# 不要鋪牛路：從波士頓殖民地到數位轉型

> 波士頓 1630 年：牛群築路，創始人鋪路。結果如何？至今仍是迷宮般迂迴曲折的道路。公司也是如此：它們將低效的流程「數位化」，而非重新設計。「使用 ChatGPT 更快地撰寫電子郵件，在這個流程中，一個簡單的決策需要 12 個人」。Michael Hammer："停止鋪設牛路。抹去它們，重新開始。"正確的問題不是「如何做得更快」，而是「我們為什麼要這樣做？

Source: https://www.electe.net/tc/post/non-lastricate-i-sentieri-delle-mucche-dalla-boston-coloniale-alla-trasformazione-digitale

Site guide: https://www.electe.net/tc/llms.txt

_十七世紀的一堂城市規劃課如何能拯救你的AI策略_

## 改變一切的歷史

想像一下 1630 年的波士頓。一個年輕的清教徒殖民地擴展在多岩石的半島上，那裡還沒有道路，牛群在草地和山丘上自由馳騁。牛群以其務實的動物智慧，循著阻力最小的自然路徑前進：繞過巨石、避開沼澤、連接牧場和水坑。

數十年後，當這座城市的創始人面臨建立道路系統的需求時，他們做出了一個看似合理的決定：他們並沒有從零開始設計一個合乎邏輯且井然有序的網格，而是簡單地在牛群已經走過的道路上鋪路。

結果呢？華盛頓街蜿蜒曲折，就像一條瘋狂的河流，即使是最先進的 GPS 有時也會在沮喪中放棄。

**歷史來源**：這個故事記載於Sam Walter Foss（1858-1911）的詩作《The Calf-Path》中，講述的正是一頭小牛踩出的小徑後來如何變成一座城市的街道。¹

## 當效率變為低效率時

波士頓的故事之所以引人入勝，是因為它完美詮釋了一個[悖論](/il-paradosso-della-produttivita-ai-pensare-prima-di-agire)：在局部和眼前有效的做法，放到更大的規模和更長遠的時間裡，可能會變成一場災難。母牛們為了自己眼前的目的選擇阻力最小的路，這沒有錯，但牠們踩出的小徑並不是為馬車、汽車、卡車或城市巴士設計的。

這個教訓意義深遠：**並非所有自然演變而成的事物都最適合未來**。

## 業務類比：當流程變成路徑

在現代農場中，「牛道」無處不在。它們是隨著時間的推移而有機發展的流程。正如 Jim Highsmith 所說：\*"在 IT 世界中，「鋪平牛路」意味著將業務流程自動化，而不用過多考慮其有效性或效率"²。

- 那份必須列印、簽名、掃描再用電子郵件寄回的表單
- 沒人記得為何開始、但「我們一直都是這樣做」的每週例會
- 在15個人之間共用、充當公司「資料庫」的Excel檔案
- 要經過7個不同人簽核的審批流程，其中3人根本不知道自己為什麼要簽

這些流程的形成就像牛路一樣：在它們誕生的特定時刻，遵循阻力最小的路徑。但現在，在數位時代，繼續遵循它們可能會造成毀滅性的影響。

## 大誘惑：鋪設牛路

當企業決定要「數位化」時，往往會落入和波士頓開創者相同的[陷阱](/la-trappola-della-previsione-perche-predire-il-futuro-non-basta)。他們拿現有的流程，用技術把它「鋪成路面」：

### **數位轉錄：把小徑鋪成路**

"我們一直都是用手填寫這個表格嗎？太好了！讓我們來創建一個可填寫的PDF！"

這就是**數位轉錄（digitization）**：把類比轉為數位，卻沒有改變任何實質內容。正如Gartner所定義：_「數位轉錄是將類比資訊轉換為數位格式的過程」³_。這就像把牛踩出的小徑鋪上柏油——變得更平滑了，但依然彎曲、依然低效。

### **惰性的隱藏代價**

我認識的一家製造公司的品質控制流程需要 14 個不同的步驟，這些步驟是在 1980 和 1990 年代逐步開發出來的。當他們「數位化」時，他們只是將所有 14 個步驟轉移至平板電腦。這個流程變得更快，但根本上仍然不合理：其中 8 個步驟是重複或過時的。

## 真正的轉型：數位化 vs 數位化

### **數位化轉型：規劃未來之城**

真正的數位化意味著做波士頓應該做的事：看著最終目標，從頭開始設計實現目標的最佳方式。

根據Gartner詞彙表：_「數位化轉型是運用數位科技來改變商業模式，並創造新的價值與營收機會；這是轉型為數位化企業的過程」⁴_。

**真正數位化轉型的案例：**

- **Netflix**並沒有把錄影帶租賃業務數位轉錄，而是徹底重新構想了家庭娛樂
- **Amazon**並沒有把紙本型錄數位轉錄，而是重新發明了商業

### **關鍵差異**

- **數位轉錄**：「我們該如何用數位方式做我們原本在做的事？」
- **數位化轉型**：「我們真正想要達成的是什麼，在數位時代裡，達成它的最佳方式又是什麼？」

## AI 與超級災難的誘惑

如今，我們正目睹一波以[人工智慧](/lintelligenza-artificiale-per-lambiente-innovazioni-e-soluzioni-2025)為主角的新一輪「鋪牛徑」現象。企業拿低效的流程，用AI加以強化，創造出可以稱為「超級鋪路」的東西。

正如《哈佛商業評論》所指出的：_「業務流程再造的概念正在捲土重來，這次是由人工智慧驅動。在1990年代，ERP系統和網際網路的導入雖然為業務流程的變革創造了條件，但對徹底變革的期望往往未能實現。然而，AI能夠帶來更好、更快且自動化的決策」⁵_。

### **AI鋪牛徑的例子：**

- 在一個需要12封電子郵件才能做出一個簡單決定的溝通流程裡，用ChatGPT來更快地寫郵件
- 導入AI去分析根本沒人真正閱讀的報告
- 用機器學習自動化那些原本就不該存在的審批流程

### **結果**

效率低的流程現在可以更快、更精準地減低效率。

## 反牛之路方法論

### **1. 抹除 → 整合 → 自動化**

在實施任何技術之前，請依照 Michael Hammer⁶的方法遵循以下順序：

**抹除**：消除一切無法帶來真正價值的東西

‍**整合**：將剩餘的流程連結成合乎邏輯的工作流

‍**自動化**：只有到最後，才應用技術

正如Hammer所寫：_「是時候停止鋪設牛徑了。與其把過時的流程嵌入矽晶片和_[_軟體_](/comprendere-il-significato-di-canonico-nel-software-di-intelligenza-artificiale)_之中，我們應該將它們徹底抹除，從頭開始」⁷_。

### **2.綠地與棕地方法**

這些詞彙借用自都市規劃與軟體工程，定義了兩種截然不同的方法⁸：

**棕地**（鋪設既有路徑）：

- 保留現有系統並加入技術
- 短期內更快
- 保留了低效之處

**綠地**（從零開始設計）：

- 以一張白紙開始
- 風險較高但可能帶來革命性成果
- 能夠充分利用新的可能性

正如麥肯錫所指出的：_「雖然90%的企業已經開始某種形式的數位轉型，但預期營收效益中只有三分之一得以實現」⁹_。

### **3. 正確的問題**

在實施任何技術之前，請詢問：

- 「我們為什麼要做這個流程？」
- 「如果我們停止這樣做會發生什麼？」
- 「如果今天要從零開始設計，會是什麼樣子？」
- 「過去的哪些限制條件已經不復存在？」

## 案例研究：迴避道路的好處

### **案例1：重新思考貸款流程的銀行**

一家歐洲銀行的貸款核准流程需要 45 天和 12 個不同的步驟。他們並沒有將現有的流程「數位化」，而是完全重新設計：

- **之前**：45天，12個步驟，73%的申請獲批
- **之後**：24小時，3個步驟，81%的申請獲批

秘訣何在？他們意識到 90% 的控制都是多餘的，而 AI 可以比 6 個不同的辦公室更準確地評估風險。

### **案例2：消除排隊的醫院**

一家義大利醫院的急診室等候時間長達四小時。他們沒有將排隊系統「數位化」，而是完全重新思考病人的流程：

- 基於AI的預測性分診
- 依類型區分的差異化流程
- 工作負荷的即時監控

**結果**：等待時間減少80%，病患滿意度提升60%。

## 牛之路的三個現代陷阱

### **1. 熟悉感陷阱**

「我們的員工已經習慣了」是創新最隱晦的殺手。這就好像說奶牛習慣了他們的小路一樣。

### **2. 沉沒投資陷阱**

「我們已經在這個系統上投資了這麼多」，卻忽略了繼續走在錯誤的道路上會擴大錯誤的事實。

### **3. 虛假複雜性陷阱**

「改變一切太複雜 」往往隱藏著不敢承認目前流程不合理的恐懼。

## 數位轉型的 ANTI-COW 架構

### **A**nalyze - 分析期望的成果

不要從技術著手，而要從商業目標著手。

### **N**avigate - 超越當前限制條件

問問自己：「如果我是今天誕生的公司，我會如何解決這個問題？」

### **T**ransform - 轉型，而非轉譯

針對數位時代重新設計流程，而不是將流程轉換為數位。

### **I**mplement - 分階段實施

採用循序漸進的方式，但卻有激進的願景。

### **C**heck - 檢驗成效

不僅測量效率，還測量整體效能。

### **O**ptimize - 持續優化

轉型過程永無止境。

### **W**atch - 觀察新的路徑

小心不要形成新的自發「牛路」。

## 人工智能是建築師，而非工人

人工智慧既可以是鋪設牛路的最佳工具（讓牛路變得超級有效率，但根本上卻是錯的），也可以是設計未來城市的最佳建築師。

正如世界經濟論壇所強調的：_「要充分發揮其潛力，AI必須說business的語言，必須理解工作是如何流動的，並且需要流程智慧」¹⁰_。

差異在於方法：

### **AI作為勞工**（鋪設既有牛徑）：

- 「我們如何運用AI讓這個流程更快?」
- 既有工作的自動化
- 漸進式改善

### **AI作為建築師**(城市規劃):

- 「我們如何徹底重新思考這個業務成果?」
- 重新定義問題本身
- 徹底的轉型

## 拆除的勇氣

波士頓的故事最深刻的教訓不是技術上的，而是心理上的：承認我們所走的路不一定是最好的，這需要勇氣。

在業務上，這意味著

- 質疑「神聖不可侵犯」的流程
- 接受「我們一直都是這麼做的」並不是理由
- 投資於可能無法立即見效的改變
- 抵擋快速解決方案的誘惑

## 結論：為未來設計道路

今天，面對人工智慧與數位化的無限可能，我們必須做出選擇：我們可以像波士頓的創始人一樣，鋪設既有道路，或是勇於設計未來城市。

下次當您聽到「讓我們將這個流程數位化」這句話時，請停下來問：「我們是在設計一條現代化的道路，還是在鋪設一條牛路？

未來屬於那些勇於捨棄常規、設計新道路的人。即使這意味著承認奶牛無論多麼聰明，都不是城市規劃師。

_「是時候停止鋪設牛徑了。與其把過時的流程嵌進矽晶片與軟體裡,我們應該徹底摧毀它們,從頭開始。我們應該『再造』我們的企業:運用現代資訊科技的力量,徹底重新設計我們的業務流程,以在績效上取得驚人的改善。」_ - Michael Hammer,《哈佛商業評論》,1990年¹¹

## 來源與參考資料

1. Stack Exchange English Language & Usage: https://english.stackexchange.com/questions/44800/what-does-don-t-pave-the-cow-path-mean-in-this-[context](/il-model-context-protocol-mcp-una-nuova-usb-c-per-lia-che-trasforma-i-flussi-di-lavoro-aziendali)" id="">https://english.stackexchange.com/questions/44800/what-does-don-t-pave-the-cow-path-mean-in-this-context
2. AgileConnection - Paving Cow Paths: [https://www.agileconnection.com/article/paving-cow-paths](https://www.agileconnection.com/article/paving-cow-paths)
3. SAP - Digitization vs Digitalization: [https://www.sap.com/products/erp/digitization-vs-digitalization.html](https://www.sap.com/products/erp/digitization-vs-digitalization.html)
4. SAP - Digitization vs Digitalization (Gartner definition): [https://www.sap.com/products/erp/digitization-vs-digitalization.html](https://www.sap.com/products/erp/digitization-vs-digitalization.html)
5. Harvard Business Review - How AI Is Helping Companies Redesign Processes: [https://hbr.org/2023/03/how-ai-is-helping-companies-redesign-processes](https://hbr.org/2023/03/how-ai-is-helping-companies-redesign-processes)
6. The Digital Leader - Is Your AI Plan Just Paving the Cow Paths?: [https://thedigitalleader.substack.com/p/is-your-ai-plan-just-paving-the-cow](https://thedigitalleader.substack.com/p/is-your-ai-plan-just-paving-the-cow)
7. Harvard Business Review - Reengineering Work: Don't Automate, Obliterate: [https://hbr.org/1990/07/reengineering-work-dont-automate-obliterate](https://hbr.org/1990/07/reengineering-work-dont-automate-obliterate)
8. Synoptek - Greenfield vs Brownfield Software Development: [https://synoptek.com/insights/it-blogs/greenfield-vs-brownfield-software-development/](https://synoptek.com/insights/it-blogs/greenfield-vs-brownfield-software-development/)
9. McKinsey - Rewired to Outcompete: [https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/rewired-to-outcompete](https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/rewired-to-outcompete)
10. World Economic Forum - How to use process intelligence and AI to rewire businesses: [https://www.weforum.org/stories/2024/01/process-intelligent-ai-rewire-business-sustainable-transformation/](https://www.weforum.org/stories/2024/01/process-intelligent-ai-rewire-business-sustainable-transformation/)
11. Harvard Business Review - Reengineering Work: Don't Automate, Obliterate (1990): [https://hbr.org/1990/07/reengineering-work-dont-automate-obliterate](https://hbr.org/1990/07/reengineering-work-dont-automate-obliterate)