摘要
很多 AI 導入失敗，不是因為工具太弱，而是第一個月做錯順序。
非技術主管最常犯的錯是：
- 先問該買哪個工具。
- 先要求同仁全面試用。
- 先叫廠商做 demo。
- 先追求「看起來很厲害」的自動化。
正確順序是：先盤點流程、資料、任務與風險，再決定要不要買工具。
這篇是 90 天系列第 2 篇，專門處理第 1–30 天要做的事。
系列閱讀順序
| 順序 | 文章 | 重點 |
|---|---|---|
| 1 | 非技術主管的 90 天 AI 升級路線 | 90 天完整路線 |
| 2 | 本文 | 盤點流程、資料與任務 |
| 3 | 第 2 個月做出部門 AI 助理 | 做出低風險原型 |
| 4 | 第 3 個月讓老闆看見成果 | KPI、訓練與彙報 |
第 1 週：畫出部門工作流，不要畫組織圖
組織圖只告訴你誰向誰報告；工作流才告訴你 AI 能改善哪裡。
請選一個部門，例如客服、業務、營運或內勤，列出每天最常發生的 10 件事：
- 誰提出需求。
- 誰接手。
- 需要哪些資料。
- 產出什麼文件或回覆。
- 哪裡最常卡住。
- 哪些地方需要主管判斷。
工作流盤點表
| 工作 | 目前耗時 | 資料來源 | 常見錯誤 | 是否適合 AI |
|---|---|---|---|---|
| 回覆保固問題 | 5–8 分鐘 | 官網、SOP | 引用舊規則 | 適合先做初稿 |
| 報價前資料收集 | 10 分鐘 | 表單、Email | 欄位缺漏 | 適合做檢查 |
| 客訴分類 | 3 分鐘 | LINE、工單 | 分類不一致 | 適合做分流 |
先不用精準到秒，重點是把「感覺很忙」變成「哪些任務最值得改善」。
第 2 週：把資料分成可用、待整理、不可用
AI 不是魔法。資料散、版本亂、權限不明，AI 只會更快地產生錯誤。
請把資料分成三類：
| 類別 | 例子 | 處理方式 |
|---|---|---|
| 可用資料 | 已核准 SOP、公開 FAQ、產品型錄 | 可作為知識庫候選 |
| 待整理資料 | 舊版 PDF、Excel、內部筆記 | 先整理版本與責任人 |
| 不可用資料 | 未遮罩個資、成本底價、未公開合約 | 先排除 |
這一週的目標，是建立一份「資料清單」。每筆資料至少要有：
- 文件名稱。
- 目前位置。
- 負責人。
- 最後更新日期。
- 是否含個資或敏感資訊。
- 是否可提供給 AI 使用。
第 3 週：找出 AI 可以先輔助的任務
請不要一開始就追求「全自動」。非技術主管最穩的切入方式，是先找 AI 可以輔助的任務。
四種最適合先做的任務
- 摘要： 會議、客訴、Email、工單。
- 分類： 問題類型、客戶需求、急迫程度。
- 初稿： 客服回覆、內部公告、簡報大綱。
- 檢查： 表單缺件、報價欄位、SOP 步驟。
四種先不要碰的任務
- 直接承諾價格。
- 直接判斷法律、醫療、投資問題。
- 直接處理高敏感個資。
- 直接替主管做最終決策。
這不是保守，而是讓第一個成果更容易上線。
第 4 週：選出第一個 AI 用例
你可以用 5 分制評估每個候選任務：
| 評分項目 | 1 分 | 5 分 |
|---|---|---|
| 資料可得性 | 資料散亂、無版本 | 資料清楚、有負責人 |
| 風險 | 會直接影響金錢或法務承諾 | 只做內部輔助 |
| 重複頻率 | 偶爾發生 | 每天大量發生 |
| 成效可量化 | 很難衡量 | 可算工時、錯誤率、解決率 |
| 團隊接受度 | 同仁抗拒 | 同仁願意測試 |
第一個用例請選總分最高，而且風險不高的那個。
第 30 天交付物：部門 AI 機會地圖
第 30 天你應該交出一份簡單文件：
- 部門 10 個高頻工作。
- 可用資料清單。
- 不可用或需遮罩資料清單。
- 前 3 個 AI 候選用例。
- 第一個建議試點。
- 預估成效指標。
- 主要風險與人工把關方式。
這份文件，就是你第 2 個月做原型的基礎。
FAQ
Q1：如果部門資料很亂，還能做 AI 嗎？
可以，但請先選資料最乾淨的流程。AI 導入初期的目的不是一次整理全公司，而是用一個成功案例讓大家看到資料整理的價值。
Q2：第一個月完全不要試工具嗎？
可以小規模試，但不要讓工具決定方向。你可以用 ChatGPT、Claude、Gemini 或 Dify 做概念測試，但決策依據仍然是流程與資料盤點。
Q3：主管自己做盤點就好嗎？
不要。至少找 2–3 位一線同仁訪談，因為真正的卡點通常不在主管的會議紀錄裡，而在每天處理問題的人手上。
下一篇請接著讀：第 2 個月做出部門 AI 助理：會議、報表、客服、知識庫四種低風險原型。
參考來源與審核說明
資料時間：2026-05-28。本文依 NIST AI RMF、Dify 官方文件與 OpenAI 提示文件補強；部門 AI 盤點應依資料敏感度、權限、流程風險與可驗收 KPI 做小規模測試。
導購揭露：本文未置入新的商業推薦連結；文中提及工具、課程或平台僅作情境比較與操作示例。