AI 工作流是什麼？中小企業從一條流程開始的完整指南

「我們公司每個人都在用 AI 了，寫信用、翻譯用、做簡報也用，可是整間公司好像沒有變快。」這是我最近很常聽到的一句話。老闆花錢買了帳號，也辦了內訓，員工確實會用，但每天早上該對的單還是要對、該回的訊息還是一則一則回、該做的報表還是月底熬夜做。AI 變成每個人桌上一個比較聰明的小幫手，可是公司的流程一點都沒變。

我是熊董，台灣川輝科技創辦人。帶團隊做系統導入七年，經手超過 34 個案子、14 個以上產業。現在我自己一個人加 AI，一年交付 2,000 萬以上的客製系統，靠的不是比較會下指令，而是把工作拆成一條一條會自己跑的流程。

AI 工作流，是一件事從「發生」到「產出結果」的整條路，中間不用人手動搬資料；AI 只負責那幾個看不懂固定格式的步驟——讀訊息、分類、摘要、寫草稿——能用規則算的交給程式，要負責任的決定留給人。中小企業導入 AI 工作流的正確起點，是挑一件每天發生、輸入很亂、但結果可以檢查的事，把它拆成六個零件：觸發、輸入、AI 判讀、規則處理、人工確認、輸出與紀錄，然後用真實資料跑一個月。先讓一條流程真的跑起來，比讓全公司都學會 AI 有用得多。

AI 工作流是什麼？跟「會用 ChatGPT」差在哪？

先講你的直覺哪裡是對的。讓員工先學會用 AI，方向沒有錯，至少大家不怕它了，也知道它能做什麼。這是很好的起點。

但員工用 AI，本質上還是「人在做事，AI 幫忙」。每一次都要有人打開視窗、貼上資料、想怎麼問、把結果複製出來、再貼到別的地方。人仍然是那條流程裡的搬運工，AI 只是讓其中一段搬得快一點。

AI 工作流反過來，是「流程在跑，人在關鍵點出手」。客人在 LINE 傳了一則詢價，系統自己讀、自己分類、自己查價格、自己產生報價草稿，最後才推到業務面前讓他確認送出。人從頭到尾只出現一次，而且是在真正需要判斷的地方。工具和工作流的差別，我在用了 ChatGPT 還是一樣忙那篇有更完整的比較。

簡單說：會用 AI 是個人能力，AI 工作流是公司能力。前者會跟著員工離職一起走，後者會留在公司。

一條 AI 工作流，由哪六個零件組成？

不管是處理詢價、整理訂單還是產出週報，我看到能穩定跑的 AI 工作流，都可以拆成同樣六個零件。拆開來看，你會發現 AI 其實只佔其中一兩個。

零件	它在做什麼	以 LINE 詢價為例	最常見的錯
觸發	什麼事情發生時開始跑	客人傳來一則訊息	靠人想起來才開始
輸入	這條流程需要哪些資料	訊息內容、客戶過去紀錄	資料散在好幾個地方
AI 判讀	把亂的東西變成有格式的資料	判斷是詢價、客訴還是閒聊，抓出品項與數量	讓 AI 直接做最後決定
規則處理	可以寫成公式的部分	依品項、數量、客戶等級查價	把能寫規則的也丟給 AI
人工確認	要負責任的那一下	業務看草稿、按下送出	每一步都要人確認
輸出與紀錄	結果去哪裡、留下什麼	報價送出、存進客戶紀錄	做完沒留痕跡，無法追蹤

這張表裡最容易被忽略的是第四格。很多人以為 AI 工作流就是「全部交給 AI」，結果連查價、算折扣這種有標準答案的事也叫 AI 去做。AI 擅長的是讀懂不規則的東西，不擅長每一次都算出同一個數字。能寫成規則的，就用規則，這樣結果才穩定、才查得到錯在哪。

第六格也很重要。工作流跑完如果沒有留下紀錄，你就不知道它這個月處理了幾件、哪幾件被人改過、哪幾件卡住了。沒有紀錄，就沒辦法改善。

哪些步驟該交給 AI、哪些給規則、哪些留給人？

拆完零件之後，每一個步驟都要決定由誰來做。我用兩個問題判斷：輸入的格式固不固定？做錯的代價高不高？

• 格式亂、出錯代價低：交給 AI 直接處理。例如把客人的訊息分類、把會議錄音整理成摘要。錯了也只是多花一分鐘改。
• 格式亂、出錯代價高：AI 產草稿，人確認。例如對外報價、回覆客訴。AI 省掉的是從零開始寫的時間，決定權還在人手上。
• 格式固定、出錯代價低：用規則全自動。例如每天固定時間把訂單匯總、發提醒給負責的人。
• 格式固定、出錯代價高：規則計算，人按送出。例如付款、扣庫存、調整價格。系統算好、把異常標出來，最後一下留給人。

這四格裡，真正需要 AI 的只有左邊兩格。右邊兩格用一般的流程自動化就能做，而且更穩定。很多公司說要導入 AI，最後真正省最多時間的，反而是右邊那些把人工搬運拿掉的規則。哪些事連自動化都不該碰，可以搭配有些事你不該自動化那份清單一起看。

從一條流程開始：五個步驟把它做起來

挑哪一條流程最划算，我在中小企業導入 AI 第一步那篇有完整的評分方法。這裡假設你已經選好了，接下來照這五步做。

第一步：把現在的做法寫下來

不要先想 AI 能做什麼，先寫下現在這件事是怎麼完成的：誰收到、用什麼工具、查了哪些資料、花多久、做完交給誰。寫的時候一定要問實際在做的那個人，不要只問主管。主管講的通常是應該怎麼做，現場做的人才知道實際怎麼做。

第二步：定義輸入和輸出

這條流程吃進來什麼、吐出去什麼，要具體到欄位。例如輸入是「LINE 訊息內容、客戶名稱」，輸出是「一張含品項、數量、單價、交期的報價草稿」。輸出定義不清楚，你就沒辦法判斷 AI 做得對不對。

第三步：拆成六個零件，決定每一步誰做

用上面那張表和四象限，把每一步標上 AI、規則或人。標完你通常會發現，人工確認點可以從原本的五六個縮到一兩個。

第四步：設好例外出口

任何流程都會遇到不符合規則的情況：客人一次問了三件事、品項不在價目表上、訊息根本看不懂。AI 工作流一定要有一個出口，讓這些例外直接轉給人處理，而不是硬做出一個錯的結果。好的工作流不是什麼都能處理，是知道什麼時候該停下來交給人。

第五步：用真實資料跑一個月

不要用測試資料，用每天真實發生的案件跑。跑的過程記下三件事：處理了幾件、有幾件被人改過、有幾件走了例外出口。一個月後看這三個數字，就知道這條流程要再調哪裡。川輝的陪跑導入也是用這個節奏：一個月導入一條流程，第一個月約定的流程沒有用真實資料跑起來，就免費再陪一個月。

走一遍：一則 LINE 詢價怎麼變成報價草稿

用一個常見情況把五步串起來。假設一家做設備零件的公司，客人習慣在 LINE 上問價，業務每天要花不少時間回。

現在的做法是：業務看到訊息，打開價目表 Excel 查單價，再翻客戶過去的成交紀錄看要不要給折扣，算好之後打一段文字回覆，有時候還要另外做一張報價單。整個過程，業務真正在「判斷」的只有要不要給折扣那一下，其他都是在搬資料。

拆成六個零件之後：客人傳訊息是觸發；訊息內容和客戶紀錄是輸入；AI 負責讀懂訊息，抓出品項、數量和交期需求，並判斷這是不是詢價；查單價和套用客戶等級折扣是規則處理；系統產出報價草稿，推給負責的業務是人工確認；業務按下送出後，報價存進客戶紀錄，這是輸出與紀錄。

例外出口設三個：AI 判斷不出品項、品項不在價目表上、數量超過某個門檻。這三種直接轉給業務，附上原始訊息，不產草稿。這樣跑一個月，你會很清楚看到哪一類訊息最常走例外，下一輪就知道該先補價目表還是先調判讀規則。

人工確認點要設在哪？我自己踩過的坑

講一個我自己的失敗。我曾經做過一個流程：每天要發的內容，發文前先推播一張卡片給我核可，我按了才會發出去。技術上完全沒問題，結果連續八張卡我一張都沒按，全部過期。

不是系統壞了，是這個確認點不符合我實際怎麼工作。我那段時間根本不會在固定時間看手機，卡片推過來就被其他訊息淹沒。那條流程等於設計了一個永遠不會被通過的關卡。

從那之後，我設人工確認點都會先問三個問題：負責確認的人，通常在什麼時間、用什麼裝置處理事情？沒按的話，流程要怎麼走——等待、提醒、還是自動轉給別人？確認點是不是真的需要，還是只是因為不放心？把判斷拆清楚，很多確認點其實可以拿掉，這件事在老闆每件事都要簽？把判斷拆成 AI Flow那篇講得更細。

怎麼知道這條 AI 工作流有沒有用？

上線之後，不要只看「大家覺得有沒有比較方便」。我會看四個數字。

1. 處理時間：從事情發生到產出結果，花多久。
2. 漏接數：有多少件事情該處理卻沒被處理。
3. 人工改動比例：AI 或規則產出的結果，有多少被人改過。比例高，代表判讀或規則要調。
4. 例外比例：有多少件走了例外出口。比例一直很高，代表這條流程的範圍可能切錯了。

這四個數字不需要一開始就很好看。第一個月人工改動比例偏高很正常，代表 AI 還在學你們公司的說法、規則還有漏洞。重點是它每週有沒有往下降。如果跑了一個月都沒動，就回到第三步，重新檢查是不是把該用規則的步驟丟給了 AI，或者輸入資料本身就不完整。

用案例說明這些數字長什麼樣。我們做過一家冷凍機械廠，LINE 一天有 50 到 80 則訊息，沒有人專門負責。做完之後，訊息漏接趨近於 0，客服效率提升 150%，回覆速度快了 75%，業績也成長了 23%。另一家印刷廠，原本手算一張報價要 30 分鐘，後來變成自動估價。這些都是從一條流程開始的，不是一次把整間公司翻過來。

常見問題

AI 工作流要用什麼工具做？

看流程的複雜度和你公司有沒有人能維護。n8n、Make 這類流程自動化工具，適合串接現成服務、規則不複雜的流程；牽涉到公司內部資料、權限和多個系統的，通常要客製。先把流程拆清楚，工具的選擇會變得很簡單。

導入 AI 工作流需要先有 ERP 嗎？

不需要。很多 AI 工作流處理的正好是 ERP 管不到的地方，例如 LINE 訊息、電子郵件、紙本單據。但工作流的輸出最後要存到某個固定的地方，不能又散回 Excel 和群組裡，這一點要先想好。

一條 AI 工作流做起來要多久？

範圍切得小、資料來源單純的，一個月內就能用真實資料跑起來。範圍越大、要串的系統越多，時間就越長。我的建議是寧可先做一條小的跑順，再往外擴，不要第一條就想把整個部門的事都包進去。

員工會不會因為 AI 工作流被取代？

AI 工作流拿掉的是搬資料、抄單、重複查詢這些動作，不是判斷。原本花大半天在搬運的人，會有時間去處理例外和需要溝通的事。導入時把這一點講清楚，並讓第一線的人參與設計，抗拒會少很多。

結語：先讓一條流程自己跑起來

AI 工作流不是一個工具，也不是全員學會下指令，而是把一件每天發生的事拆成六個零件，讓 AI、規則和人各做自己最擅長的那一段。一條流程真的跑起來，比一百個人會用 AI 更能讓公司變快。

如果你已經想好要從哪件事開始，卻不確定該怎麼拆、確認點該設在哪，帶著那一件事來做一次 30 分鐘免費診斷，我們一起把它畫出來。