中小企業導入 AI Agent，第一步該做什麼？

第一步不是選工具，而是盤點流程：挑出一條高頻率、高重複、判斷規則說得清楚的流程，先定義成功指標，再用小範圍試點驗證。多數「AI 工具買了沒人用」的狀況，都是因為這一步被跳過了。

為什麼第一步是盤點流程，不是挑工具？

因為失敗的導入幾乎都敗在場景選錯，而不是工具選錯。麻省理工學院 NANDA 計畫在 2025 年發布的《The GenAI Divide》報告指出，受訪企業中約 95% 的生成式 AI 試點拿不出可量測的財務回報；報告把原因歸在導入方式與場景選擇，而不是模型能力。這個比例來自該報告的樣本，各企業狀況不同，但方向與我們在台灣中小企業看到的情況一致。

影響視覺科技在協助企業導入時，最常遇到的三個失敗原因是：沒有清楚定義成功指標、選的場景與實際業務脫節、導入後缺乏持續維護與推動。三個原因都在「選工具」之前就決定了。所以我們把順序倒過來，主張先試點再選型：先找到值得做的流程，再看哪個工具做得到。

AI Agent 和 ChatGPT 差在哪？

差別在於誰啟動、能不能接系統、能不能自己把多個步驟做完。ChatGPT 是你問它答的對話工具；AI 代理（AI Agent）則是被設定在一條流程上，自己讀進來的資料、判斷下一步、呼叫系統、把結果交出去，人只在需要確認時介入。

比較項目	ChatGPT 這類對話工具	關鍵字機器人	AI Agent
誰啟動	人每次主動問	客戶輸入特定字詞	事件觸發（訊息進來、檔案到了、時間到了）
能不能接公司系統	通常不能，要人工複製貼上	可以，但只走固定路徑	可以，讀寫 ERP、CRM、LINE 等系統
能不能處理沒寫過的情況	可以，但要人在場	不能，不在規則內就卡住	可以判讀意圖，缺資料會追問
多步驟流程	一次一問一答	固定腳本	自己串完整條流程，人只做確認
適合什麼	個人寫作、整理、查資料	固定問答、導引選單	高頻率、有規則、要接系統的流程

要注意的是，AI Agent 不是萬能，它是真的方向、假的捷徑。哪些流程適合交出去、哪些不該交，我們在 AI 代理的冷靜觀點裡談過。如果想看代理在開發工作上的實例，可以參考 OpenAI 的 Codex AI Agent。

怎麼評估一條流程適不適合交給 AI 自動化？

用五個問題打分，五題都答「是」的流程，就是你的第一個場景。這五題不需要工程師，老闆或部門主管自己就能盤。

1. 頻率夠高嗎？ 每天或每週都會發生，而不是一季一次。頻率低的流程，自動化省下的時間撐不起導入成本。
2. 步驟重複嗎？ 每次做法大致一樣，差的只是資料內容。例如抄單、對帳、回覆相同類型的詢問。
3. 判斷規則說得出口嗎？ 資深員工能用幾句話講清楚「看到什麼就怎麼做」。講不清楚的，AI 也學不會。
4. 資料拿得到嗎？ 流程需要的資料在系統裡、在 LINE 對話裡、在 Excel 裡，而不是只在某個人的腦袋裡。
5. 做錯了救得回來嗎？ 有人工確認的關卡，或錯誤能被發現與修正。第一個場景不要選錯一次就賠大錢的流程。

流程	頻率	重複	規則清楚	資料可得	可容錯	適合當第一個場景嗎
客戶用 LINE 下單，內勤抄進 ERP	高	高	清楚	在 LINE 與 ERP 裡	內勤確認後才寫入	適合
業務查歷史報價回覆客戶	高	高	清楚	在報價單與 CRM 裡	業務送出前會看	適合
每月寫一次營運策略簡報	低	低	靠判斷	分散	影響大	不適合
法務合約條款審核	中	中	部分靠經驗	在文件裡	錯誤代價高	先不要

打完分你會發現，適合的場景通常不是最炫的那個，而是最煩的那個。

AI 工具買了沒人用，怎麼辦？

先回頭檢查場景與作業程序，不要先怪員工。工具沒人用的常見情況有三種，處理方式各不相同。

第一種：工具跟流程是分開的。 員工要另外開一個視窗、把資料貼過去、再把結果貼回來。多做兩步的工具，再好也不會被用。解法是把 AI 接進既有系統，讓結果直接出現在員工本來工作的地方，例如 ERP、CRM 或 LINE 官方帳號後台。

第二種：沒有人負責。 工具上線後，沒有人每月看使用數據、沒有人調整設定、出問題沒人修。解法是指定一位業務單位的負責人（不一定是 IT），並把「每月回顧成效」排進固定行程。

第三種：沒定成功指標。 沒人說得出工具是為了省多少時間、減少多少錯誤，自然也沒人覺得它重要。解法是回到盤點階段，為這個場景補上一個可量測的指標，再決定要修、要換、還是要停。

已經買了工具不代表白花錢，它可能只是被放在錯的流程上。把它移到符合上面五個條件的流程，往往比再買一套新的划算。

第一次導入該走哪條路？

場景想清楚之後再選路，而且第一次只做一到兩個場景。影響視覺科技的企業 AI 導入分成四條路徑，對應不同的起點。

路徑	適合誰	你需要先準備什麼
AI 策略與流程優化	還不確定該從哪裡切入，想先盤點	願意花時間做現況訪談的部門主管
客製導入與建置	流程與資料必須依自家情況設計	能說明現有系統與資料位置的人
地端／雲端 AI 私有部署	資料不能出公司，或需要自主掌控 AI 環境	資料敏感度分級、現有 IT 環境資訊
即用型 AI 方案	痛點很具體，例如 LINE 接單、業務報價、系統資安監控	確認痛點符合方案範圍

不管走哪條路，導入的節奏都是三步驟：診斷，盤點流程，找出高效益的 AI 應用場景，產出導入藍圖；導入，建置場景、完成串接、建立內部可持續執行的標準作業程序；優化，定期回顧成效數據，依實際使用情況調整，再逐步擴展到更多流程。多數企業卡在第一步沒做好就跳到第二步，所以我們把診斷放在最前面。

你現在可以做的事：拿上面五個問題，把公司裡最煩的三條流程各打一次分。打完分還拿不定主意，或想確認場景選得對不對，可以預約諮詢，由顧問依你的現況建議起點，不需要先有 IT 團隊。

常見問題

中小企業 AI 導入失敗的原因是什麼？

最常見的三個原因是沒有定義成功指標、場景與實際業務脫節、導入後沒人持續維護。這三件事都發生在選工具之前。先用頻率、重複度、規則清楚度、資料可得性與容錯度五個問題挑場景，再定一個可量測的指標，可以避開大部分的失敗。

公司沒有 IT 人員，可以導入 AI Agent 嗎？

可以。盤點流程需要的是懂業務的人，不是工程師；建置與串接可以由外部團隊負責，再把維護做成現有人員能執行的標準作業程序。影響視覺科技的導入服務本來就是針對沒有專職 AI 或資料工程資源的企業設計的。

第一次導入要做幾個場景？

建議從一到兩個高頻率、高重複的場景開始。一次做太多，每個場景都做不深，難以真正改變既有流程，也看不出成效。先在一個場景驗證並建立信心，再依序擴展，是比較穩健的做法。

AI Agent 導入要多久才有成效？

這題沒有通用答案，時程取決於場景複雜度、資料是否齊全，以及內部配合程度，依個案不同。比較實際的做法是在診斷階段就先定義「成效」是什麼，例如省下的工時或減少的錯誤單數，再把這個指標當成導入後每月回顧的依據。

已經有 ERP 了，AI Agent 可以接上去嗎？

可以，而且這通常是導入的必要環節。有 API 的系統可以直接串接；沒有 API 的舊系統也可以用中介表或匯入檔的方式交換資料。實際做法取決於現有系統的介面，會在診斷階段確認。

參考資料

1. 1. MIT NANDA，Aditya Challapally 等，《The GenAI Divide: State of AI in Business 2025》，2025 年 7 月。報告 PDF
   2. Gartner，《Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025》，2024 年 7 月 29 日。gartner.com