AI 導入該從哪個部門開始？我的答案是：別從部門選

先講結論：這題我的答案是別從部門選。

你要選的是一個流程。那個流程適不適合當第一個，跟它掛在哪個部門底下關係不大——同一個部門裡，有些工作適合，有些工作碰都不該碰。

我自己選錯過一次。當時我的判斷標準是「誰看起來最願意配合」，找了一個態度最好、最不會抗拒新東西的人，把 AI 塞進他手上最花時間的那件事。結果那件事是「幫主管整理不同來源的資料然後寫成判斷建議」——每次的資料來源不一樣、格式不一樣、要的結論也不一樣。他很努力配合，但兩個月後我們都得承認，這件事人做比較快。

不是他的問題，也不是工具的問題。是我一開始就挑錯了。

先說清楚我的位置：我帶過團隊，但沒有做過傳統產業的企業級 AI 導入專案。下面這套判準是我把自己的工作流反覆試錯之後留下來的，加上去拆公開調查數據得到的觀察。你可以當成一個踩過坑的同行在講話。

「從哪個部門開始」這個問題，本身就問錯了

先給結論：現有的 AI 落地案例，是被任務的性質篩選出來的，不是被部門篩選出來的。

資策會產業情報研究所（MIC）針對台灣電子資訊製造業做過一份 AI 導入調查，結果是 28% 的企業已經導入、46% 還在規劃階段。換句話說，將近一半的公司正好卡在你現在這一題。

但真正值得看的是那份調查列出來的十大 AI 應用：

瑕疵檢測、瑕疵影像標註、生產流程改善、產品開發報告、瑕疵根因分析、生產排程規劃、設計缺陷檢測、工安分析、製造參數優化、生產問題分析。

你看出共通點了嗎？

這十個沒有一個是「部門」，全部都是「任務」。 而且這些任務有一組很一致的性質：重複發生、輸入輸出格式固定、做完之後對錯很快就知道。

瑕疵檢測每天發生幾千次，對錯當場看得出來。排程規劃每週跑一次，格式固定。影像標註更是標準到極致。

反過來說，那份清單裡沒有「跟客戶談判」「決定要不要接這張單」「處理員工申訴」——這些也都是實實在在的工作，也很花時間，但它們不具備那組性質。

所以真正在發生的篩選，從來不是「製造部先、行政部後」，而是「這個任務長得像不像 AI 做得好的樣子」。你如果從部門切入，會在一個部門裡同時撈到適合的和不適合的，然後憑感覺挑——我當初就是這樣挑錯的。

順帶一提，同一份調查估計已導入企業的平均投入金額，2024 年約新台幣 209 萬，2025 年估 236 萬、2026 年估 261 萬。這筆錢不算小，而且它會花下去——所以第一個標的選對選錯，差別很具體。

（這份調查的範圍是電子資訊製造業，不是全產業，樣本數與調查期間報導中沒有揭露。我引用它是為了看應用類型的分布，不是拿來代表全台灣。）

我會看的三個條件

短答：每週都會發生、輸入輸出有固定格式、做錯了當天就看得出來。 三個都符合才當第一個。

這三個條件不是我發明的什麼理論，是我把成功和失敗的案例排在一起之後，剩下來的交集。

一、它每週都會發生

不是「重要」，是「頻繁」。

這點最違反直覺。多數主管會挑「最重要」或「最花時間」的工作下手，因為那看起來效益最大。但第一個標的的任務不是產生效益，是產生一次成功經驗。

一個月才發生一次的流程，就算你優化到極致，團隊三個月只會體驗到三次。三次不足以形成習慣，人會忘記怎麼用，然後退回原本的做法。

每週發生的流程，三個月是十二次。十二次之後，那件事就長進他的工作習慣裡了。

我自己的門檻是：至少每週一次，最好一週好幾次。 低於這個頻率的，我會先放著。

二、它有固定的輸入和輸出

「固定」的意思是：你能用一句話描述進去的是什麼、出來的該長什麼樣。

比如「把這週五個人的進度回報，整理成一份給主管看的摘要，格式照上週那份」——進去是五段文字，出來是一份固定格式的摘要。這叫固定。

反過來，「幫我看看這個案子該怎麼處理」——進去是什麼？每次都不一樣。出來該長什麼樣？看情況。這就不固定。

我前面講的那次失敗就是卡在這裡。那個任務表面上每週都做，看起來符合條件一，但它每次的輸入來源都不同、要的結論也不同。它是重複發生的，但它不是重複的。 這兩件事差很多，我當時沒分清楚。

有一個很快的檢查法：你能不能寫出一份「怎麼做這件事」的說明書，讓一個新來的人照著做出七十分？ 寫得出來，代表格式夠固定。寫不出來，代表這件事高度依賴當事人的判斷，那 AI 也接不住。

三、做錯了，當天就看得出來

這條是安全閥，也是最多人跳過的一條。

AI 現在的產出品質，大致落在「大部分時候不錯、偶爾錯得很離譜」。你要的第一個流程，必須是那種錯了會立刻被發現的類型。

週報摘要漏了一項，開會時就會被抓到，成本是尷尬三秒。客戶報價算錯一個級距，可能三個月後對帳才發現，成本是一張賠錢的單。

這也是為什麼我不建議把客服對外回覆當第一個——不是它不適合 AI，是它錯了之後你看不到，等你看到的時候已經是客訴。

反過來也成立：如果一個流程做錯了當天就看得出來，你其實可以放心讓團隊亂試。 這對「不敢用」的心理障礙很有幫助。

拿這三個條件掃一遍，通常會掃出這些

我把常見的候選整理成一份清單。這不是推薦順序，是「拿去對照你自己公司的實際流程」用的。

通常三個條件都過

• 把多人回報彙整成一份週報／月報
• 會議錄音或逐字稿 → 待辦事項清單（誰、做什麼、什麼時候）
• 固定格式的資料轉換（把一種表格整理成另一種格式）
• 大量文件的初步分類與標籤
• 制式信件、通知、公告的初稿
• 內部教育訓練或 SOP 文件的草稿整理

通常過兩個、卡在第三個

• 客訴分類（頻繁、格式固定，但分錯了不一定當天發現）
• 履歷初篩（格式固定，但頻率看招募季，而且錯了成本高）
• 報價單初稿（頻繁、格式固定，但錯了會出大事 → 可以做，但要留人工複核）

通常過不了

• 跨部門協調與溝通
• 需要判斷「要不要做」的決策類工作
• 高度依賴個人經驗與人脈的業務工作

注意「過兩個」那組不是不能做，是不該當第一個。等你團隊已經有一次成功經驗、大家對 AI 的產出品質有感覺了，再回頭做這組會順很多。

看起來很該做、但最不該當第一個的三種

這幾種我看過太多次被當成起點，所以特別拉出來講。

客服第一線

理由很直覺：客服量大、重複性高、大家都覺得可以自動化。

但客服有兩個致命的地方。第一，它對外——錯誤直接打到客戶臉上，不是內部消化。第二，客服的「重複」是假的重複：問題類型重複，但每個客戶的情緒、脈絡、期待都不一樣，而處理客訴真正困難的部分正是後者。

我的建議是：客服可以做，但先做內部那一半——把歷史客訴分類、整理成常見問題、產出給客服人員看的內部參考。等這半邊穩了，再談要不要碰對外回覆。

對外報價與合約

頻繁、格式固定，前兩個條件漂亮地通過。但第三條直接出局：報價錯了，你可能要到對帳、甚至到客戶抗議才知道。

而且這類錯誤的代價不是「重做一次」，是真的賠錢，或是傷客戶關係。第一個標的就踩這種雷，你團隊之後半年都不會想再碰 AI。

老闆要的那份決策簡報

這是最容易被提出來的，因為它最花時間、老闆最有感。

但它幾乎不可能標準化。老闆要的東西高度依賴他當下在想什麼、這季的重點是什麼、他偏好哪種呈現方式。上一份做得好，不代表下一份的標準一樣。

而且這件事一旦做砸，砸在最不能砸的人面前。

選好之後，怎麼確認你沒選錯

不要憑感覺，也不要開會討論。用一週驗證。

做法：把你選中的那個流程，這週你自己用 AI 做一次。不是規劃、不是評估、不是找人來做——你自己做。

然後回答三個問題：

❶ 你花了多久？ 包含試錯、重寫提示詞、修正產出的全部時間。如果第一次就比原本人工還慢，正常；但如果慢超過三倍，這個流程可能不適合。

❷ 你改了幾次才能用？ 如果改到第五版還是不能直接用，代表這件事的判斷成分太高，回去看條件二。

❸ 你能不能把做法寫成一頁說明？ 寫不出來，代表你剛剛那次成功靠的是你自己的判斷，不是流程本身。換一個。

這一週你會得到一個很重要的東西：一個真實的、能拿給別人看的樣本。 下一步要推給團隊的時候，你手上有的不是簡報，是成品。

這套判準適合誰、不適合誰

適合你，如果：

• 你手上有多個候選流程，需要一個標準來排序
• 你能自己動手先跑一次驗證
• 你的目標是先做出一次成功經驗，不是一次到位

不適合你，如果：

• 你的 AI 專案已經被指定了範圍（例如老闆已經買了某個系統、指定用在某部門）——那你的問題不是選流程，是怎麼在既定範圍裡找到最容易成功的切入點
• 你要導入的是專用型 AI（例如生產線的視覺檢測），那有它自己的評估邏輯，跟通用型 AI 的流程篩選不是同一件事

代價也講清楚：

這套方法會讓你放棄最有感的那個流程。 三個條件篩下來，剩下的多半是「不起眼但每週都在做」的雜事。你可能得跟上級解釋，為什麼第一個做的不是他最在意的那件事。

它需要你自己先做一次。 第一週的驗證沒有人能代替你。如果你打算全程當專案管理，這套判準的第三步會直接卡住。

那要用什麼工具？

一樣的答案：這題最後才問。

當你走完篩選、選定一個流程之後，你會知道自己需要的是什麼——是整理文字、是讀長文件、還是要讓它自己跑完好幾個步驟。前兩種一般的對話式 AI 就夠；第三種才需要考慮 Agent 類的工具，而那類工具有它自己的風險與適用邊界。

我在自己的部落格上寫過一份AI Agent 的入門與避雷，裡面整理了它在哪些場景真的能跑、哪些場景會出事，需要的話可以拿去對照。

但順序不要倒過來。先有流程，才有工具。

FAQ 常見問題

我們公司很小，沒有明顯的「部門」，這套還適用嗎？

更適用。部門界線模糊的公司，用部門切入本來就切不出東西。直接拿三個條件去掃你們每週在做的事，通常十分鐘就能列出三到五個候選。規模小反而有優勢：流程短、決策快、驗證一週就有結果。

三個條件只符合兩個，可以做嗎？

可以做，但不要當第一個。第一個標的的任務是建立信心，所以要挑最穩的。等團隊已經有一次成功經驗，回頭處理「過兩個」那組會順很多——因為那時候大家對 AI 的產出品質有實感，知道哪裡該檢查。

如果老闆已經指定了部門，我還能用這套嗎？

能，但改成在該部門內部用。同一個部門裡不同任務的適合度差很多——行政部門裡「整理報表」跟「處理員工申訴」完全是兩回事。拿三個條件在指定範圍內掃一遍，找出最容易成功的那個先做，一樣能拿到第一次成功經驗。

選定之後多久該看到成效？

看你怎麼定義成效。一個月內你應該要能拿到「同一件事，以前花多久、現在花多久」這個數字。如果一個月後連這個數字都算不出來，問題通常不在成效不彰，而在當初沒有定義清楚要衡量什麼——那要回頭補，不是繼續等。

參考資料

資策會產業情報研究所（MIC）《台灣電子資訊製造業 AI 導入發展》調查，經數位時代報導：28% 已導入、46% 規劃中；十大 AI 應用項目；已導入企業平均投入金額 2024 年約 209 萬元、2025 年估 236 萬元、2026 年估 261 萬元。調查範圍為電子資訊製造業，樣本數與調查期間未於報導中揭露。

微軟與 LinkedIn，Work Trend Index 2024：78% 的 AI 使用者自備工具進公司，中小企業為 80%。調查 31 國、31,000 名全職知識工作者（含台灣）。