框架 · 完整參考
都是公認的方法論，不是自創的詞彙。
完整清單：六大類、二十五套框架，每一套都附上原始來源。適合採購稽核、法遵審查與內部查閱，一頁就能搜尋。
想看可快速瀏覽的總覽，請見 /frameworks。只看單一類別，可直接前往變革與採用、學習與能力、決策與策略、流程與營運、AI 治理與標準，或 Far West 自製工具。
在這些公認框架之下，還有三項由 Far West Consulting 自己打造的工具：Workflow-First Sequence、AI-Workflow-Fit Map 與 The Bearing。它們掛上我們的名字，因為是我們打造的。
變革與採用
新工具要真正用得下去，每個人都需要具備五項條件：Awareness、Desire、Knowledge、Ability、Reinforcement。（Prosci）
Prosci 的五階段個人變革模型，說明一個人的行為要改變之前需要哪些條件：知道變革正在發生、願意投入、知道怎麼做、真的做得到，以及防止故態復萌的強化。
使用情境
在抗拒變成默默不採用之前，先判斷每個人走到採用歷程的哪一步。
Far West 如何運用
追蹤 AI 導入期間每個人的準備度，從知道有這項工具（Awareness）到用起來不必多想（Reinforcement）。
帶領組織走過變革的八個步驟，從建立急迫感一路到讓變革在文化中紮根。（Kotter Inc.）
John Kotter 的八步驟組織變革框架：建立急迫感、組成領導聯盟、形成願景、招募志願者、排除障礙、創造短期成果、持續加速，以及讓變革在文化中紮根。
使用情境
在全企業導入的過程中維持動能，並在宣告完成之前，先讓變革真正紮根。
Far West 如何運用
ADKAR 在組織層級的搭配框架。Kotter 排定領導層的推動順序，ADKAR 追蹤其中的每個人。
變革的內在經驗：Ending、Neutral Zone、New Beginning。也就是「變革」底下的「轉變」。
William Bridges 提出的變革內在經驗模型。三個階段（Ending / Losing / Letting Go、Neutral Zone、New Beginning），把變革（外在事件）與轉變（內在經驗）區分開來。
使用情境
把抗拒看成轉變還在進行，而不是採用失敗。當大家嘴上說得對、行為卻沒有改變時尤其適用。
Far West 如何運用
用於溝通與指導工作。這在 AI 採用上很重要，因為大家常常正在消化工具改變了自己的哪些工作身分認同。
採用曲線：Innovators、Early Adopters、Early Majority、Late Majority、Laggards。
Everett Rogers 的採用曲線理論。每個群體採用的理由不同：Innovators（約 2.5%）要新奇，Early Adopters（約 13.5%）要優勢，Early Majority（約 34%）要證據，Late Majority（約 34%）要共識，Laggards（約 16%）要有強制力。多數導入卡在 Geoffrey Moore 所命名的鴻溝，也就是 Early Adopters 與 Early Majority 之間。
使用情境
安排導入梯次：先讓 Innovators 與 Early Adopters 上手，作為多數人的社會認同，而不是一次訓練整個組織。
Far West 如何運用
呼應杜克大學的研究發現（PNAS 2025）：在工作中使用 AI 的人會被評為能力較差，但評估者自己若常用 AI，這種評價就沒那麼強。我們因此認為，試辦開始前應先向主管說明。
學習與能力
讓訓練能真正用到工作上的五階段骨幹：Analyze、Design、Develop、Implement、Evaluate。
教學設計的參考模型。五個階段帶著課程從「學員需要做出哪些不同」走到「設計有沒有奏效，我們怎麼知道」。全球的企業學習發展、高等教育與政府訓練都在使用。
使用情境
建構能真正用到實務上的訓練。課程之間的差別，在於 Analyze 階段的嚴謹程度。
Far West 如何運用
每一套課程都走過 ADDIE，從團隊真實工作流的需求分析開始，而不是套用範本。
衡量訓練是否奏效的四個層級：Reaction、Learning、Behaviour、Results。
Donald Kirkpatrick 的評估模型。Level 1：Reaction（喜不喜歡）。Level 2：Learning（有沒有學到）。Level 3：Behaviour（有沒有用在工作上）。Level 4：Results（業務有沒有改變）。許多廠商的訓練停在 Level 1–2，就宣告成功。
使用情境
讓訓練投資值回票價的改變，發生在 Level 3 與 4，而不是 1 與 2。
Far West 如何運用
四個層級全都納入設計；第 30、60、90 天的回訪衡量的是行為改變，而不只是反應。
四項基礎能力，任何模型升級都不會過時：Delegation、Description、Discernment、Diligence。（Anthropic）
Anthropic 發表的四能力模型。Delegation：把什麼交出去。Description：把任務說清楚。Discernment：判斷產出。Diligence：為 AI 的產出負責。
使用情境
把「具備 AI 熟練度」定義為判斷力，而不是工具知識；這些能力不會因模型更換而過時。
Far West 如何運用
作為工具訓練底層的課程設計基礎，也驅動 The Bearing 的分支。
在工作流中看待 AI 的四種方式：Intern、Coworker、Teacher、Coach。（Nielsen / UX Tigers）
每種比喻都會改變你的期待與查核方式。Intern：你要檢查的初稿。Coworker：同儕協作。Teacher：AI 講解，你學習。Coach：AI 引導你思考，工作由你來做。
使用情境
幫助非技術背景的學員選對心智模型：Intern 的工作要審查，Coach 的提問則不必。
Far West 如何運用
訓練中的框架層：先教如何與 AI 共事，再教用哪些工具。
成人的學習，70% 來自經驗，20% 來自同儕與教練，10% 來自正式訓練。
一套成人能力發展模型，源自 Center for Creative Leadership 的 McCall、Lombardo 與 Eichinger，後由 Charles Jennings 推廣。70% 來自經驗與艱難任務，20% 來自教練與同儕回饋，10% 來自正式訓練。確切比例仍有爭論，但方向有充分證據：能力主要在工作中養成，不是在教室裡。
使用情境
為什麼光靠訓練很少改變行為：正式訓練只是那 10%；教練、顧問與整合涵蓋的 20% 與 70%，才是採用真正留下來的地方。
Far West 如何運用
把訓練視為更大學習系統的一部分。
六個認知深度層級，用來界定課程中「精熟」的意思。
Anderson 與 Krathwohl 於 2001 年修訂 Bloom 1956 年的分類法。六個由淺入深的認知層級：Remember、Understand、Apply、Analyze、Evaluate、Create。這是界定技能深度的參考：以 Apply 層級精熟為目標的課程，和以 Evaluate 層級為目標的，是兩套不同的課程。
使用情境
一套語彙，用來描述課程鎖定的熟練度層級，從工作坊到學院皆可適用。
Far West 如何運用
ADDIE 裡的深度指標：Apply 層級的 AI 熟練度，和 Evaluate 層級是不同的目標。
決策與策略
四個領域的意義建構框架：Clear、Complicated、Complex、Chaotic。每個領域需要不同的決策方式。
Dave Snowden 的意義建構框架，分為四個領域。Clear：感知、分類、回應。Complicated：感知、分析、回應。Complex：探測、感知、回應。Chaotic：行動、感知、回應。做法與領域不相符，領導決策就會失敗。
使用情境
這說明 AI-Workflow-Fit Map 為什麼有三個類別：「AI 接手」適合 Clear 與 Complicated，「AI 輔助」適合 Complex，「AI 不介入」適合高風險的 Complex 或 Chaotic。
Far West 如何運用
用於探索與顧問服務：說明為什麼某項任務可以完全自動化，外觀相近的另一項卻要人留在流程中，或 AI 不介入。
一個釐清問題的提問：這位工作者僱用 AI 來做什麼工作？
Clay Christensen 的觀點：顧客與工作者都是「僱用」產品來完成一份工作。真正的機會在底層的工作，不在表面的任務。僱用 AI 寫出更好電子郵件的人，可能其實是想在愛質疑的主管面前顯得夠能幹。
使用情境
追問工作者僱用 AI 來做什麼工作，讓工作流盤點更精準。它能抵抗趕流行式的自動化，也能找出大家在意卻從未說出口的工作。
Far West 如何運用
用於探索：在每項任務底下加上「為什麼」這一層，與 Workflow-First Sequence 並用。
流程與營運
五階段流程改善：Define、Measure、Analyze、Improve、Control。AI 可以加快 Define 與 Measure。
Lean Six Sigma 的五階段改善循環：Define、Measure、Analyze、Improve、Control。在製造業與營運密集環境中，這是結構化流程改善的標準。
使用情境
適合改善目標可量測、資料已存在、需要找出根本原因而不是用猜的流程。
Far West 如何運用
對製造業與營運客戶，AI 可以加快 Define 與 Measure，找出過去要花數週人工才能掌握的基準與變異。
Lean 技術，在動手改變之前先看清整條工作流。
一項 Lean 技術，畫出工作流的每一步（創造價值、不創造價值、必要但不創造價值），呈現浪費與重新設計的機會。源自豐田，數十年來都是 Lean 營運的經典。
使用情境
自動化某項流程之前，先看清全貌。多數 AI 機會其實是工作流機會；沒有這張圖，自動化只會把浪費固定下來，而不是消除。
Far West 如何運用
Workflow-First Sequence 參考 VSM：先有地圖，才有工具。KPMG 2024 年的論文〈The Importance of Value Streams in the Age of AI〉是目前應用的依據。
AI 治理與標準
美國發布、國際採用的參考框架，用於辨識並治理 AI 系統生命週期中的風險。
美國國家標準與技術研究院（NIST）的框架，涵蓋 AI 系統完整生命週期的風險。四項功能：Govern、Map、Measure、Manage。自願採用、不硬性規定做法，在美國以外也廣為使用。
使用情境
用結構化方式記錄 AI 風險，又不必綁定單一控管組合。當目標是 ISO 42001、團隊卻還沒準備好時特別有用。
Far West 如何運用
整合與顧問服務中風險辨識的基礎；也用於探索，標出哪些 AI 風險是真實的、哪些只是理論上的。
AI 的國際管理系統標準：為受治理的 AI 使用提供可受稽核的結構。
AI 的國際管理系統標準（2023），相當於 AI 領域的 ISO 9001 或 ISO 27001。它規定受治理、可受稽核的 AI 使用所需的結構：政策、權責歸屬、生命週期控管、持續改善。
使用情境
董事會、主管機關與企業客戶愈來愈常問：「讓我看看你們怎麼治理 AI。」42001 就是可取得認證的答案。
Far West 如何運用
位於風險辨識之上的管理系統層。它讓 AI 治理在上線後不走樣：季度檢視、文件化控管、明確權責。
加拿大的 Algorithmic Impact Assessment（AIA）：用結構化方式，依潛在影響為 AI 系統分類。
加拿大國庫委員會《自動化決策指令》（Directive on Automated Decision-Making）下的評估工具。AIA 依對權利與服務的潛在影響，為聯邦自動化決策系統分類。它與 AIDA 不同；AIDA 是擬議中的 Artificial Intelligence and Data Act，國會始終未通過。
使用情境
在部署前依影響為 AI 系統分類：出錯會造成多大傷害？傷害有多容易挽回？
Far West 如何運用
從公部門借來，作為私部門的影響評估視角：系統決定什麼、影響到誰、哪些可以挽回。它適用於各個產業。
加拿大銀行業監理機關的模型風險管理指引，涵蓋 ML 與 AI 模型。
加拿大金融機構監理總署（OSFI）的模型風險管理指引。更新後的 E-23（2025 年定案，2027 年 5 月生效）明訂對受聯邦監理金融機構的要求：如何辨識、驗證與治理模型風險（包括 ML 與 AI），涵蓋驗證、監控、模型清冊與明確權責。
使用情境
在銀行、保險、資產管理等受監理產業，AI 模型也開始被納入模型風險管理的要求，而 E-23 是說得比較清楚的參考之一。
Far West 如何運用
與金融業客戶合作時，即使客戶不受 OSFI 監理，我們也會參考 E-23。
自 2026 年 7 月起，提供者與部署者須採取措施，支持員工的 AI 素養。
歐盟的 AI 法規（Regulation 2024/1689），2024 年 8 月起生效。Article 4 自 2025 年 2 月 2 日起要求落實 AI 素養。Digital Omnibus on AI（Regulation (EU) 2026/1744，2026 年 7 月 27 日生效）改寫了該條：提供者與部署者須採取措施，支持其員工及代其使用 AI 系統者發展 AI 素養，但無須保證任何特定程度。
使用情境
對 EU AI Act 適用範圍內的 AI 系統提供者與部署者而言，支持 AI 素養是法規義務。
Far West 如何運用
訓練路徑的設計，是為了支持 Article 4 的素養措施：文件化的課程、符合角色的深度、完成證明。
美國聯邦定義的五項能力領域，適用於具備 AI 素養的工作者（2026 年 2 月）。
美國勞工部的勞動力 AI 素養能力框架（2026 年 2 月），是「具備 AI 素養的工作者」在聯邦層級的參考定義，涵蓋五個核心領域。它相當於美國版的 EU AI Act Article 4，但屬於指引，不是法規。
使用情境
美國雇主現在有一套聯邦分類可以對齊訓練，對採購、人資文件與政府合約申報都有幫助。
Far West 如何運用
把訓練對齊勞工部的五項能力領域，讓美國客戶能依公認的框架提出報告。
亞太地區領先的 AI 治理框架，由新加坡 IMDA 與 PDPC 發布。
新加坡政府發布的 AI 治理框架，來自資訊通信媒體發展局（IMDA）與個人資料保護委員會（PDPC），其測試工具與生成式 AI 版本現由 AI Verify Foundation 維護。以原則為本，自願採用。在亞太地區被廣泛引用。
使用情境
給亞太客戶一份立足於本區域的治理參考，在新加坡、馬來西亞、香港或印尼的跨境工作中，常是主要參考。
Far West 如何運用
在 Far West 已採用的北美與歐洲框架之外，再加上立足亞太的治理參考。
第一份跨政府 AI 標準，也是多數國家與區域 AI 政策背後的基準。
第一份跨政府 AI 標準，於 2019 年 5 月通過。五項以價值為本的原則（包容性成長、以人為本的價值、透明、穩健、問責），加上五項給政府的建議。多數國家的 AI 策略，包括歐盟、美國、日本、新加坡與加拿大，都可追溯至此。
使用情境
在進入各司法管轄區的細節之前，先有「大家都同意這些」的基準；適合用來說明各國框架為什麼長得相似。
Far West 如何運用
在套用特定司法管轄區的規範之前，共同的起點。
Far West 自製工具
先盤點工作流。接著選工具、建置整合。然後帶領採用。
Far West Consulting 的運作方法論。三個階段，依序進行：工作流地圖（工作實際怎麼運作，以及 AI 該在哪裡接手任務、輔助任務或不介入）、整合（選定工具並建置到工作中，同時設好控管）、採用（帶領變革）。工具排在第二，放在地圖之後。
使用情境
MIT 的 Project NANDA 初步報告（2025 年，未經同儕審查）發現，95% 的組織未從生成式 AI 獲得可量測的回報。依我們的經驗，常見原因之一是還沒盤點工具要做的工作，就先買了工具。
Far West 如何運用
每一次 AI 導入都走這套順序。探索負責完成工作流地圖；AI 整合導入負責建置與採用工作。
任務盤點與決策地圖：哪裡由 AI 接手任務，哪裡由 AI 輔助，哪裡 AI 不介入。
結構化的任務盤點與決策地圖，建立在十六年的學習發展與變革實務上。它把每一項任務歸入三類：AI 接手（可安全地完全委派）、AI 輔助（人留在流程中）、AI 不介入（風險不允許），每項都附上變革投入估計，因為技術與人的負擔很少一樣大。
使用情境
把「這裡該不該用 AI？」這種二選一的問題，換成逐項任務、依風險輪廓給出的答案，讓業務端可以據以行動。
Far West 如何運用
AI 工作流探索的產出：工作流地圖，加上每項任務的變革投入估計。對營運密集的組織，盤點時會參考 DMAIC 與 Value Stream Mapping。
依你告訴我們的內容，草擬建議的下一步。任何提案送到你手上之前，都會先經 Paul 審閱。
一套引擎，依你在表單或通話中告訴我們的內容，草擬建議的下一步。任何提案送到你手上之前，都會先經 Paul 審閱。4D 熟練度問題（查證習慣、主管能見度）決定章節層級的分支：主管缺乏能見度時，它會建議規模較小、以主管為優先的合作，而不是標準的團隊訓練。
使用情境
產出誠實的建議；準備度低時，也包括把範圍縮得比一般合約小。
Far West 如何運用
在探索流程的背後運作。
這份診斷大約十分鐘，會告訴你 AI 導入或 AI 熟練度目前走到哪裡，以及下一步合作會用上哪些框架。每一份填答，Far West Consulting 都會在兩個工作天內與你聯絡。
如果你想直接談，可以透過 30 分鐘通話，一起找出適合的合作方式。
