文章目錄
先說結論：AI 風險分析有用的部分是廣度——幫你想到沒想到的；自我安慰的部分是權重，它不知道哪條會真的咬你。正確用法是當 devil’s advocate（反方辩手），不是當顧問。
先描述那個誘惑的瞬間：開案要交風險清單，你把案子名稱丟給 AI，一秒鐘，五十條!條條有模有樣——「需求變更可能導致範圍擴大」「關鍵人員異動可能影響時程」。格式漂亮、涵蓋全面，你看著它，覺得好安心。
這個安心就是問題。風險極簡版那篇拆過「五十條免責聲明」的病——現在 AI 把廢話清單的生產成本降到零，於是廢話的產量創了新高。清單的長度從來不等於安全的程度，而 AI 讓這個幻覺變得更便宜、更漂亮、更難拒絕。
用一個人人幹過的事來想：半夜不舒服上網查症狀，搜尋引擎給你五十種可能的病，從胀氣到癌症都有，每一種都「有可能」。而你的家庭醫師只問兩句就說「你這是老毛病又犯了，上次也是季節交替」——因為他知道你的病史、你的生活習慣、你上個月才熬夜趕過案。AI 是症狀搜尋器，不是你的家醫；它有廣度，你的公司脈絡才是權重。
有用的部分：廣度，前提是餵脈絡
先把有用的部分榨乾。人腦想風險有個天生的洞：你只想得到你經歷過的。我自己的經驗是列到第三條就乾了(而且那三條全是上一個案子煸過的)，而那第四到第十條裡，可能真有一條會咬你的——這正是 AI 的主場：它看過的專案災難類型比任何一個 PM 都多。
榨乾它的兩個要領：
- 餵脈絡再問。 「列出專案風險」得到的是罐頭；把案子的真實輪廓（產業、規模、階段、你已經在擔心的事）餵進去，再問「這種案子最常在哪個環節出事」，得到的才是接近你家的東西。它的廣度品質，跟你給的脈絡品質成正比。
- 問法比清單好的版本：問災難不問風險。「這類導入案上線後三個月，最常見的災難是什麼樣子」比「有哪些風險」好——災難是具體的場景，風險是抽象的分類；你要的是前者，因為只有場景能對照你家的實況。
自我安慰的部分：權重，它一克都沒有
現在講不能用的部分。AI 給的五十條，每一條都「合理」——但合理跟「會發生在你家」是兩回事。真實的權重藏在它拿不到的資料裡：你的王課長下個月退休（知識壟斷型風險的引信已點）、你們公司去年才被資料移轉煸過一次（歷史會重演，而且會挑同一個地方）、管錢的董娘這一季盯預算盯得特別緊（追加預算這條路先當它不存在）。而且就算你把這些全餵給它，哪條會先爆，還是要有人具名判斷。
這些不在任何訓練資料裡，這就是為什麼 pillar 那篇的檢驗表把風險分析放在「半桶水」那欄：廣度有、判斷無。
最危險的用法隨之而來：把 AI 清單直接貼進風險登記簿交差。表面上你有了一份完整的風險文件，實際上你把風險管理從工程做成了儀式——那五十條沒有訊號、沒人在盯、也沒有預備動作，爆的那天你會發現清單上「有列」，然後呢？有列而沒管的風險，出事時連自保效果都沒有(檢討會上被問「既然列了為什麼沒動作」，比沒列更難答)。
正確工作流：AI 發散，你收斂
四步，順序有講究：
- 自己先寫三條，再開 AI。 順序不能反——先看它的五十條，你的腦會被定錨，只會在它的清單裡打轉；先寫自己的，你半夜睡不著想到的那件事才進得了場（風險極簡版那篇說過：身體比清單誠實）。
- AI 補廣度。 餵脈絡、問災難，把它的輸出當『候選清單』——名字取對很重要：候選，不是結論。
- 逐條問一個問題：「這條在我們家，訊號長什麼樣？」 答得出來的（「王課長開始頻繁請假」「供應商上次交期就滑過一週」），寫成劇本三要素（具體情境、觸發訊號、預備動作），收進風險極簡版那篇的四欄表；答不出來的，它就是通用廢話，刪掉不心疼。這一步就是收斂：【五十條進來，三到七條活著出去】。
- 反方辩手：讓它攻擊你的計畫。 這是 AI 在風險工作裡最被低估的用法，也是我自己用得最兢的一招。別問「有什麼風險」，把你排好的上線計畫、遷移方案整段丟給它：「你是最壞心的評審，告訴我這個計畫會在哪裡出事。」它當顧問很平庸：四平八穩，因為建議要顯得負責；它當攻擊手很強——攻擊不需要為結論負責，只需要刨鑽，而刨鑽正是你要的。它撕出來的洞，多數你能反駁，反駁不了的那一兩個，就是你賺到的。
注意第四步跟第二步的差別：第二步它在幫你「想更多」，第四步它在幫你「想相反」——devil’s advocate 這個角色在真人團隊裡很難找（誰想當那個唱衰同事案子的人），AI 演這個角色零社交成本，用好它，等於你的復盤會提前開在出事之前。
本篇工具帶走：AI 風險工作流四步
- 自己先寫三條（保護你的直覺不被定錨）。
- 餵脈絡、問災難，收一份「候選清單」。
- 逐條問「在我們家，訊號長什麼樣」——答得出的劇本化進表，答不出的刪。
- 把計畫丟給它當反方辩手撕，反駁不了的洞就是收穫。
四步的分工一句話：發散交給機器，收斂與負責留給自己——這條線跟 pillar 那篇的判斷法是同一條。
最後說一句：風險管理的品質，從來不看你列了幾條，看你爆掉的那條當初有沒有在表上、表上那條有沒有人在盯。AI 改變不了這件事，它只是讓「看起來有在管」變得更便宜——別買那個便宜。
