「同業都在講 AI，我們是不是也要導入？」問這句話的老闆，接下來通常會問該買哪一套工具。我們的建議是先把這個問題放著。二、三十人規模的公司導入 AI，卡關的原因很少是工具選錯，多半是不知道要拿它來做什麼，於是買了帳號、辦了一場教育訓練，三個月後只剩兩個人在用。這篇提供一條我們實際陪客戶走過的路線：從一張清單開始，分四個階段，每個階段都有明確的「做到這樣再往下」。
重點摘要
- 中小企業導入 AI 的起點是列出公司裡重複、花時間的文字與資料工作，不是先選工具。
- 第一個題目要挑發生頻率高、規則穩定、答錯代價低的工作，例如會議記錄整理、客服回覆草稿、報價單初稿。
- 導入可分四個階段：個人使用、團隊共用流程、接上公司資料、嵌入系統自動化，前兩個階段幾乎不需要開發。
- 一開始就規劃全公司 AI 平台或全自動代理人，是最常見也最昂貴的錯誤。
導入 AI 的第一步是什麼？
請每個部門花一週，記下自己重複在做的事。不用很正式，一張共用試算表就好，三個欄位：這件事是什麼、一週做幾次、每次花多久。業務可能寫「整理拜訪紀錄，一週十五次，每次十分鐘」，客服寫「回覆運費與退貨規則，一天三十次」，行政寫「把廠商報價單的數字打進 Excel，一週兩次，每次一小時」。
這張清單的價值在於它把「導入 AI」這個抽象的目標，變成一排可以比較的具體題目。沒有這張清單就去看工具展示，你只會被功能牽著走；有了清單，你會帶著問題去問廠商「這一項你們能省多少時間」。一週之後，通常會收到幾十項，其中總有一批是目前的生成式 AI 明顯幫得上忙的。
怎麼從清單裡挑第一個題目？
用四個條件打分數，挑總分最高的，不要挑老闆最想要的。老闆最想要的常常是「讓 AI 自動報價」「讓 AI 預測下一季營收」這類高價值但高難度的題目，拿它當第一個專案，失敗的機率很高，而第一個專案失敗會讓全公司對 AI 失去信心。
| 評估條件 | 適合先做 | 建議延後 |
|---|---|---|
| 發生頻率 | 每天或每週都在做 | 一季一次 |
| 規則穩定度 | 做法固定，有範例可循 | 每次都要資深同事判斷 |
| 資料是否齊全 | 需要的資料已有電子檔 | 資料在紙本或某個人腦中 |
| 答錯的代價 | 有人會複核，錯了能改 | 直接對外、牽涉金額或法律 |
| 常見例子 | 會議記錄摘要、回覆草稿、文件翻譯、資料整理 | 自動報價、合約審閱、財務預測 |
「草稿」是關鍵字。第一批題目的共同特徵是 AI 產出初稿、人來確認與修改。這樣的分工下，就算 AI 偶爾出錯也不會造成損失，同事也比較願意嘗試。
AI 導入的四個階段分別是什麼？
從個人工具一路走到嵌入系統，每一階段需要的投資與能解決的問題都不同。多數公司在前兩個階段就能拿到大部分的效益，不需要急著往後跳。
四階段路線圖
- 個人使用：替願意嘗試的同事開通付費的 AI 助理帳號，每個人拿清單上自己的一兩項工作來試。目標是找出三到五個真的省時間的用法。期間約一個月。
- 團隊共用流程：把有效的用法寫成固定的提示詞範本與操作步驟，放在共用空間，讓不熟的同事照著做也能得到差不多的結果。這個階段產出的是「公司的做法」，不再依賴個人摸索。
- 接上公司資料：當同事開始抱怨「每次都要先貼一堆背景資料」，就是該把產品文件、規章、常見問答整理成知識庫讓 AI 查詢的時候。這一步需要資料整理與權限設計。
- 嵌入系統自動化：把 AI 接進既有的系統與流程，例如客服訊息自動分類與擬稿、訂單信件自動轉成系統資料。這一步需要開發，也需要監控機制。
判斷能不能進下一階段，看的是使用情況而不是時間。第一階段結束時，如果說不出三個具體省下時間的用法，請不要往下走，回頭檢查題目是不是挑錯了。第三階段的實作細節我們寫在 企業 AI 知識庫怎麼建，背後的技術原理則可以看 RAG 是什麼。
常見錯誤：一開始就想做全公司的 AI 平台
我們遇過不少公司的第一個 AI 專案是「建置企業 AI 平台」或「導入全自動的 AI 代理人」，預算抓得很大，時程排了半年。這種專案的典型結局是：平台建好了，但沒有人知道該拿它做什麼，因為從頭到尾沒有驗證過任何一個具體的使用情境。
連開發這些模型的公司都不建議這樣做。Anthropic 在一篇給開發者的 實作指南 裡明講，應該從簡單的提示詞開始、用評估來優化，只有在簡單做法不夠用時才加上多步驟的代理系統。這個原則對企業導入一樣成立。複雜的系統只有在簡單的做法已經證明有效、而且確實遇到瓶頸時才值得投資，否則你只是把一個還沒驗證的假設做得很貴。
開始之前，公司需要先準備什麼？
一位負責人、一份簡短的使用規範，以及整理資料的心理準備。負責人不必是工程師，但要是對公司流程熟、同事願意找他問的人，每週能撥出幾個小時收集大家的用法與問題。沒有這個角色，導入會停在「各用各的」。
使用規範要在開通帳號的同一天發出去。內容不用長，重點是哪些資料不能貼進 AI、產出的內容誰負責檢查、用公司帳號還是個人帳號。同事最怕的是用了之後被追究，規範講清楚反而會提高使用意願。這份規範該怎麼寫，我們在 企業使用生成式 AI 的資安與個資守則 有一頁式的範本。想更有系統地看風險，美國 NIST 的 AI 風險管理框架 是目前最常被引用的參考。
導入 AI 的預算該怎麼想？
把費用分成三種性質來看：按人頭的訂閱費、按用量的 API 費用，以及一次性的整合開發費。前兩個階段主要是訂閱費，金額可預期，隨時能增減人數。到了第三、四階段才會出現開發費與用量費，這時候應該已經有前面累積的使用數據，可以估算能省下多少工時，再決定值不值得投入。
我們不會給一個「中小企業導入 AI 要多少錢」的數字，因為各家服務的方案與價格變動很快，而且真正的成本常常不在帳單上，而在同事花時間學習、整理資料、調整流程。比較務實的做法是先設定一個三個月的試行預算，結束時用省下的工時來檢視，再決定下一步要放大還是調整方向。
怎麼判斷 AI 導入有沒有成效？
在開始之前先量一次現況。清單上已經有每項工作的頻率與耗時，這就是基準線。試行一段時間後，請同樣的人再估一次，差額就是省下的時間。這個方法不精確，但足以回答「有沒有差」。
除了時間，還要看兩件事。一是使用率：開通帳號的人裡，每週實際在用的有多少？比例偏低代表題目不對或訓練不足，不是多買帳號能解決的。二是品質：AI 協助產出的東西，被主管或客人退回的比例有沒有上升？省了時間卻增加重工，等於沒省。這三個數字每個月看一次，就足以支撐接下來的決策。
常見問題
公司沒有工程師，也能導入 AI 嗎？
可以，前兩個階段完全不需要工程師。個人使用與團隊共用流程靠的是現成的 AI 助理服務與寫好的提示詞範本。到了要接公司資料或嵌入系統時才需要技術人力，這部分可以委外，但公司內部仍然要有一位懂流程的負責人。
ChatGPT、Claude、Gemini 該選哪一個？
對起步階段來說，三者的差距小於用法好壞的差距。建議先讓幾位同事用同一批實際工作各試一輪，選大家覺得產出最合用的那一個。比品牌更重要的是選擇有明確資料保護條款的商用或團隊方案。
同事不願意用 AI 怎麼辦？
先從願意的人開始，不要強制全員使用。抗拒通常來自擔心被取代或怕出錯被究責，所以要明確說明 AI 是用來處理重複工作，並在規範裡寫清楚責任歸屬。等先行的同事做出看得見的成果，其他人自然會跟進。