給中小企業主的說明
AI 化企業是什麼，
要怎麼建立
用三個層級與一條 90 天路線，帶你看懂公司目前的 AI 使用狀況， 並找出下一步最值得改善的工作。
一句話定義
AI 化企業會把 AI 放進日常營運流程，讓有效做法可以被團隊重複使用、持續改善， 並在工作成果中看見實際效益。
第一部分
三個層級，先看你在哪一層
個人層：你自己會用
公司裡已經有人能穩定用 AI 完成一件真實工作。
三個自我檢核
- 你能講出這週用 AI 完成的一件具體工作，說得出輸入什麼、輸出什麼
- 它給的東西你知道哪幾句要查證，哪幾句可以直接用
- 換一份不同的資料，你還是知道該怎麼問
卡在這一層的樣子：所有成果綁在一個人身上。這個人請假或離職，能力歸零；同事問「你怎麼弄的」，你講不清楚。
流程層：接到日常工作上
某一件每週都會發生的工作，固定用同一套方法交給 AI 處理。
三個自我檢核
- 有一份寫下來的提示詞模板，別人照著用也跑得動
- 公司有一條白紙黑字的規矩：什麼資料不能貼進 AI
- 至少兩個人能使用同一套做法完成工作
卡在這一層的樣子：仍然要人手動貼資料、手動觸發。省下的時間有上限，而且一忙起來就會退回舊做法。
業務層：內建在營運裡
AI 在你不在場的時候也在運作，且輸出結果有人負責。
三個自我檢核
- 有流程是自動觸發的，不需要人記得去按
- 出錯時有人會被通知，且知道怎麼接手
- 你說得出這件事一個月省下多少小時或多少錢
卡在這一層的樣子：下一步要把重點放在責任分工、系統整合與持續改善。
第二部分
90 天怎麼走
從一件真實工作開始，先讓一個人用熟，再整理成團隊流程，最後才決定要串接哪些系統。 每一步都看得到成果，也更容易讓同事接得上。
- 第 1 個月
自己用熟一件事
- 挑公司裡最花你時間、而且錯了代價不高的一件事
- 每天都用同一套方法做這件事，累積到你知道它什麼時候會出錯
- 把有用的問法寫下來，不要只留在腦子裡
做完的標準：你能在 10 分鐘內用 AI 完成這件事，而且結果敢直接用。
- 第 2 個月
教會一個同事
- 把第一個月的做法寫成一份模板：角色、輸入什麼、做什麼、輸出格式、檢查清單
- 找一個人用你的模板跑一次，看他卡在哪
- 依同事實際卡住的地方調整模板
做完的標準：同事用你的模板跑出可用的結果，你全程沒插手。
- 第 3 個月
變成部門固定流程
- 把這件事寫進部門的標準做法，不再是「誰有空誰做」
- 訂下資料紅線與查證門檻，白紙黑字
- 記錄每次執行省下的時間，累積三個月的數字
做完的標準：新人進來照著文件就能做，且你有一個可以拿給老闆看的數字。
第三部分
要不要買設備
設備不是每家公司一開始都需要。先依資料敏感度、工作量與使用情境判斷， 再選擇雲端、地端或混合式做法。
| 你的情況 | 建議 | 為什麼 |
|---|---|---|
| 一般文書、信件、報表整理 | 雲端訂閱即可，不需要任何硬體投資 | 月費量級是每人每月數百元台幣，比買設備便宜兩個數量級，且隨時可停。 |
| 會碰到客戶名單、報價、合約條款 | 雲端可用，但要先訂資料紅線與脫敏規則 | 先把資料分級、使用規則與權限訂清楚，通常比直接購買設備更重要。 |
| 法規或合約要求資料不得出境、不得上雲 | 本地部署，需要自有 GPU | 依合約與法規要求選擇部署方式，讓敏感資料留在指定環境中。 |
| 要處理大量影像、影片或即時判讀 | 本地 GPU 或專用算力 | 影像推論的雲端費用會隨量線性上升，到一定量體後自有硬體才划算。 |
第四部分
四個一定要懂的觀念
不需要懂數學。先掌握這四個觀念，就能更安心地判斷哪些工作適合交給 AI。
生成回答與查詢資料，是兩種不同的工作
語言模型會根據上下文生成最合理的回答，需要準確資料時仍要搭配可靠來源。
所以呢：所以它對「有標準答案的查詢」最不可靠。問稅率、法條、報價，一定要自己查證。
幻覺
模型有時會產生看起來合理、實際上不正確的內容。
所以呢：遇到數字、日期、法規與引用來源時，請回到原始資料確認。
脈絡視窗
模型只能根據目前提供的內容工作，缺少背景時就容易答偏。
所以呢：提供清楚的任務背景、範例與必要文件，通常能得到更穩定的結果。
Token 與成本
收費是按處理的文字量計算，長文件比短問題貴。
所以呢：成本可預估。先算清楚一個月要處理多少份文件，再決定買幾個帳號。
常見問題
老闆最常問的八題
什麼是 AI 化企業？
AI 化企業會把 AI 放進日常營運流程。判斷標準有三層：個人層是有人能穩定用 AI 完成真實工作；流程層是某件每週固定發生的工作有寫下來的標準做法，換人也能接手；業務層是流程能自動觸發、出錯有人負責，而且省下的時間算得出來。
中小企業導入 AI 該從哪裡開始？
從最花時間、而且容易確認結果的一件事開始。先讓一個人用熟，再寫成模板教會第二個人，最後變成部門流程。這樣能先看到實際效果，再決定是否擴大。
導入 AI 需要買 GPU 或伺服器嗎？
多數中小企業可先使用雲端服務處理文書、信件與報表。若合約或法規要求資料留在公司，或需要大量影像與即時判讀，再評估自有硬體。選擇前也要一起考慮帳號權限、資料分級、維運能力與長期成本。
公司資料可以貼進 AI 嗎？
要分級。客戶個人資料、未簽約的報價、員工薪資、有保密義務的合約條款與技術資料，這幾類不該直接貼。可行的做法是脫敏三招：換掉名字、把數字改成量級、只貼結構不貼內容。重點是公司要有一份白紙黑字的紅線清單，不能靠每個員工自己判斷。
AI 給的答案可以直接用嗎？
要看錯誤的影響。遇到具體數字、法條、日期或引用來源，應回到原始資料確認。改寫、整理、歸納與發想等工作，則很適合先讓 AI 產生草稿，再由同事完成最後確認。
導入 AI 大概要花多久才看得到效果？
單一任務通常一個月內就能看到時間節省，但那還不算導入成功。要讓成果不綁在一個人身上，實務上需要約 90 天：第一個月自己用熟一件事，第二個月教會一位同事並修正模板，第三個月寫進部門標準做法並開始累積數字。跳過中間那個月，通常會退回原本的做法。
員工不願意用 AI 怎麼辦？
先確認阻力是哪一種。不會用是訓練問題，給模板與陪跑就能解；不敢用是責任歸屬問題，要先講清楚 AI 產出的東西誰署名、出錯誰負責；不想用通常是怕被取代，這需要直接說明它取代的是哪一段工作、省下的時間要拿去做什麼。用同一套方法處理三種不同的阻力，通常三種都解不掉。
該買哪一個 AI 工具？
先不要全公司都買。挑一到兩個重度使用者先給付費帳號，觀察一個月的實際用量再決定要不要擴。免費版對於查資料與寫短文通常夠用，會不夠的訊號很明確：需要處理長文件、需要上傳檔案、或是每天都會撞到用量上限。