AI 時代最稀缺的人：能在商業、技術、流程之間翻譯的人

有一種人在 AI 時代正在快速升值，但他們通常不會在 LinkedIn 上自稱「AI 專家」。

你在銀行推一個 GenAI 專案，遇到的第一個問題很少是「模型不夠好」。通常是：業務端不知道 AI 能做什麼，工程端不知道業務要什麼，流程端不知道怎麼把兩邊的答案接在一起。三個人站在同一個房間，說的是不同語言。那個能把他們接通的人，往往就是整個專案能不能往前走的關鍵。

這種人不容易找，因為市場從來沒有把這個能力定義清楚過。他們的職銜可能是 PM、業務分析師、流程顧問，或者乾脆是個「什麼都要管的人」。共同點是：聽得懂工程師在說什麼，能把它翻成業務能接受的語言；再把業務的需求轉回工程能執行的規格。兩個方向，都要能走。

這不是軟技能。這是一種非常具體的能力，而且 AI 短期內沒辦法取代它。

AI 能做的事越來越多，寫程式、分析數據、生成報告，都沒問題。但 AI 沒辦法坐在會議室裡，看出財務長說「這個太貴了」的時候，真正的意思其實是「我不確定這個是否安全」。也沒辦法知道工程師說「技術上可行」的時候，隱含的條件是「你給我六個月和三個人」。這些不是語言問題，是信任和情境的問題。

跨界翻譯者做的事，就是把這些隱藏的前提挖出來，放到桌上，讓三個不同語言的人能夠對齊。這在沒有 AI 的時代就不簡單。在 AI 快速改變每個部門能做什麼的今天，難度又上了一個台階。

有一個場景我記得很清楚。

某次季度 review，業務主管說她的貸款審查團隊「效率很差」，希望導入 AI 自動化。工程師接到需求，做了一個文件解析模型，準確率 91%。上線前的最後一次 demo，是兩邊第一次同時進同一個房間。

業務主管看完 demo，問了一個問題：「如果它判斷錯了，我要怎麼跟客戶解釋？」

工程師說：「91% 的準確率在這類任務裡算很高了。」

場面沉默了大概十秒。

那個沉默說的不是「答案不夠好」。說的是：兩個人根本在問不同的問題。業務主管問的是責任，工程師答的是技術指標。沒有人說錯，但對話在那個點上停住了。

後來進去解這個問題的人，既不是業務，也不是工程師。他把「91%」翻譯成：「每一百筆裡，有九筆需要人工複查——我們要設計一個複查流程，確保那九筆不會直接出現在客戶面前。」業務主管點了頭。工程師知道下一步要做什麼。專案繼續走。

他沒有改變任何數字，沒有發明新技術，也沒有改寫業務邏輯。他只是找到了兩邊都能用的語言，讓對話能夠繼續。

這個能力沒有捷徑。學 Python 有教程，學財務建模有考試，學 GenAI 有課程。但「怎麼在業務和工程之間翻譯」這件事，基本上就是你要真的站在兩邊的現場，被要求同時回答兩邊的問題，在那個壓力裡慢慢長出來的。

我在銀行做 GenAI 這幾年，最常被問的問題不是「這個模型準不準確」，而是「出了問題誰負責」、「導入之後流程要怎麼改」、「我的團隊要花多少時間學」。技術只是這些問題的一部分。更多的是人、流程、信任，以及那條把三個不同邏輯世界接在一起的線。

AI 時代的核心競爭力，不是誰懂最新的模型，而是誰能讓最新的模型在真實的組織裡被用起來。這之間的距離，就是翻譯者的價值。

如果這篇對你有幫助，訂閱電子報可以第一時間收到 AI 落地實戰與 GenAI 案例分析。