公司 AI 化從哪開始？先選一條能驗收的工作流程

公司想導入 AI，第一條流程怎麼選？

先把「我們想用 AI」換成一件可以觀察的工作，例如把客戶詢問整理成待補資料清單，或把已核准素材整理成商品介紹初稿。誰會使用、現在怎麼完成、哪一步最耗力，都比先選模型名稱更能縮小問題。

我們評估新工具時，會分開看：問題是否真的存在、解法是否適合，以及改善是不是一定要靠新工具。如果把表單欄位整理清楚就能解決，就先處理資料；如果工作確實需要理解不同說法，再試 AI。這是我們的方法，不是已證明適用每家公司的標準答案。

手機可左右滑動查看完整表格。

如果你目前只用網頁版 ChatGPT，可先照ChatGPT 專案入門教學完成第一個資料與指令練習，再回來整理這篇的方法。

一個 AI 導入試點，至少要定義哪些事情？

把試點寫成一句可以驗收的工作：「收到一則詢問後，產出問題分類、資料缺漏與回覆草稿，由承辦人確認後處理。」這比「打造 AI 客服」更容易判斷是否完成，也能清楚劃出尚未授權的動作。

至少寫下輸入、輸出、負責人、禁止自行決定的事項，以及失敗時怎麼回到原流程。資料涉及公司或客戶時，先確認這次測試可使用的範圍；去掉不需要的識別資訊，往往也讓測試更容易重現。

例如詢問整理試點不需要知道客戶完整住址，卻需要原始問題及適用商品規格。測試資料少了會影響判讀的內容，就應標記限制，不能把刪減後的好成績直接當成正式運作能力。

什麼時候用 Prompt、固定流程或 Agent？

先試一段清楚的指令與必要資料，確認單一步驟能做對，再考慮串接。若處理順序固定，可以用明確步驟安排工作；只有需要隨情況選工具、回查資料或調整路徑時，才評估更自主的 Agent。

Anthropic 在〈Building effective agents〉區分預先安排路徑的 workflow 與由模型動態決定路徑的 agent，並建議先找能解決問題的簡單方案。這是工程設計原則，不是本文試點已經有效的證據。官方原文

同樣地，不必在第一天就把所有文件放進大型知識庫。先提供這條流程真的會用到的資料，確認它能被讀取、版本有效、回答可回查。需要重用方法時再整理 Skill；資料開始重複或互相衝突時，再建立更新規則。

各種材料放哪裡，可以接著看Prompt、Skill 與知識庫的差別；資料更新的責任則可參考現況與歷史整理方法。

怎麼驗收，才知道是否值得擴大？

在開始前，先保存原流程的品質與投入基準。選相同或條件相近的案例，比較交付是否正確、漏了什麼，以及人要花多少時間修正。不要只量 AI 產出第一版有多快。

例如詢問整理可以記錄：商品是否辨識正確、必要問題有沒有漏、是否自行承諾沒有授權的條件，以及人工核對與重寫所花的時間。測試一段時間後，連同資料整理、工具費用及維護投入一起判讀。本文沒有替所有企業設定同一個通過率或節省比例。

請把以下工作整理成一個可人工驗收的小型 AI 試點，不採購、不串接系統，也不執行對外操作。
先用已提供資訊整理：目前工作流程、輸入、輸出、使用者、負責人與現有替代方式。不知道的欄位標「未知」。
判斷哪些步驟適合固定規則，哪些需要語意判斷，並說明理由。
提出最小試做範圍、需要的資料，以及一般案例、缺資料案例、例外案例各要檢查什麼；不要捏造案例結果。
列出開始前要記錄的人工基準、試做後的品質與總工時紀錄，以及哪些錯誤需要停止並交回人員。
最後只推薦一個先做的步驟，並列出會改變這個建議的關鍵缺口。
工作描述：【貼上最近一次實際工作、卡點與可提供資料】

若品質可接受，人工修正負擔也能負擔，再增加案例或工作量；若錯誤集中在某種情況，先縮小適用範圍。顧問或工具供應商離開後，內部仍要有人知道誰維護資料、誰處理例外，以及何時停回人工。這些責任也應算進是否擴大的決定。

開始試點前，也可用交付驗收方法定義一筆案例的通過條件；個人練習入口整理在AI 協作總覽。