一個人加 AI 一年交付 2,000 萬系統：我的工作流公開

最常被問的一個問題是：「你一個人，怎麼可能一年交付 2,000 萬的系統？背後是不是其實有一整個外包團隊？」問的人通常帶著一點懷疑，也帶著一點好奇。懷疑是因為這個數字聽起來不像一個人做得到；好奇是因為，如果真的做得到，那他自己公司的很多事，是不是也能用同樣的方法處理。

我是熊董，台灣川輝科技創辦人。以前我帶團隊做系統導入七年，經手超過 34 個案子、14 個以上產業；更早之前，我自己當老闆，做過六個產業，三年虧掉 700 萬。那段日子最貴的一課是「一直擴編」：每次卡住就再請一個人，結果要盯的人越來越多，問題卻沒有變少。現在我一個人加 AI，一年交付 2,000 萬以上的客製系統。這篇把我的工作流攤開來講。

先講答案：一個人加 AI 做得到，不是因為 AI 會寫所有程式，而是我把工作切成兩半——需要判斷的留給自己，可以寫成規格的交給 AI。判斷包括：這件事該不該做、資料要怎麼設計、做到什麼程度算完成；交給 AI 的包括：寫程式、寫測試、整理文件、產出規格和報價的初稿。整個工作流分五段：診斷時先砍需求、寫書面規格、我自己設計資料模型、AI 實作而我逐段審查、分段交付與驗收。效率最大的來源不是 AI 寫得快，而是一開始就把不該做的東西砍掉。

一個人接大案，聽起來很冒險？

先承認這個疑慮是對的。一個人接案，客戶最擔心的事很實際：你生病了怎麼辦？案子做到一半你接不動了怎麼辦？上線之後出問題找誰？以前我帶團隊的時候，也會用「我們有幾個工程師」來讓客戶安心，人多看起來就是比較穩。

但我在那七年裡看到的是另一面。人多不等於穩，人多代表溝通的層級多、交接的縫隙多、每個人對需求的理解都有一點不一樣。很多專案出問題，不是因為某個工程師不夠厲害，而是需求從老闆傳到業務、從業務傳到專案經理、再傳到工程師，傳到最後已經變了樣。

一個人加 AI 的好處，是這條傳話鏈消失了。聽需求的是我，設計資料的是我，審查程式的也是我。AI 負責的是執行，而執行的依據是我寫下的規格。所以穩不穩，關鍵不在人數，而在規格寫不寫得清楚、交付切得夠不夠細、出問題時有沒有人負責。這三件事我在後面會一一講。

我的工作流：五個階段

第一段：診斷，先砍需求

案子通常從一場 30 分鐘的免費診斷開始，我本人線上進行。結論只有四種：不用做、陪跑導入、客製開發、企業顧問。很多人以為我的工作是寫系統，其實我花最多力氣的地方，是告訴老闆哪些不要做。

我最常講的一句話就是「這個不要做」。十件想自動化的事，大概兩件值得寫系統、五件用現成工具就好、三件根本不該碰——一個月用兩次的、每次規則都不一樣的、做完沒人維護的。這一刀砍下去，後面要寫的東西少一大半，這才是一個人做得完的真正原因。

第二段：書面規格

確定要做之後，我會寫一份書面規格，客製開發也是依這份書面規格報價。規格裡寫的不是功能清單，而是流程：誰、在什麼時候、做什麼事、資料從哪裡來、做完之後交給誰。寫規格的過程中，我會反覆跟客戶確認，很多時候客戶自己也是在這個階段，才第一次把公司的流程完整講清楚。

這份規格同時是給 AI 看的。規格寫得越清楚，AI 寫出來的東西越接近我要的；規格寫得模糊，AI 會很快、很有自信地寫出一個錯的東西。所以這一段我從不省時間。如果你想知道客製開發的規格、收款和驗收要注意什麼，客製化系統開發要注意什麼那篇有完整說明。

第三段：資料模型，我自己設計

資料要怎麼存、哪些東西是主檔、哪些是交易、彼此怎麼關聯，這是整套系統的地基。地基錯了，上面蓋得再漂亮，之後都會一直補。這一段我不交給 AI 決定。AI 可以幫我列出可能的設計、指出我漏掉的情況，但最後怎麼設計，我自己拍板。

原因很簡單：資料模型反映的是對這家公司的理解。同一個「訂單」，在印刷廠和甜點品牌是完全不同的東西，這種理解來自現場，不是來自程式碼。

第四段：AI 實作，我逐段審查

規格和資料模型確定之後，大部分的程式由 AI 寫。但我不是寫完就丟給客戶，每一段我都會讀、會測、會對照規格確認。AI 寫程式很快，但它不知道哪裡寫錯了會出大事，例如金額計算、權限控管、資料刪除，這些地方我會特別仔細看。

換句話說，AI 讓我從「寫程式的人」變成「審程式的人」。審查比自己寫快很多，但不能省略。省略審查，就等於把判斷也交給了 AI，那就回到前面說的：快速地做出一個錯的東西。

第五段：分段交付與驗收

我不會等全部做完才交付。案子會切成幾段，每段有明確的交付內容，客戶驗收過了才進下一段，收款也跟著分段，每段交付完，應收就是 0。這樣做對雙方都好：客戶每一段都看得到成果、可以隨時調整方向；我也不會累積一大筆做完卻收不到的帳款。

分段交付還有一個好處：每一段的範圍小，出錯時很容易知道錯在哪裡。整個案子一次交付，出問題時要往回追的是好幾個月的工作。客戶從診斷到上線會經歷哪些步驟，可以看川輝科技怎麼接案。

哪些事交給 AI，哪些事我一定自己做？

下面這張表，是我實際的分工方式。

工作	誰做	為什麼
判斷要不要做	我	需要理解老闆的生意和現場，AI 不知道代價
訪談與確認流程	我	要聽出客戶沒說出口的例外
規格初稿整理	AI 起稿，我改	把訪談內容整理成結構，AI 很快
資料模型	我決定，AI 幫忙檢查	這是地基，錯了後面全部要補
寫程式	AI	有清楚規格時，AI 寫得快又穩定
審查與測試	我審，AI 寫測試	金額、權限、刪除這些地方一定要人看
文件與操作說明	AI 起稿，我確認	重複性高，AI 很適合
驗收與上線判斷	我和客戶	做完算不算完成，要由人決定

你會發現一個規律：凡是「決定」的事都在我這邊，凡是「產出」的事都可以交給 AI。這跟我以前帶團隊時的分工其實一樣，只是以前產出要靠一群工程師，現在靠 AI；而以前我要花大量時間管人，現在這段時間可以拿來做判斷。

AI 寫程式的效率，真的有那麼高嗎？

有，但要說清楚高在哪裡。AI 快在「把清楚的規格變成程式」這一段。只要我知道要什麼、講得出來，它可以在很短的時間內寫出可以運作的版本，還會順便寫測試、寫說明。這在以前要一個工程師花好幾天。

但 AI 不會替你決定要做什麼。規格是錯的，它會很快寫出一個錯的系統；需求是模糊的，它會挑一個看起來合理的方向一直寫下去。所以 AI 開發的效率，上限取決於你的判斷品質，而不是 AI 本身。

我自己也踩過坑。我做過一個「每天發文前推播給我核可」的流程，技術上完全沒問題，結果我連續八張卡一張都沒按，全部過期。技術沒壞，是那個流程不符合我自己實際怎麼工作。這件事提醒我：AI 可以很快做出一個流程，但這個流程對不對，要回到使用的人身上看。替客戶做系統也是一樣，寫得出來不代表用得起來。

也因為判斷在前、執行交給 AI，有些別人卡住的案子，我反而接得動。像一個影音平台，別的廠商交付不了，我接手後 3 個月做完 18 項功能；一個醫美品牌，前一家廠商建了好幾年從沒上線，我們先把東西拿回來，再重做。這類接手的案子，難點往往不在寫程式，而在先搞清楚到底要做什麼、哪些可以留、哪些要重來。

一個人做事，客戶的風險怎麼處理？

回到開頭那個疑慮。一個人接案確實有真實的限制，我不會假裝沒有。我的做法是用結構把風險降下來，而不是用人數讓人安心。

第一，所有東西都寫在書面上。規格、資料模型、每一段的交付內容，都是文件，不是只存在我腦子裡。這樣做一方面讓 AI 有依據，另一方面也讓客戶隨時知道系統是怎麼設計的。

第二，分段收款，每段交付完應收為 0。客戶最多只承擔一段的風險，不會發生付了一大筆錢、東西卻遲遲做不出來的情況。這也是我對自己的約束：每一段都要交得出東西，才能往下走。

第三，產能有上限，就不硬接。一個人的時間是固定的，所以診斷每月名額有限，案子也不會無限制地接。我寧可告訴客戶「這個月排不進來」，也不要接了之後每個案子都做不好。這一點，是我從以前一直擴編的教訓裡學到的：產能不夠的時候，硬撐比拒絕更傷。

第四，維護只接自己做過的系統。上線之後，同一件事繼續跑就是維護；別人做壞的系統，我會先免費診斷評估，不會直接接下來說沒問題。

這套工作流，你的公司能借用什麼？

你不一定要像我一樣一個人做事，但這套工作流裡的幾個原則，任何公司都用得上。

第一，把判斷和執行分開。看看你公司每天在做的事，哪些需要判斷，哪些只是照規則做。照規則做的，就是可以交給系統或 AI 的部分。這也是為什麼很多公司買了 AI 工具還是一樣忙——工具有了，但沒有把工作拆開，可以參考用了 ChatGPT 還是一樣忙那篇。

第二，規則先寫下來。能寫下來的，才能交出去。寫不下來的，代表還需要判斷，或者規則根本還沒定。

第三，不要用擴編解決問題。每次卡住，先問：這件事是缺人，還是缺規則？我三年虧掉 700 萬，最貴的一課就是一直擴編：每次卡住就再請一個人，結果要盯的人越來越多。回頭看，很多時候缺的其實是寫清楚的規則，不是人。

第四，先砍再做。你想做的事裡，可能有一大半根本不該做。先砍掉，剩下的才值得投入。

如果你想自己試試，可以從一件小事開始：挑一件每週都要花你幾個小時、而且每次做法都差不多的工作，把它的步驟和判斷規則寫成一頁。寫完你會發現，有些步驟其實可以直接交給 AI 或現成工具，有些步驟根本不需要做，剩下的才是真的需要你的判斷。這一頁紙，就是你自己的第一份規格。

常見問題

一個人用 AI 開發，真的能接大型客製系統嗎？

可以，但前提是判斷和規格要做得紮實。AI 負責把清楚的規格變成程式，人負責決定做什麼、設計資料、審查和驗收。案子切成小段分段交付，每段驗收過再往下，風險就能控制住。

AI 寫的程式品質可靠嗎？

在規格清楚的前提下，AI 寫的程式可以運作得很好，但一定要有人審查和測試。特別是金額計算、權限控管、資料刪除這些出錯代價高的地方，要人逐段確認，不能直接交付。

找一個人接案的系統商，上線後維護怎麼辦？

我的系統維護是 NT$20,000／月，而且只接自己做過的系統，因為只有自己做的，才知道每一段為什麼這樣設計。同一件事繼續跑是維護，新的需求則另外評估是導入還是開發。

一般公司也能用 AI 提高開發或作業效率嗎？

可以，關鍵是先把判斷和執行分開，把能照規則做的事寫成清楚的規則，再交給 AI 或系統。如果規則還沒定、或每次都不一樣，先別急著交給 AI，先把規則整理出來。

結語：AI 放大的是判斷，不是取代判斷

一個人加 AI 能一年交付 2,000 萬以上的系統，靠的不是 AI 多會寫程式，而是把每一個需要判斷的地方都守住，把能寫成規格的全部交出去。人數不再是產能的上限，判斷才是。

如果你公司也有一堆事卡在人身上，不確定哪些該交給系統、哪些該砍掉，帶著那張清單來找我做一場 30 分鐘免費診斷，我們一起看哪幾件真的值得做。