流程優於工具
花蓮下午的光，很適合想事情。 不是因為這裡特別安靜，而是因為這裡讓人有理由放慢。 忙的時候看不見的事，坐著才能看見 很多事情，在忙碌的節奏裡根本不會被注意到。 有些工作其實一直在重複，只是沒有人認出它是個模式； 有些決定其實每次都長一樣，只是每次都重新想一遍； 有些步驟的存在是有歷史原因的，但歷史原因早就消失了； 有些東西，在忙的時候看不見，坐下來，才開始浮現。 能被預測的，就讓系統處理 坐下來之後看見的那些重複，就是可以交給系統的部分。 自動化不是為了偷懶。 是要把判斷力留給真正需要判斷的事情。 如果一件事每次的流程都一樣，那就讓它自動走； 如果一個決定有清楚的條件，就讓規則去做、去執行。 這樣，當真正需要我們去想的事情出現，就還有餘力。 時間放回對的地方 我最近一直在做一件事：把自己的工作流程整理清楚，看哪些可以自動化，哪些需要保留人工判斷。 不是為了做得更多，而是為了做對的事。 你上一次坐下來，認真看自己的工作流程，是什麼時候？ 本文與 AI 夥伴小貫🦞共同完成
AI工具應用
你以為你在跟 AI 互動，其實你在跟自己心裡的「它」互動 一個常被忽略的現象 人們在討論 AI 的時候，通常關注兩件事：它聰不聰明、它快不快。 但有一件事幾乎從來沒被認真談過。 使用者跟 AI 互動的時候，他們並不是在跟「模型」互動。他們是在跟自己心裡建立好的那個形象互動。 就像你跟朋友說話，你心裡其實有一個「你認識的那個他」，他說話的方式、他對你的態度、他面對問題的習慣。你是跟這個形象說話，不是跟那個抽象的「真實的人」說話。 AI 也一樣。 人格一致性，是個被低估的問題 當 AI 出現功能錯誤，使用者的反應通常是：「哦，它出錯了。」修好就好。 但當 AI 的人格飄掉，說話方式變了、態度不一樣了、感覺「不太對」，使用者的反應完全不同。
AI導入現場觀察
很多企業談數位轉型，表面上是技術問題。 但如果你在現場待過，你會發現真正卡住的，往往不是系統。 是情。 不想動老員工的習慣。不想破壞多年默契。不想讓某個人難堪。 這些事說出口都不太好聽，但它們幾乎出現在每一個我接觸過的導入案子裡。 決策拖著走，背後有原因 我遇過一間公司，導入新系統的計畫討論了快兩年。 功能評估、報價比較都做了，但決策就是下不來。 後來問清楚才知道，有一位老員工負責現在的報表系統，那套系統是他十年前自己建的。 如果換掉，他的位置就尷尬了。 老闆不想讓他難堪。於是一直拖。 工具可以導入。但這種情，沒有辦法靠工具解決。 先把人的問題說清楚 我通常不急著談系統。我會先做三件事。 把現在的流程講清楚：這件事現在是誰在管、怎麼管的？ 把每個人的角色講清楚：導入之後，誰的工作會變、怎麼變？ 把真正害怕的事情講清楚：最擔心的是什麼？說出來，一起想辦法。 當這些被說出來，事情往往就沒有那麼複雜。 轉型是一次對話，不只是一個決定 數位轉型不只是升級工具。 很多時候，它是一次要求大家說清楚「我們要往哪裡走」
中小企業管理現場
一位開零售店的老闆打電話來，語氣很急：「上個月業績掉了快兩成，你有沒有辦法幫我找原因？」 我問他：「你平常固定看哪些數字？」 他想了一下，說：「月底的營業額，偶爾看一下毛利。」 我心裡大概知道問題在哪了。 月底的數字，其實已經是最慢的訊號 營業額是結果，是你能拿到的最慢的一個數字。它告訴你上個月發生了什麼，不告訴你下個月會怎樣，更不告訴你問題從哪裡來。 等你在月底看到數字掉了，原因往往已經悶燒好幾個月，我遇到的案子多半是這樣。那時候再開會，找出來的答案都是事後諸葛。 問題早就發生了，只是你沒有一個夠靈敏的系統讓你提早看到。 領先指標才是真正的預警系統 管理上有個分法：領先指標（leading indicator）、同時指標、落後指標。 營業額、利潤、客訴數量，這些是落後指標。結果已經發生了才看得到。 領先指標是交易還沒發生就摸得到的訊號：詢問量、來店來電人次、預約數、報價數。這些數字的變化，通常比業績早一步。 客單價、轉換率、回購週期這類同時指標也要看，但它們是幫你解釋原因，不是幫你提早知道。客單價要等交易完成才算得出來，
AI工具應用
有一次跟一個老闆聊天，他跟我說：「ChatGPT 不好用，我試過了，答案都很廢。」 我說：給我看你當時問了什麼。 他打開手機給我看。螢幕上那行字是：「請問我的產品要怎麼行銷？」 我沒有笑他。因為我看過太多人這樣問。 AI 不是算命師，它不知道你在想什麼 很多人用 AI 的方式，是「給一個關鍵字，等它猜」。 這是搜尋引擎的使用邏輯，不是跟 AI 協作的邏輯。 你問「我的產品要怎麼行銷」，AI 不知道你的產品是什麼、你的客人是誰、你的預算有多少、你之前試過哪些方式、你希望得到什麼格式的答案。 它給你的，只會是一個教科書等級的通用答案。 廢，是你給的資訊太少，不是 AI 不行。當然前提是你用的不是最陽春的免費版，模型撐不撐得住是另一件事。 把任務說清楚，答案就不一樣了 我請那個老闆重新問一次，這次我幫他改了提問。 「我在花蓮開一間賣本地農產品的小店，主要客群是觀光客，想用
AI導入現場觀察
這不是假設的故事。 一個朋友的公司，半年前導入了 AI 客服系統。 目標很清楚：減少人工回覆時間，讓客服人員可以處理更複雜的問題。 三個月後，他來找我。「不對勁。大家比以前更累。」 發生了什麼事 AI 客服開始運作之後，客服人員的工作量沒有減少，反而增加了。 原因是：AI 的回覆有時候不準確，甚至會給出錯誤的資訊。 客服人員需要審核每一則 AI 的回應，判斷要不要修改、怎麼修改。 工作從「回覆客戶」變成了「審核 AI 再回覆客戶」。 多了一個步驟，時間反而更長。 工具是對的，流程是錯的 AI 客服這個工具本身沒有問題。 問題是他們沒有重新設計工作流程。 導入之前，應該先想清楚： AI 負責哪一類問題？人負責哪一類問題？邊界在哪裡？什麼情況要轉給人？審核機制怎麼設計？ 這些流程沒有設計好，工具加進來只會製造新的摩擦。 導入之前，
AI工具應用
先說一個我常看到的現象。 很多人試過 AI 之後說「沒用」。我問他們怎麼用，答案幾乎都一樣：「我叫他幫我寫東西，他寫出來的不是我要的。」 我問：「你怎麼跟他說的？」 「我就叫他幫我寫一篇文章啊。」 問題找到了。不是 AI 沒用，是你的問法讓他沒辦法好好幫你。 把 AI 想成剛到職的員工 叫一個剛入職第一天的外場人員「幫我處理客訴」，你會得到什麼？ 可能是態度普通、不知道店裡規矩、重點也抓不到的回應。這不是他不夠聰明，是你給的資訊不夠。 AI 也是同樣的道理。提示詞不是什麼神秘咒語，就是清楚的溝通。你給的方向越清楚，他幫你做的事越準確。 一句話裡的五段：角色、任務、對象、格式、限制 我在課堂上教的就是這五段。你不一定每次都要五段都給，但缺得越多，他猜得越多。 一、角色：讓他站到你沒有的那個位置 「你是一位幫在地餐廳寫社群貼文十年的文案」 要給的是你自己缺的那種專業。叫他扮演你自己沒什麼用，
流程優於工具
很多老闆以為自己需要 AI，其實不是。 最近幾個月，我接到不少中小企業老闆的詢問，開口第一句話幾乎都一樣：「我們是不是該導入 AI 了？」我不會直接回答「要」或「不要」。我通常會先問一個問題：「你們現在的流程，清楚嗎？」 沉默，往往說明了一切。 很多公司真正缺的不是 AI，而是一份整理清楚的流程。你有沒有遇過這些狀況？ - 客戶資料散落在 Line、Excel、紙本，找起來靠緣分 - 每個人算報表的方式不一樣，開會對數字時先吵架 - 決策靠老闆的直覺，新人來了不知道怎麼接 - 出問題時，說不清楚到底卡在哪一個環節 這些問題的根，不在有沒有 AI。事實上，如果流程本來就混亂，導入 AI 只會讓問題跑得更快、更難收拾。 第一步：畫出完整流程。從客戶詢問到結案，每個環節是誰負責、