中小企業 AI 導入第一步：先盤點流程，不是先買工具

「我們也要用 AI」——這句話出現在 2026 年台灣中小企業的會議室裡的頻率，大概跟十年前的「我們也要做 App」差不多。結局也常常相似：買了工具、開了帳號、三個月後沒人登入。這篇文章談怎麼避免這個結局，方法是把順序倒回來：先盤點流程，最後才選工具。

為什麼從工具開始會失敗

工具先行的導入有一個結構性問題：工具定義了你能做什麼，於是你開始找「這個工具能解決的問題」，而不是「我最痛的問題」。結果通常是自動化了不痛不癢的環節，省下的時間看不見，訂閱費倒是每個月都看得見。

反過來，從流程開始的導入，第一個產出不是採購清單，而是一張「我們的時間都花去哪了」的地圖。有了地圖，工具的選擇會變得非常明顯——有時候答案甚至不是 AI，是一條試算表公式。誠實的顧問會把這種情況告訴你。

流程盤點怎麼做：三個欄位就夠

不需要顧問級的框架，一張表三個欄位就能開始。找團隊每個人列出自己「每週會重複做的工作」，逐項填：

欄位	問題	例子
頻率	多久做一次？	每天／每週三次／每月結帳時
耗時	每次多久？	30 分鐘／2 小時
規則明確度	能不能寫成步驟教新人？	能完整寫出／大致能／要看情況

把「頻率 × 耗時」相乘得到每週耗時，按大小排序；再用規則明確度篩選——能寫成步驟教新人的工作，就能教給 AI。「要看情況」的工作先放著，那是第二階段的事。

排序完成後，通常會出現三到五個明顯的候選：報表整理、資料轉檔、格式檢查、例行回覆。這就是你的導入候選清單，而且是用自己的數據排出來的。

挑第一個專案的三個條件

候選清單不等於全部都做。第一個專案的目的不是省最多時間，是建立「導入會成功」的組織經驗。挑的時候看三個條件：

1. 小：單一流程、單一部門，一個月內能上線。跨部門的大流程留給第二階段。
2. 可量測：導入前先記錄現在每週花幾小時，導入後才有對照。沒有數字的成功案例，在組織裡沒有說服力。
3. 有負責人：一個明確的人負責用它、回報問題。沒有主人的自動化流程，第一次出錯就會被棄用。

不該導入的五個訊號

出現以下任何一個訊號，誠實的建議都是「先別導入」——先把前置問題解決，錢才不會白花：

1. 流程本身還沒定義：連人來做都說不出標準步驟的工作，AI 也自動化不了。先寫出流程，哪怕只是一頁紙。
2. 需要的資料不存在：資料還在紙本、在個人電腦裡、在各說各話的表格裡。資料化是前置工程，得先做。
3. 沒有人願意當負責人：全公司都覺得「這是老闆想要的」，沒有人覺得「這是我的工具」。先解決動機，再解決技術。
4. 預期一次到位：期待買一次服務就永遠不用管。AI 導入是改流程，流程會變、模型會更新，維護是常態不是例外。
5. 預算只夠付工具訂閱：那就先直接用工具。通用工具能解決的問題不需要顧問；等具體痛點浮現，再花顧問的錢。

導入順序決策樹（文字版）

你有每週重複、規則明確、耗時可量化的工作嗎？
├─ 沒有 → 先做流程盤點（本文第二節），不要採購任何東西
└─ 有
   ├─ 通用工具（ChatGPT／試算表 AI 功能）能直接處理嗎？
   │  ├─ 能 → 先用通用工具一個月，記錄省時數字
   │  │      └─ 夠用 → 結案，把錢留著
   │  │      └─ 差最後一哩（要接系統／內部資料） → 進下一層
   │  └─ 不能 → 進下一層
   ├─ 資料是機器可讀的嗎（表格／系統，而非紙本）？
   │  ├─ 不是 → 先做資料化，再回來
   │  └─ 是
   │     ├─ 有明確負責人＋可量測基準嗎？
   │     │  ├─ 沒有 → 先指定負責人、記錄現況耗時
   │     │  └─ 有 → 適合客製導入：評估 → 小範圍驗證 → 擴大

四種常見流程的自動化樣貌

盤點表填完後，多數中小企業的候選清單長得很像。四種最常出現的流程，以及自動化後的實際樣貌：

1. 例行報表：每週從兩三個系統撈數字、貼進同一張表、寄給主管。自動化後：排程抓取 → 整併 → 產出報表草稿，人只做最後確認。這是規則最明確、投資報酬率最容易算的一類，適合當第一個專案。
2. 收件分流：客服信箱或表單進件，人工判斷類別再轉給對應窗口。自動化後：AI 依內容分類、貼標、草擬回覆，人審核後送出。重點是保留人工覆核——分錯件的成本由流程設計吸收，不是由 AI 的準確率保證。
3. 會議與文件摘要：會議錄音、冗長文件的重點整理。自動化後：逐字稿 → 摘要 → 行動項目清單。這一類幾乎可以直接用通用工具完成，是決策樹裡「先用通用工具」的典型。
4. 資料格式檢查：報價單、訂單、申請文件的欄位完整性與格式核對。自動化後：規則檢查抓硬錯誤、AI 抓語意錯誤（例如品名與型號不符），人只看被標記的例外。

注意四類的共同點：自動化後人都還在流程裡，位置從「執行者」移到「覆核者」。把人完全移出流程的設計，出錯時沒有人接得住——那不是效率，是風險。

導入後的維運：三件事排進行事曆

導入不是專案結束，是流程開始。三件事要有固定節奏：

• 每週看例外：自動化流程處理不了而丟給人的案例，是流程改進的原料；例外率持續下降才代表流程在成熟。
• 每月對數字：實際省下的工時對照導入前的基準。數字不動或倒退，原因通常是流程被繞過（大家私下回到老做法），要找的是原因不是戰犯。
• 模型或工具更新時重測：AI 服務的模型更換可能改變輸出行為，關鍵流程要有一組測試案例，更新後跑一遍確認結果還符合預期。

資料安全：分級處理，不是一刀切

「資料交給 AI 安全嗎」是初談最常見的問題，答案是看敏感度分級：不含個資與機密的流程用雲端模型即可；含客戶個資的資料先去識別化再處理；真正的核心機密評估地端或私有部署。把「全部都不敢動」換成「分級後大部分能動」，導入範圍就打開了。

顧問能幫什麼、不能幫什麼

把外部顧問的角色說清楚，你才知道什麼時候該花這筆錢：

顧問能做的：把盤點方法帶進來並主持訪談（內部人盤自己的流程常有盲點——習慣了的浪費看不見）；把候選清單換算成省時估算與導入順序；設計資料邊界與工具選型；把第一個專案做出來並留下文件，讓第二個專案你們自己能複製。

顧問不能做的：替你定義還不存在的流程（那是管理工作，不是技術工作）；替你的團隊產生使用意願（工具被用起來靠的是內部負責人，不是外部廠商）；保證某個比例的效率提升（省時數字要導入後量測才算數，事前只有估算）。

判斷一個 AI 顧問值不值得付費，就看他敢不敢把第二段講清楚——把自己不能做的事說明白的顧問，做得到的部分才可信。

下一步

盤點做完、決策樹走完，如果落在「適合客製導入」，AI 顧問與導入服務的深度診斷（NT$3,000）會把你的候選清單變成含省時估算的導入計畫；如果落在其他分支，恭喜你省下一筆顧問費——三個月後流程盤點表更新時再走一次決策樹就好，答案會隨你的資料化程度改變。另外，AI 不只改變內部流程，也改變了客戶找到你的方式——你的公司在 ChatGPT 的回答裡嗎？見〈GEO 是什麼〉。