊在猶豫什麼的時間」。這不是報告進度的場合，而是可以輕鬆帶來拿不定主意的事、心裡在意的事的地方。可以把它想像成刻意重現過去在隔壁座位自然發生的討論。在那裡決定的事，就像第 1 個實踐那樣，在任務裡留下一行。

5新人培育從「偶然」走向「設計」

既然打基礎的工作減少了，能讓人自然成長的環境也就不存在了。培育需要刻意設計。

• 讓新人審核 AI 的輸出：讓他們說明「哪裡好、哪裡不行」，能培養鑑別的眼光。
• 讓新人把「為什麼」說出來：比起動手的量，更要增加解釋判斷理由的機會。
• 展示資深者的思考：透過結對作業等方式，共享的不是結果，而是思考的過程。
• 把小案子從頭到尾交給新人：在失敗也無妨的規模內，讓他們獲得負起責任、做到最後的經驗。

第 1 個實踐中留下的「判斷紀錄」，對新人來說直接就是教材。能追溯來龍去脈的環境，本身就是培育機制的一部分。

和客戶的溝通也是同樣的結構

前面談的，並不只限於團隊內部。製作速度提高後，客戶很快就能看到成品。另一方面，「和我想的不一樣」這種落差，也更容易在短時間內浮現出來。

正因為如此，和成品一起說明判斷的理由、及早說清楚能做和不能做的事以對齊期待、越是壞消息越要早說，就變得更加重要。這些都是一直以來常說的道理，但在 AI 讓工作變快的今天，差別會更明顯地反映在結果上。

相關請客戶確認或做決定時該怎麼說，在連載「與 AI 協作的團隊任務管理」第5篇「不因客戶的『等待確認』而停擺的推進方式」中有介紹

說到底，客戶把工作交給你的理由，與其說是技能多，不如說是「交給這個團隊就能放心」的信任。而這份信任，只能來自日常細心溝通的累積。

工具不是為了「減少對話」，而是為了「留下對話」

專案管理工具和任務管理工具，常常是在「減少會議」「減少來回溝通」這類提升效率的脈絡中被談論的。

但在 AI 時代，工具的角色有了一些改變。工作本身 AI 能很快完成，所以工具需要成為對話和判斷不斷累積的地方。

通訊軟體的訊息會被洗掉，但連結在任務上的留言會和那項工作一起留下。誰在做什麼、為什麼這樣決定、確認卡在哪裡。只要這些看得見，後來加入的成員也能追溯來龍去脈；對新人來說，這也是可以重新體驗前輩判斷過程的教材。

相關在與 AI 一起工作的團隊中，任務管理工具的角色會如何改變，在連載「與 AI 協作的團隊任務管理」中從第1篇「開始用 AI 之後，還需要任務管理工具嗎？」起依序介紹

在 GeckoFlag 中可以這樣運用

前面的 5 個實踐，用任何工具都能實施。這裡舉一個例子，介紹在自架式專案管理工具 GeckoFlag 中的運用方式。

GeckoFlag 沒有防止跳過審核的工作流程設定，也沒有自動化功能。「經過等待審核之後再改為完成」，要作為團隊的運用規則來約定。相對地，設定項目很少，從導入當天起就能毫不迷惘地開始使用。

GeckoFlag 安裝在您自己的伺服器上使用，因此包含客戶資訊的往來也能放在自己的管理之下（伺服器的管理由使用者負責）。價格為 $30 買斷，成員增加也不會加收費用（伺服器費用另計；使用「用 AI 建立」時，Anthropic 的 API 使用費也另計）。實際的畫面可以在 Demo 中試用。

總結

• AI 和遠端工作讓分工減少，作為分工副產品的對話也減少了
• 結果，品質變成黑箱、判斷只仰賴特定的人、新人成長不起來、人變得孤立等問題正在發生
• 價值提升的，是掌握問題的能力、看見外觀之外的能力、做出無法模仿的提案的能力、為判斷負責的能力。這些都是以前就需要的
• 既然對話不會自然產生，就透過共享判斷、把審核變成機制、依責任範圍分配角色、設計閒聊、設計培育方式，刻意去創造

AI 不是敵人。關鍵在於，AI 接手工作後空出來的時間，能否用在對話和判斷上。繼續把作業本身當成自身價值的團隊會越來越吃力，而重視理解、判斷、責任和信任的團隊，今後也會一直被選擇。