AI ERP 在不同產業怎麼用？製造、零售、服務業各一個例子

「我們這個產業很特殊，AI ERP 那些應該用不上吧？」

這句話我在製造業聽過，在餐飲業聽過，在診所和美業也聽過。每個老闆都覺得自己的生意跟別人不一樣，這其實沒說錯。印刷廠的報價、甜點店的預購、門店的預約，表面上完全是不同的事。但當我把這幾年做過的案子攤開來看，AI 落地的位置，幾乎都長在同一種地方。

我是熊董，川輝科技創辦人。帶團隊做系統導入七年，經手超過 34 個案子、14 個以上產業，現在一個人加 AI，一年交付 2,000 萬以上的客製系統。這篇我挑三個不同產業的例子，數字都是實際的結果，用產業描述而不寫客戶名稱。

AI ERP 在不同產業的用法看起來不一樣，背後的邏輯其實相同：AI 不是取代整套 ERP，而是接手流程裡「量大、有規則、但原本靠人判斷或手打」的那一段。製造業常落在報價和估價，把老師傅腦中的算法變成系統規則；零售和品牌常落在訂單進件和會員回購，把各通路的訂單自動整理、把該回購的客人找出來；服務業常落在預約和提醒，讓客人自己約、系統自己提醒。先找出你們公司的那一段，再談要不要上整套系統，順序反過來，通常就是花了錢卻沒人用。

AI ERP 跟一般 ERP 差在哪？先講一個常見誤會

老闆期待 AI 讓系統更聰明，這個期待很合理。傳統 ERP 最讓人頭痛的，就是什麼都要人去輸入、去判斷、去對。如果 AI 能接手一部分，當然是好事。

但很多人想像的 AI ERP，是一套「會自己懂你生意」的系統：裝上去，它就知道怎麼報價、怎麼排程、怎麼預測。這種東西不存在。AI 再厲害，也不知道你們家的紙材損耗怎麼算、哪個客戶一定要先出貨、哪種療程的客人容易爽約。這些規則在你的公司裡、在老員工的腦子裡，要先被整理出來，系統才接得住。

所以比較準確的說法是：AI ERP 是在一套資料清楚的系統上，把幾個特定的環節交給 AI 或自動化處理。這幾個環節選對了，效果非常明顯；選錯了，或是底下的資料一團亂，加再多 AI 也沒用。AI ERP 能做的事情有哪幾類，我在 AI ERP 能幫你做什麼那篇整理過。這篇換個角度，直接看三個產業的實際落點。

還要先說明一點：下面三個例子裡，有些環節是 AI 在做判斷，有些是規則清楚的自動化。對老闆來說，這個差別其實不重要，重要的是那一段不再靠人手、不再靠某個人的記憶。

製造業：印刷廠把估價交給系統

第一個例子是一家印刷廠。

印刷業的報價是出了名的難。同一張單，紙材、尺寸、數量、印刷色數、後加工方式，每一項都影響成本，組合起來非常多。這類工廠的算法，常常只存在少數幾個老師傅的腦子裡，業務接到詢價，要等老師傅有空才能算。這家印刷廠原本一張報價就要手算 30 分鐘，算的人一請假，報價就停擺。

這家印刷廠在找到我們之前，已經花了超過百萬、買過兩套 ERP，兩套都用不起來。第三套跟前兩套最大的不同，是照他們自己的流程做，而不是要現場去配合一套現成的軟體。

在這個前提下，最核心的一步，就是把老師傅的估價邏輯一條一條拆出來，變成系統裡的規則，業務輸入規格，系統自動估價。結果是報價從手算 30 分鐘變成自動估價，訂單漏接趨近於零，員工採用率從不到兩成提高到九成以上。

這個例子裡，最值錢的不是技術，而是「把老師傅腦中的判斷拆成規則」這一步。拆出來之後，估價就不再依賴某一個人，新進業務也能當場回覆客戶。前兩套為什麼失敗、第三套做對了什麼，我在花一百萬買兩套 ERP 沒人用那篇有完整的拆解。

零售與品牌：甜點品牌的訂單與回購

第二個例子是一個甜點品牌。

這類品牌的痛點通常集中在訂單。預購、節慶禮盒、門市自取、宅配，訂單從官網、LINE、電話、社群私訊各個地方進來，格式都不一樣。旺季的時候，光是把訂單整理清楚、確認口味數量、排出貨日期，就要好幾個人一起處理，抄錯一個口味或日期，就是一張客訴。

另一個常見的問題是會員。買過的客人很多，但沒有人知道誰多久沒回來買了、誰每年都會買生日蛋糕、誰只在節慶出現。客人資料存在系統裡，卻沒有被拿來做任何事。

這個品牌做完系統之後，訂單處理時間減少了 88%，人為錯誤率降低了 99%，會員回購成長了 400%。從這三個數字看得出來，改善集中在兩個地方：一是訂單處理，處理時間和錯誤同時大幅下降，代表訂單不再靠大量人手抄寫和核對；二是會員回購，代表買過的客人資料被真正拿來經營，而不是躺在系統裡。

我要特別說一句：回購成長 400% 是這個品牌的結果，不代表每家都能做到同樣的數字，產品、客群、價格都會影響。但「訂單不再靠人抄、會員資料有人在用」這兩件事，幾乎每個零售品牌都用得上。訂單系統的設計細節，可以看甜點品牌訂單系統那篇。

服務業：預約制門店的預約與提醒

第三個例子是一家預約制的門店，用 LINE 做線上預約。

預約制生意常見的日常，是電話和訊息接不完。客人打電話來約時間，櫃台要翻行事曆、確認人手、記下來；快到的時候要打電話提醒；客人臨時取消或沒來，那個時段就空掉了。櫃台很大一部分的時間，都花在這些來回上。

這家門店把預約搬到 LINE 上做線上預約，結果是人力成本減少 50%，線上預約增加 80%，No-Show（爽約）減少 90%。

LINE 預約這類系統，一般做的是三件事：讓客人自己看空檔、自己選時段；在預約前自動提醒；讓客人方便改期。爽約能大幅下降，通常不只靠提醒本身，而是提醒加上方便改期。客人收到提醒，發現那天沒辦法來，可以直接改時間，而不是乾脆不來，空出來的時段也還來得及給別人約。預約流程和提醒怎麼設計，可以參考預約制生意的 No-Show 怎麼降。

服務業還有另一種 AI 的用法，落在諮詢和成交。一間生髮診所導入 AI 植髮模擬系統，讓客人在諮詢時就能看到模擬結果，諮詢轉換率提升了 35%。這裡 AI 接手的，是原本只能靠諮詢師口頭描述、客人很難想像的那一段。

三個例子放在一起看：AI 都落在同一種地方

把三個例子並排，你會發現一個共同的模式：

產業例子	這類生意常見的卡點	系統或 AI 接手的那一段	留給人的	結果
印刷廠	報價靠老師傅手算	依規則自動估價	特殊規格判斷、客戶關係	報價 30 分鐘變自動估價，採用率不到兩成到九成以上
甜點品牌	多通路訂單靠人抄	訂單自動整理、會員提醒	產品、口味與服務	訂單處理時間 -88%，錯誤 -99%，回購 +400%
預約制門店	預約與提醒靠電話	線上自助預約、自動提醒與改期	現場服務品質	人力成本 -50%，預約 +80%，爽約 -90%

三個產業、三種生意，但 AI 和自動化接手的，都是同一種工作：

• 量大：每天、每週都在發生，不是一年幾次。
• 有規則：規則可能藏在某個人腦子裡，但講得出來、拆得開。
• 原本靠人判斷或手打：卡在某個人身上，那個人一忙或一請假，整條線就停。

而留給人的，都是真正需要判斷、需要溫度的部分：特殊規格要不要接、產品要怎麼做、現場服務要怎麼給。這不是巧合，而是 AI 落地最穩的切法。

還有一個前提，三個例子都繞不開：資料要先在系統裡，而且要乾淨。估價要自動，紙材、加工、損耗這些基本資料就要先建好；訂單要自動整理，商品和口味的編號就要先統一；預約要自助，服務項目、人員、時段的規則就要先定清楚。很多公司想跳過這一步，直接要 AI 幫忙判斷，結果 AI 拿到的是一堆寫法不一致、欄位缺漏的資料，判斷出來的東西自然不能用。

所以當老闆問我「我們能不能用 AI」，我常常先反問：「這一段的資料現在在哪裡、長什麼樣子？」答案如果是「在某個人的 Excel 裡」或「在 LINE 聊天紀錄裡」，那第一步就是先把資料搬到一個整齊的地方。這一步不性感，卻是後面所有效果的地基。

你的公司 AI 該落在哪一段？用四個問題找出來

看完別人的例子，回到你自己的公司。我在診斷時常用下面這四個問題，幫老闆找出最該先做的那一段：

1. 這件事多常發生？ 每天或每週都在發生的，才值得做。一年幾次的，做一份好用的範本就夠了。
2. 規則講得出來嗎？ 找最熟這件事的人，請他講清楚怎麼判斷。講得出來，就能拆成規則；連他都說「看情況」，表示還沒到可以交給系統的時候。
3. 現在卡在誰身上？ 如果只有一兩個人會做，那個人就是瓶頸，也是風險，這通常是最痛的地方。
4. 錯了代價多大？ 代價可控的，可以讓系統直接處理；代價很高的，讓系統算好、標出異常，最後由人確認。

把這四個問題套到你們的流程上，通常會有一兩段同時符合「常發生、規則講得出來、卡在某個人身上」。那就是你們公司的切入點。從那一段開始做，做出成效、讓大家相信這件事有用，再一段一段往外擴。

這裡分享一個我自己常用的小技巧：問規則的時候，不要問「你怎麼判斷」，而是拿最近十張真實的單子，請最熟的人一張一張講為什麼這樣處理。抽象地問，對方只會說「看情況」；拿著具體的單子問，他會講出「這種紙一定要多抓損耗」「這個客戶一定要先出」這類真正的規則。十張講完，規則通常就浮出大半了，剩下講不出來的，就是真正需要人判斷、暫時不該交給系統的部分。

反過來說，如果你發現每一段的規則都講不清楚，那現在該做的不是導入 AI，而是先把規則整理出來。這一步不需要買任何系統，但它決定了之後所有的投資會不會白費。

常見問題

AI ERP 適合中小企業嗎？

適合，但不是整套買來就有效。中小企業最適合的做法，是從一段量大、規則清楚、目前卡在某個人身上的流程開始，例如報價、訂單進件或預約提醒，做出成效之後再擴大。底下的資料要先整理乾淨，AI 才接得住。

製造業導入 AI ERP 應該從哪裡開始？

很多製造業最適合從報價或估價開始，因為它通常靠少數老師傅手算、組合多、又直接影響接單速度。把估價邏輯拆成規則放進系統，業務就能當場回覆客戶，也不再依賴特定的人。

AI ERP 的效果可以保證嗎？

不能保證。文中的數字都是個別案例的實際結果，產品、客群、流程和執行程度都會影響成效。能確定的是，把量大、有規則、原本靠人手的環節交給系統，通常能減少錯誤和重複工作，但營收能成長多少，取決於很多系統以外的因素。

已經有 ERP 了，還能加上 AI 嗎？

多數情況可以。如果現有系統的資料完整、能被讀取，就能在特定環節上接 AI，例如自動整理訂單、產生報價說明、挑出異常。如果現有系統資料很亂、或根本沒人在用，就要先評估是整理資料、修補系統，還是重新規劃。

AI 該落在你們最常卡住的那一段

一句話收尾：AI ERP 不是一套讓公司變聰明的軟體，而是把流程裡最常發生、規則講得出來、卻一直卡在某個人身上的那一段，交給系統去做。找對那一段，不同產業都用得上；找錯了，再先進的系統也只是另一套沒人用的軟體。

如果你想知道從找出切入點到系統上線，整個導入該怎麼排、要準備什麼，可以先看 ERP 導入怎麼做。