
McKinsey 2023 的研究說 70% 的數位轉型沒達到預期目標。BCG 同年的研究說只有 30% 創造了顯著價值。這個數字十年來沒變過。
為什麼技術一直在進步,失敗率卻沒下降?
因為失敗的根因從來不是技術,是人。我把過去七年陪客戶踩過的坑整理成五個教訓——這些不是看書看來的,是真正花時間花錢學到的。下面五個案例都來自我們在澳洲協助過的真實客戶,匿名化後分享。
真實案例:某澳洲傳產客戶花 600 萬澳幣導入 Salesforce + Marketing Cloud,預期銷售流程數位化。三個月後系統幾乎沒人用,業務還是用 Excel。
根因:高階主管沒人用。業務主管私下說「我看 Excel 看 20 年了,幹嘛改?」團隊跟著主管走,系統就空轉。
教訓:技術導入失敗的 80% 是變革管理失敗。買系統前,先確認最高層的主管會自己用。如果 CEO 不打開新系統,這個專案註定失敗。
我們現在第一次客戶會議都會問:「您打算每週花多少時間用這個新系統?」如果答案是「我有助理會用」,我們會建議客戶不要做。
可操作的反向工程:在簽約前,要求 CEO 與三位 C-level 主管寫一份「我每週會用這個系統做什麼」的承諾書(不需要正式合約,內部備忘錄即可)。願意寫的,專案有戲;不願意寫的,技術導入下去也是浪費。
真實案例:某澳洲金融客戶想一次把 CRM、客服、行銷自動化、BI、資料中台全部換掉。預算 2400 萬澳幣、時程 18 個月。第 12 個月我們進場救火,因為原 SI 廠商已經跑掉。
根因:太大、太久、太複雜。需求在 18 個月裡變了三次,但合約鎖死規格。整個專案變成一場「我們六個月前約定的需求」與「我們現在真正需要的需求」之間的戰爭。
教訓:用「90 天看到第一個價值」當設計原則。第一階段選最痛的單一場景(通常是客服或業務報表),90 天內讓使用者真的用起來。後續再擴展。
我們的內部 KPI:每個專案第一階段的營運價值在 6 個月內必須能量化。算不出來的就不簽約。
為什麼是 90 天:90 天是企業「組織記憶」的有效期。超過 90 天還沒看到成果,發起這個專案的人會開始被質疑、預算會被挑戰、競爭優先級會出現。一個 18 個月的專案會經歷至少四次這樣的政治風暴。
真實案例:某澳洲零售客戶導入 Einstein Analytics 想做客戶分群。系統報告顯示 30% 的客戶住「無效地址」、15% 的電話打不通、5% 的客戶身分證明文件號碼重複。
根因:過去 10 年累積的資料從來沒清理過。AI 模型把垃圾資料學出垃圾結論。
教訓:資料中台 / AI / 分析工具導入前,先做 data audit。如果你的客戶資料品質低於 80%,所有分析工具都是浪費錢。
我們的標準做法:
短期看像浪費時間,長期看是省下 10 倍的痛。
反直覺的觀察:資料品質低不只是 IT 問題,更是業務流程問題。如果業務人員填欄位敷衍、前端表單沒驗證、欄位定義不一致——你做再多次清理都會復發。根治需要從業務流程改起,不是只改資料庫。
真實案例:某澳洲保險客戶導入新 CRM,預估與核心保單系統整合 3 個月。實際做了 14 個月。
根因:
教訓:整合工時用「直覺估算 × 3」。預估 3 個月一律報 9 個月。如果客戶嫌貴,把整合工作切成兩階段——這比交付時超支好。
整合是企業數位轉型的第二大殺手(第一大是人)。
整合風險的三個訊號:在 kick-off 前,先檢查這三件事:
三個訊號中有兩個亮紅燈,整合工時直接抓 4 倍而不是 3 倍。
真實案例:某澳洲跨國客戶 2019 年導入 Salesforce,當時是業界標竿。2024 年我們再次拜訪,發現他們還在用 2019 年的 Classic UI、沒升級到 Lightning、沒用過 Flow 也沒碰 Einstein。
根因:把數位轉型當成「一次性的專案」,導完就解散團隊。後續沒人持續優化。
教訓:數位轉型不是專案,是新的營運模式。導完上線後需要:
我們協助客戶建立內部「Center of Excellence (CoE)」,這個角色比 SI 廠商還重要。CoE 通常 3–5 人,包含產品經理、資深開發、流程分析師、合規代表。它的存在保證:當 SI 廠商交付完離開,知識資產與演進能力留在客戶內部。
過去陪客戶救火,我發現失敗很少是單一教訓沒做好,而是幾個教訓同時出問題。最常見的三種組合:
特徵:CEO 興奮地宣布、預算到位、立案、開工、然後 CEO 三個月後關注新議題去了。中階主管失去 air cover,每個小衝突都變大事。
症狀:專案進入第四個月後決策變慢、跨部門溝通停滯、月會變成抱怨大會。
救援:找回 CEO 的關注。最有效的方法是把專案 KPI 跟 CEO 的董事會報告綁在一起——只要董事會問,CEO 就會親自盯。
特徵:「既然要做就做大的」心態,第一階段範圍涵蓋三個業務、五個系統、十個流程。預算 5000 萬起跳。
症狀:18 個月時程拖到 30 個月、需求文件改到第七版、團隊三分之一已換人。
救援:忍痛切割。把原本一個 18 個月的專案,重新切成 3 個 6 個月的獨立專案,每個都能單獨上線、單獨產出價值。原本的 phase 2、phase 3 待 phase 1 上線後再重新規劃。
特徵:IT 部門主導、業務部門被動配合。技術選型完美、架構漂亮、但沒人在意業務真正的痛點。
症狀:上線後業務不用、IT 認為是「教育問題」、雙方互相歸咎。
救援:強制業務派代表進駐專案核心。我們稱之為「Business PO」,他們的工作不是寫需求,而是每天用使用者的視角檢查產出。沒有 Business PO,專案會變成 IT 的自嗨。
回答 yes / no:
對應建議:
數位轉型不是買軟體、不是裝 AI、不是上雲。它是讓組織的決策方式、合作方式、競爭優勢方式根本改變。技術只是工具,工具沒問題,但組織通常有。
如果您正在規劃或檢討一個轉型專案,歡迎與我們聊聊。我們可能會勸您慢下來——但這通常是省錢省命的建議。
我們用這個模型幫客戶定位自己的轉型階段:
| 階段 | 典型特徵 | 下一步 |
|---|---|---|
| Lv 0 紙本年代 | 流程靠紙與 Excel;資料分散在個人電腦 | 先做基本的雲端化,不急於 AI |
| Lv 1 雲端化 | 系統上雲、流程數位化但仍各自獨立 | 整合:建立 single source of truth |
| Lv 2 整合化 | 客戶資料統一、流程跨系統連通 | 數據驅動:建立分析能力 |
| Lv 3 數據化 | 決策有資料支持、報表自動化 | 智能化:開始引入 AI |
| Lv 4 智能化 | AI 嵌入流程、自動化決策、客戶分群精準 | 持續演進:CoE 與 product mindset |
跨越階段的時間通常是 12–18 個月。不要跳級——在 Lv 1 沒完成就硬上 Lv 4 的 AI,是大部分轉型失敗的根源。
不同產業的轉型重點完全不同,以下是我們在澳洲跨產業客戶身上觀察到的典型模式:
痛點:供應鏈追溯、品質管理、設備預測性維護。
模式:先做 OT/IT 整合(把工廠資料接進雲端),再做預測性分析;CRM 通常排在第二輪。
典型陷阱:把工廠當成數位化死角,只做業務端的 CRM;結果業務看到的客戶資料與工廠真實情況脫節。
痛點:全通路客戶體驗、庫存即時性、會員 LTV。
模式:先做 POS 與電商的客戶資料整合,再做會員分群與個人化推薦。
典型陷阱:把會員系統當成「行銷部的玩具」,沒有跟營運整合;結果分群報告漂亮,業績沒動。
痛點:服務一致性、合規、客戶旅程設計。
模式:先做客戶 360 視圖,再做服務流程數位化,最後才做 AI 與自動化。
典型陷阱:合規部門被排除在外,上線後才發現法規不過。
我們把 sponsor 分成三類,只有第一類會讓專案成功:
特徵:每兩週親自參加 steering committee;自己會用新系統;願意在跨部門衝突時表態做決定。
結果:專案大概率成功。
特徵:開工儀式出席;之後關注度遞減;steering committee 派代表參加。
結果:專案靠運氣,遇到任何跨部門衝突就停滯。
特徵:只在出問題時出現;用「為什麼還沒做好」施壓;不參與決策。
結果:團隊士氣崩潰,人才流失。
篩選方法:在 kick-off 前的 1:1 會談裡問 sponsor「您打算每月花多少時間在這個專案上」。如果答案低於 4 小時,請更換 sponsor 或暫停專案。
許多企業有 steering committee 但效果不彰,原因是組成錯了。我們建議的設計:
必要成員(缺一不可):
會議節奏:
最關鍵的紀律:每次會議都要有 written decision log,誰決定什麼、為什麼。沒有 decision log 的 steering committee 等於沒開過。
我們協助客戶建立 CoE,最小可行的人員配置:
| 角色 | 人數 | 主要工作 |
|---|---|---|
| CoE Lead | 1 | roadmap、跨部門協調、預算 |
| Product Owner | 1–2 | 需求收集、優先序、release planning |
| Technical Lead | 1 | 架構決策、code review、技術風險 |
| Business Analyst | 1 | 流程分析、文件、訓練 |
| Admin / Configurator | 1–2 | 日常配置、低風險變更 |
規模對應:1000 員工以下用最小配置;3000 員工以上應該有 8–12 人的 CoE。沒有 CoE,SI 廠商離開後系統會慢慢腐爛——這是我們在二次拜訪客戶時最常看到的失敗。
AI 讓「自己做」看起來門檻很低:兩個內部工程師、Cursor 加 Claude Code、四週端出 demo。但企業要的不是 demo,是 18 個月後員工還在用、稽核還過得了、合規檢查不會爆掉的系統。本文沿著時間軸拆解 DIY 路徑在第 4、6、12、18 個月會撞到什麼牆,以及為什麼專家用 AI 跟非專家用 AI 的產出差距是 5–10 倍——同樣的工具,不同的駕駛。
我們還沒做 Agentforce 導入,但花了 18 個月持續評估與追蹤。本文整理:西方早期採用者的失敗模式、Salesforce 平台從 Agent Builder 到 Testing Center 的演進、以及給準備在 2026 啟動的台灣企業的判斷框架與程式碼範例。
我們對自己動手——把過去使用的某外部 SaaS 系統,用 VIBE Coding 重寫成我們自己的「易凱金融雲」。傳統估時 4–6 個月,實際 6 週,部分模組更短。本文拆解人與 AI 在每個工程環節的分工,附我們踩過的坑與可帶走的工作流。