- 首頁
- 知識庫
- AI 員工/自動化系統教學
- AI 自動化從哪裡開始?挑選第一個流程、團隊準備度檢查與試行計畫
AI 員工/自動化系統教學
AI 自動化從哪裡開始?挑選第一個流程、團隊準備度檢查與試行計畫
作者:JamXu更新日期:2026-10-14
導入 AI 自動化,第一步不是挑工具,而是挑一個「經常發生、規則寫得出來、資料可以合法使用、結果能被人檢查、出錯代價可承受」的流程。選好之後,先從人員、資料、流程與風險四個面向確認團隊準備好了沒有,再用一頁試行計畫定下範圍、比較基準與停止條件,小範圍跑幾週,用數據決定擴大、調整或停止。
為什麼 AI 自動化要從流程開始,而不是從工具開始?
很多公司的 AI 導入是這樣開始的:看到一個很厲害的展示,買了帳號,接著召集同仁「想想看可以用在哪裡」。幾週之後,工具很少人打開,原本的工作也沒有變少。問題不在工具,而在順序:先有工具再找用途,很容易找到一堆「可以做」卻「不值得做」的事。
比較穩健的順序剛好相反:先把團隊每天、每週在做的工作攤開,找出哪一段最耗時、最重複、又最容易標準化,再問「這一段交給 AI 之後,誰來確認結果、出錯時怎麼補救」。工具是最後才決定的東西,因為只有在流程、資料和責任都清楚之後,才知道需要什麼功能、要接哪些系統、要開多大的權限。
這篇文章把「從哪裡開始」拆成四個可以照做的階段:盤點候選流程、用評分挑出第一個、檢查團隊的準備度,以及設計一份可以判斷成敗的試行計畫。每個階段都附上表格或清單,讀完可以直接拿到會議上使用。
第一步:把候選工作攤開,整理成流程盤點表
盤點的目的,是把「大家心裡知道、但從沒寫下來」的工作變成可以比較的清單。建議找各部門實際做事的人,每人花半小時列出自己每週重複最多次的工作,再由一位負責人彙整。不要只問主管,主管描述的流程常常比實際做法乾淨很多,真正花時間的例外與來回確認,只有第一線的人說得出來。
每一項候選工作,至少記下以下欄位。欄位不必一次填得完美,重點是讓每一項工作都能用同一把尺比較:
| 欄位 | 要寫什麼 | 填寫示意(貿易公司業務助理) |
|---|---|---|
| 工作名稱 | 用動詞開頭,一行只寫一件事 | 整理客戶詢價信並建立報價草稿 |
| 發生頻率 | 每天、每週或每月幾次,盡量寫數字 | 每個工作天約 15 封 |
| 每次耗時 | 從開始到完成的實際時間,含等待 | 每封 10~20 分鐘 |
| 輸入資料 | 這項工作要讀哪些資料、放在哪裡 | 客戶來信、產品型錄、價格表試算表 |
| 產出 | 完成後交出去的是什麼 | 報價單草稿與回信草稿 |
| 誰檢查結果 | 目前由誰確認對錯、怎麼確認 | 業務主管看過後才寄出 |
| 常見例外 | 不照標準流程走的情況 | 客戶要求特殊規格、急件、議價 |
| 出錯後果 | 做錯會造成什麼影響 | 報錯價格可能造成損失或客訴 |
盤點時最容易漏掉的三類工作
- 藏在通訊軟體裡的工作:在 LINE 群組回答同事的庫存詢問、在信箱裡轉寄文件,這些不算正式流程,卻每天吃掉大量時間。
- 跨部門的交接:業務收到訂單後要通知倉庫、會計要向業務要發票資料,交接點的來回確認往往比工作本身更耗時。
- 只有某個人會做的事:某位資深同仁腦中記得哪些客戶有特別折扣、哪些商品不能退。這些隱性規則要先寫成文字,才談得上交給 AI。
盤點完通常會得到十到三十項候選工作。這時先不要急著討論「AI 做不做得到」,而是進入下一步,用同一套問題替每一項評分。
第二步:用五個問題替候選流程評分
挑第一個流程,要找的不是「最需要改善」的,而是最容易證明有效、而且失敗了也輸得起的。第一次試行的任務,是讓團隊學會怎麼和 AI 一起工作,並累積一個看得到的成果;把最困難、風險最高的流程放在第一個,失敗的機率高,也容易讓整個團隊對 AI 失去信心。
對每一項候選工作問以下五個問題,每題給 1 到 3 分,總分越高越適合當起點:
| 問題 | 3 分 | 2 分 | 1 分 |
|---|---|---|---|
| 多常發生? | 每天多次 | 每週數次 | 每月或更少 |
| 規則寫得出來嗎? | 多數情況可以寫成步驟 | 有規則但例外不少 | 主要靠經驗判斷 |
| 資料拿得到、可以用嗎? | 資料集中且有權使用 | 資料分散但可整理 | 資料缺漏或涉及授權疑慮 |
| 結果容易檢查嗎? | 看一眼就知道對錯 | 需要比對資料才知道 | 要事後很久才知道 |
| 出錯的代價高嗎? | 只影響內部、容易修正 | 可能影響客戶體驗 | 涉及金額、法律或安全 |
最後一題要特別注意方向:出錯代價越低,分數越高。總分 13 到 15 分的工作適合優先試行;10 到 12 分的可以排第二階段,先補強資料或規則;9 分以下的暫時不要交給 AI,尤其是「出錯代價」只有 1 分的工作,就算其他分數都很高,也應保留人工決定,最多讓 AI 準備參考資料。
評分示意:三項候選工作的比較
| 候選工作 | 頻率 | 規則 | 資料 | 可檢查 | 出錯代價 | 總分 |
|---|---|---|---|---|---|---|
| 依產品型錄回答常見規格問題 | 3 | 3 | 3 | 3 | 3 | 15 |
| 整理詢價信並產生報價草稿 | 3 | 2 | 2 | 2 | 1 | 10 |
| 評估客戶的付款條件與信用額度 | 1 | 1 | 2 | 1 | 1 | 6 |
在這個示意中,回答規格問題的分數最高,適合當第一個試行流程;報價草稿可以在第一個流程穩定後再做,而且要保留主管核准;信用額度評估則不建議交給 AI 決定。這個結果和直覺未必一樣,很多人第一個想到的是「報價最花時間」,但評分會提醒你:最花時間的工作,不一定是最好的起點。
哪些工作適合先交給 AI?用「自主程度」區分
同一個流程,AI 可以參與的深淺不同。與其問「這件事能不能交給 AI」,不如問「AI 在這件事裡做到哪一步」。我們建議把 AI 的參與程度分成四個等級,第一個試行流程最好停在前兩級:
| 等級 | AI 做什麼 | 人做什麼 | 適合的工作示意 |
|---|---|---|---|
| 一、提供參考 | 整理資料、摘要、找出相關文件 | 自己判斷與產出 | 會議紀錄摘要、內部規章查詢 |
| 二、產生草稿 | 寫出回覆、文案或表單的草稿 | 修改後送出 | 客服回信草稿、商品描述、招募通知 |
| 三、有條件自動執行 | 符合條件時直接完成,例外轉人 | 抽查並處理例外 | 營業時間與規格等固定問答 |
| 四、自主執行動作 | 自行決定並在系統中執行 | 事後檢視紀錄 | 一般不建議作為起點 |
從第一級往上走,節省的人力越多,風險也越大。第三級以上的工作,必須先定義清楚「什麼情況要轉給真人」,並保留完整紀錄;第四級牽涉 AI 主動在系統中寫入、寄信或付款,在團隊還沒累積經驗前,不要讓 AI 直接執行無法撤回的動作。
依工作型態看起點
- 整理與分類:把來信、表單或文件依類別分好、抽出重點欄位。結果容易檢查,常是很好的第一個流程。
- 查找與回答:依公司文件回答同事或客戶的固定問題。前提是文件本身正確且有人維護,客服情境的細節可參考 AI 客服導入的常見問題整理與轉真人設定。
- 產生草稿:文案、回信、報告初稿。AI 負責速度,人負責判斷與品牌口吻,草稿一律經過人工修改才對外。
- 監控與提醒:定期檢查資料,在異常時通知負責人。只通知、不動作,風險低,但要先定義好「什麼算異常」。
- 跨系統執行:自動建立訂單、更新庫存、寄出正式文件。效益高,但牽涉權限與錯誤回復,適合放在後期。
團隊準備好了嗎?從人員、資料、流程、風險四面向檢查
選好流程之後,還要確認團隊本身是否具備導入條件。準備度不足時硬做,常見的結果是:AI 上線了,卻沒人有時間檢查輸出;或是資料一團亂,AI 的回答跟著出錯。以下四個面向,每一面都至少要有基本答案,才適合開始試行。
人員:誰負責、誰使用、誰把關
- 有一位明確的負責人,能決定試行範圍、協調部門,而且每週撥得出固定時間。
- 實際使用的同仁參與規劃,知道為什麼要導入、自己的工作會怎麼改變。
- 指定覆核人,負責檢查 AI 的輸出,並且有權決定「這個回答不能用」。
- 主管接受試行期間效率可能先下降,因為新舊做法並行、同仁需要學習。
資料:在哪裡、對不對、能不能用
- AI 需要讀取的資料有固定的存放位置,而不是散落在個人電腦與聊天紀錄裡。
- 資料有人負責更新,例如價格、規格或公司規章改了,知道要同步修改哪裡。
- 確認資料可以提供給 AI 服務使用,包括客戶個資、合約內容與合作夥伴提供的資料。
- 機密資料與一般資料已經分開,AI 只拿得到完成任務所需的部分。
流程:寫得出來、穩定、知道什麼叫完成
- 流程能寫成一頁以內的步驟說明,包含常見例外怎麼處理。
- 近三個月內流程規則沒有大幅變動,也沒有已知的改版計畫。
- 「完成」有明確定義,例如回覆送出且客戶不再追問、草稿經主管核准。
- 已經量過現在靠人工完成這件事要花多久、錯誤有多少,作為之後比較的基準。
風險:權限、後果、紀錄、回復
- 列出 AI 可以讀取與可以執行的範圍,其餘一律不開放。
- 知道最壞情況是什麼,例如答錯價格、寄錯對象,以及發生時誰來處理。
- 每一次輸出與修正都有紀錄,事後可以追查。
- 有回復方式:發現問題時能立即暫停 AI,退回人工處理。
準備度不足怎麼辦?依缺口決定先補哪一塊
檢查完四個面向,很少有團隊全部達標。這不代表不能導入,而是要知道先補什麼。下表整理常見的缺口和對應做法:
| 缺口 | 可能的後果 | 建議先做的事 |
|---|---|---|
| 沒有明確負責人 | 試行沒人推動,幾週後就停擺 | 指定一位負責人並寫進工作目標 |
| 覆核人沒有時間 | AI 輸出沒人檢查,錯誤直接外流 | 先降到「提供參考」等級,或縮小範圍 |
| 資料散落、版本不一 | AI 依舊資料回答,答案前後矛盾 | 先整理出一份正式版本並指定維護者 |
| 流程規則經常改變 | 每次調整都要重新設定,維護成本高 | 先把流程穩定下來,再談自動化 |
| 不確定資料能否提供給 AI | 可能違反個資或契約約定 | 先查清楚資料從哪裡蒐集、當初的使用目的 |
| 沒有人工基準數據 | 試行結束後無法判斷有沒有改善 | 試行前先量兩週目前的處理時間與錯誤 |
其中最常被低估的是「流程規則經常改變」。如果一個流程本身還在摸索,自動化只會把混亂的做法固定下來,每次調整都要重新設定提示詞與知識資料,反而比人工更累。這種情況應該先讓流程穩定兩到三個月,期間可以讓 AI 停在「提供參考」的等級,一邊協助、一邊觀察規則。
另一個常見情況是團隊很小,沒有專人負責。這時可以把範圍縮到一個人的一項工作,例如老闆自己的詢價回覆,由同一個人兼任使用者、覆核人與負責人。範圍小不代表沒有價值,反而更容易在幾週內看到結果。
AI Agent 會「執行動作」時,風險要多想一步
一般的聊天工具只會產生文字,最壞的情況是回答錯了;AI Agent 則能使用工具,例如查詢資料庫、寄信、建立訂單或修改檔案。能做的事越多,出錯時的影響也越大。這也是為什麼評估 Agent 的準備度,要比評估一般聊天機器人更嚴格。
開放網路應用安全計畫 OWASP 在 2025 年版大型語言模型應用十大風險的「過度代理」說明中指出,這類風險的根源通常來自三件事:功能過多、權限過大與自主程度過高。例如只需要讀取文件的 Agent,卻接上一個同時能修改與刪除文件的外掛;或是只需要查詢資料,卻用一個也能新增、修改、刪除資料的帳號連線。只開放完成任務所需的最少功能與權限,是最直接的預防方式。
同一份說明也建議,對影響重大的動作採用人工核准,由人確認後才真正執行;例如代表使用者發布社群貼文的應用,應在送出前讓使用者確認。放到中小企業的情境,就是付款、寄出正式文件、修改客戶資料等動作,都應設計人工確認關卡。同一份清單也把提示詞注入(使用者或外部內容的指令改變了 AI 的行為)列為第一項風險,所以 Agent 讀取外部信件或網頁時,更不應該讓它直接執行重要動作。
| 檢查項目 | 要問的問題 | 建議做法 |
|---|---|---|
| 功能範圍 | Agent 接上的工具是否都必要? | 移除試行用不到的工具與外掛 |
| 資料權限 | 連線帳號能不能寫入或刪除? | 查詢任務一律使用唯讀帳號 |
| 動作核准 | 哪些動作無法撤回? | 寄信、付款、改資料前由人確認 |
| 外部內容 | Agent 會不會讀取來路不明的信件或網頁? | 外部內容只當資料,不當指令 |
| 紀錄與暫停 | 出問題時能不能追查、能不能立即停用? | 保留操作紀錄並準備暫停開關 |
法規與治理:台灣 AI 基本法、個資法與 NIST 框架怎麼參考
中小企業導入 AI,不需要一開始就建立龐大的治理制度,但有幾份公開文件值得當作檢查的參考。以下整理三份,內容僅供規劃參考,不構成法律意見;具體情況請洽詢專業人士。
台灣的《人工智慧基本法》:依全國法規資料庫的條文,本法於 2026 年 1 月 14 日公布,中央主管機關為國家科學及技術委員會。第 4 條列出政府推動 AI 研發與應用應遵循的原則,包括人類自主並允許人類監督、隱私保護與資料最小化、資安與安全、透明與可解釋,以及問責。這些原則是寫給政府施政的,但用來檢查企業自己的導入計畫也很合適。行政院在 2026 年 5 月說明,後續由數位發展部研擬 AI 風險分類框架,再由各目的事業主管機關訂定所轄產業的規範,企業應留意自己產業主管機關的後續公告。
《個人資料保護法》:第 5 條規定,個人資料的蒐集、處理或利用,不得逾越特定目的的必要範圍,並應與蒐集目的具有正當合理的關聯。實務上,這代表把客戶資料提供給 AI 服務之前,要先回頭看當初蒐集這些資料的目的與告知內容;超出原本目的的用法,應先確認是否需要另外告知或取得同意。
美國 NIST 的 AI 風險管理框架:依 NIST 官方說明,AI RMF 1.0 於 2023 年 1 月 26 日發布,屬於自願採用的框架;2024 年 7 月 26 日另發布了生成式 AI 的專屬補充文件。框架的核心分成治理、對應、衡量與管理四個功能。它原本為各種規模的組織設計,中小企業可以只取它的思考順序,對應到日常可以做的事:
| 功能 | 核心問題 | 中小企業可以做的事 |
|---|---|---|
| 治理(Govern) | 誰負責、規則是什麼? | 指定負責人,寫下 AI 使用原則與禁止事項 |
| 對應(Map) | 用在哪裡、影響誰? | 完成流程盤點表與出錯後果評估 |
| 衡量(Measure) | 表現得好不好? | 記錄處理時間、修改比例與錯誤類型 |
| 管理(Manage) | 風險出現時怎麼處理? | 設定轉人工條件、暫停方式與定期檢討 |
設計試行計畫:一頁寫清楚範圍、基準與停止條件
準備度確認之後,把試行內容寫成一頁計畫,讓所有參與的人對「做什麼、做多久、怎樣算成功」有同樣的理解。沒有事先寫下的成功條件,試行結束時就只剩感覺,容易變成「好像有用」卻說不出證據。
| 欄位 | 內容 | 填寫示意 |
|---|---|---|
| 目標 | 這次試行要證明什麼 | 確認 AI 能回答產品規格的常見問題 |
| 範圍 | 哪一個流程、哪些人、哪個頻道 | 業務部 3 人,只處理官網表單的規格詢問 |
| AI 的等級 | 提供參考、草稿或有條件自動 | 產生回覆草稿,業務修改後送出 |
| 可用資料與工具 | AI 能讀什麼、能做什麼 | 只讀產品型錄與常見問答,不接報價系統 |
| 比較基準 | 現行做法的耗時與品質 | 試行前兩週平均每封回覆所需時間 |
| 成功條件 | 達到什麼程度就擴大 | 草稿多數只需小幅修改,且沒有規格錯誤 |
| 停止條件 | 出現什麼狀況就暫停 | 出現一次錯誤規格送到客戶手上 |
| 期間與負責人 | 多久檢討一次、誰決定 | 試行 6 週,每週五由業務主管檢討 |
試行期間建議至少涵蓋四到八週,讓 AI 遇到足夠多的實際案例,也讓例外情況有機會出現。週期太短,只看到最順利的情況;太長則容易讓試行變成沒有結論的常態。
- 試行前兩週:量測目前的人工基準,整理 AI 要用的資料,確認權限只開放到必要範圍。
- 第一到二週:AI 只在內部產生草稿,同仁照常人工處理,同時比對兩者差異。
- 第三到六週:草稿經修改後正式使用,每週檢討修改比例與錯誤類型,調整提示詞與知識資料。
- 試行結束:對照成功與停止條件,做出擴大、調整或停止的決定,並寫下理由。
試行期間要記錄什麼?用數據決定擴大、調整或停止
記錄不必複雜,一張共用的試算表就夠了。關鍵是每一筆都記下「AI 給了什麼、人改了什麼、為什麼改」,這三欄會是調整的主要依據。
| 指標 | 怎麼記錄 | 代表什麼 |
|---|---|---|
| 處理時間 | 每件工作從收到到完成的時間 | 和人工基準比較,判斷是否真的省時 |
| 人工修改比例 | 草稿被大改、小改或直接採用的比例 | 比例下降代表設定逐漸到位 |
| 錯誤類型 | 答錯事實、語氣不對、漏掉資訊等分類 | 找出要補的知識或規則 |
| 轉人工比例 | AI 無法處理而交給真人的件數 | 太高代表範圍過大,太低要確認是否硬答 |
| 使用者回饋 | 同仁與客戶的意見 | 數字之外的接受度 |
試行結束時,把結果放回事先寫下的條件:達到成功條件,就可以擴大到更多人員或相鄰流程;部分達成,就找出主要的錯誤類型,修正後再試一輪;碰到停止條件,或節省的時間被檢查與修改抵銷,就應該停止這個範圍。不要因為已經投入時間就勉強擴大,停下來並記錄原因,本身就是有價值的結果,下一個流程可以少走彎路。
擴大時也要一次只改一個變數:增加使用人數,或增加處理的問題類型,或提高自主程度,不要三件事同時進行。這樣出問題時,才知道是哪一個改變造成的。
導入要準備多少時間與預算?先拆成四類成本
談到 AI 導入的費用,多數人只想到工具的訂閱價格,但在第一個流程的試行中,訂閱費往往不是最大的一筆。比較完整的估算方式,是把成本拆成四類,分別估算再加總:
| 成本類別 | 包含什麼 | 估算時要注意 |
|---|---|---|
| 工具與用量 | 平台訂閱、模型呼叫的用量費用 | 用量型計費會隨處理件數增加,試行時要觀察實際用量 |
| 設定與整理 | 整理知識資料、撰寫提示詞、連接頻道 | 資料越亂,這一塊花的時間越多 |
| 覆核人力 | 同仁檢查與修改 AI 輸出的時間 | 試行初期修改比例高,覆核時間不能省 |
| 外部協助 | 顧問、系統整合或客製開發 | 依範圍另外報價,和工具費用分開編列 |
時間方面,第一個流程從盤點到試行結束,常見的安排是兩週準備、四到八週試行,再加一週檢討。這段期間覆核人力是最容易被忽略的成本:如果檢查與修改 AI 輸出的時間,加起來和原本自己處理差不多,就代表範圍或設定還需要調整,而不是可以擴大的訊號。
以 AI 員工平台為例,Sharing-Pro AI 的官網常見問題提到,目前沒有免費方案,模型呼叫依實際用量扣除點數,點數用完時 AI 員工會自動暫停,補足後才恢復。這類用量計費的工具,試行期間要記錄每週的用量,才能推估擴大後的費用;重要的對外服務也要留意餘額,避免服務在半途中斷。方案內容與價格以官方當期說明為準。
AI 自動化導入常見錯誤與避免方式
| 常見錯誤 | 可能的影響 | 避免方式 |
|---|---|---|
| 先買工具再找用途 | 工具閒置,工作沒有減少 | 先完成流程盤點與評分 |
| 第一個就挑最難的流程 | 失敗機率高,團隊失去信心 | 從高分、低風險的流程開始 |
| 沒有量測人工基準 | 說不出有沒有改善 | 試行前先量兩週 |
| 把草稿直接對外發送 | 錯誤與不合宜的語氣直接外流 | 先停在草稿等級,經人工修改 |
| 權限一次全開 | 資料外洩或誤操作的影響擴大 | 最少權限,逐步開放 |
| 只有主管參與規劃 | 實際使用者不買單,回到舊做法 | 讓第一線同仁一起盤點與測試 |
| 試行沒有停止條件 | 問題拖延,成本持續累積 | 事先寫下停止條件與檢討日 |
從第一個流程到下一步
把這篇文章的步驟濃縮成一句話:先挑一個輸得起的流程,確認團隊準備好,再用一頁計畫和幾週的紀錄證明它有效。第一個流程成功之後,第二個流程會快很多,因為盤點表、評分方式、試行計畫範本和覆核習慣都已經建立起來。
在 AI 員工/自動化系統教學主題頁,可以看到 AI 員工從建立帳號、選角色模板、設定品牌口吻到頻道部署的完整步驟;第一個流程如果選在客服,AI 客服導入教學整理了問題分類、轉真人與服務時段的設定方式。同樣用流程地圖盤點工作的方法,也適用於營運系統的規劃,i-System 模組規劃的流程盤點做法可以一併參考。
如果希望有人協助盤點流程、評估團隊準備度並設計試行計畫,可以參考我們的 AI 員工與 AI 代理導入服務,或直接預約免費諮詢,從你們目前最花時間的一件事開始聊。