先試點。試點要小到一張 A4 寫得完：一個流程、一個指標、一位負責人、一個結束日。選型放在試點之後，因為工具要配合的是驗證過的場景，而不是讓場景去遷就工具。
為什麼先選型的企業，多數交不出成果？
因為選型先決定了工具，場景只能事後硬找，找不到就變成「買了沒人用」。麻省理工學院 NANDA 計畫在 2025 年發表的《The GenAI Divide》報告指出，受訪企業的生成式 AI 試點中，約 95% 沒有產生可量測的損益影響；Gartner 在 2024 年也預估，至少三成的生成式 AI 專案會在概念驗證後被放棄。兩份報告點出的共同原因不是技術不夠好，而是場景與業務脫節、商業價值不明確。
這個道理，本站董事長觀點〈先試點再選型〉已經談過。這篇往下講：試點要怎麼設計、指標怎麼訂、通過之後選型要看什麼。
試點怎麼設計才算合格？
合格的試點只有四個元素，缺一個就不是試點，而是「先用用看」。試點（Pilot）一句話定義：在正式投入前，用最小範圍驗證某個 AI 場景能不能帶來可量測的改善。
步驟一：從痛點清單挑一個場景
挑的標準有三個：高頻率、高重複、有現成資料。以下這類問題最常被挑中：
- 品管靠人眼目視，漏檢率高、速度慢
- 機台異常要靠人定時巡檢，夜班人力成本高
- 主管想查營運數據，還是要等人整理報表
- 合約、報價單靠人工逐份核對，又慢又怕漏
- 客服每天回覆大量重複問題，累積不出知識庫
先別挑「客訴發生才知道有問題」這類預警型場景，它需要歷史資料夠完整，通常適合第二輪。
步驟二：只訂一個指標，而且現在就量得到
指標要在試點開始前就有基準值。沒有基準值，結束時就沒有東西可以比，到時候只剩「感覺有變快」。
步驟三：指定一位業務端負責人
不是 IT，而是每天在做這件事的人，例如品管主管或客服組長。工具再好，沒人每天用，試點就測不出真實情況。
步驟四：寫下結束日與判斷規則
結束日由貴公司自己訂，到期就做決定：擴大、調整或停掉。判斷規則要事先寫好，例如「漏檢率下降才擴大」，避免到期時因為已經花了錢而不想停。
試點成功的指標怎麼訂？
好指標只有一種：直接對應某個人每週省下的時間或減少的錯誤，而且試點前就量得到。
| 場景 | 建議指標 | 不建議的指標 |
|---|---|---|
| 品管目視檢查 | 每千件漏檢數 | 員工對 AI 的滿意度 |
| 夜班巡檢 | 每週巡檢人力時數 | 系統上線的功能數 |
| 營運報表 | 主管提問到拿到數據的等待時間 | 報表產出份數 |
| 合約與報價單核對 | 每份核對時間、錯漏件數 | 使用 AI 的次數 |
| 客服重複問題 | 重複問題占比、首次回覆時間 | 對話則數 |
右欄的指標不是沒意義，而是它們上升時，老闆不會因此多賺或少花任何一塊錢。
試點通過了，選型要看什麼？
選型看的是「這個工具能不能把已驗證的場景長期跑下去」，而不是功能表誰最長。
| 檢核項 | 要問的問題 |
|---|---|
| 資料去向 | 資料能不能離開公司？不能的話，地端或私有部署是前提 |
| 系統串接 | 能不能接現有的 ERP、CRM、LINE 官方帳號？ |
| 權限與紀錄 | 誰能查、誰能改，有沒有稽核紀錄？ |
| 維運責任 | 上線後誰顧？沒有 IT 團隊能不能維護？ |
| 退出成本 | 停用時資料拿不拿得回來？ |
| 費用型態 | 一次性建置還是月費？隨用量漲多少？ |
資料去向這一項常常直接決定其他五項的答案，判斷方式可參考〈地端還是雲端怎麼選〉。
什麼情況可以跳過試點直接選型？
場景夠標準、資料不敏感、隨時能停，三個條件同時成立就可以直接選即用型工具。例如會議逐字稿、文件翻譯、內部文件草稿這類用途，市面上成熟方案多，月費制、不碰核心資料，試錯成本低。
反過來，只要符合下面任一項，就回到先試點：
- 要接 ERP、CRM 或生產系統
- 會碰客戶個資、報價、合約
- 需要員工改變既有的工作流程
- 公司曾導入過 AI 工具，但沒人在用
最後一項尤其重要。上一次失敗的原因如果沒找出來，換一個工具通常只是換一個地方失敗。
先試點還是先選型，差別到底在哪？
差別在起點和判斷依據，不在工具本身。
| 先選型 | 先試點 | |
|---|---|---|
| 起點 | 一份工具比較表 | 一個痛點與一個指標 |
| 主要風險 | 買了沒人用 | 場景選錯要重來，但範圍小 |
| 判斷依據 | 功能多寡、廠商簡報 | 試點前後的指標變化 |
| 花費型態 | 先付授權再找用途 | 小額驗證後再決定投入 |
| 適合情況 | 標準化、不碰核心資料的用途 | 要串系統、改流程、碰核心資料的用途 |
試點通過之後，下一步做什麼？
把試點場景正式建置、完成串接、寫成 SOP，再進入每月回顧。影響視覺科技的 AI 策略導入服務就是照這個順序走：診斷階段盤點流程、找出高效益場景；導入階段建置場景、完成系統串接、建立內部可持續執行的標準作業程序；優化階段每月回顧成效數據，依實際使用情況調整，再逐步擴展到更多流程。我們建議一次從 1 到 2 個高頻率、高重複性的場景開始，驗證成效後再擴展。
如果還不確定第一個場景該挑哪個，可以先到 AI 策略導入頁的「這些問題，你有幾個？」勾選自家的痛點，勾完直接預約諮詢，我們會從盤點流程開始。
常見問題
試點要做多久？
沒有固定答案，依場景複雜度與資料整理程度而定。判斷標準不是天數，而是指標有沒有足夠的樣本可以比較：品管漏檢率要累積到夠多批次，客服回覆時間要跨過幾個業務高低峰。建議開始前就訂好結束日，到期做判斷，不要無限延長。
AI 導入失敗最常見的原因是什麼？
最常見的三個原因是：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。這三個問題都發生在工具之前，所以換工具解決不了，要回到診斷階段重新盤點場景與指標。
公司沒有 IT 團隊也能做試點嗎？
可以。試點的負責人本來就應該是業務端的人，而不是工程師。技術上的建置與串接可以由外部團隊負責，重點是建立讓現有人員可以維護的 SOP，不需要為了試點額外增聘技術人力。
試點失敗了怎麼辦？
失敗的試點仍然有價值，因為它告訴你資料或流程缺了什麼。常見情況是資料散在多個系統、沒有人固定更新，或是流程本身不固定。先補這些缺口，再換場景不換目標，通常比直接放棄或換工具划算。
一次可以試幾個場景？
建議從 1 到 2 個開始。試點同時跑太多，資源分散，每個都做得不夠深，到期時沒有一個指標說得清楚。驗證其中一個的成效後，再依序擴展，是多數企業較穩健的做法。