我遇過好幾次類似的開場。
主管在外面看完一場 AI 分享，回來交代 IT：「找幾套工具來 Demo，看看能不能導入。」接下來大家開始比較模型、功能和價格，會議開了不少，卻沒有人講得清楚到底要改善哪一件工作。
從表面看，AI 是技術，交給 IT 很合理。真正開始做後，我越來越覺得這是順序弄反了。
IT 可以選工具、串資料、管權限和處理資安，但沒辦法替客服、財務或業務定義他們每天最浪費時間的是哪一步。
「做一個 AI 助理」不是需求
「我們想做 AI 客服」、「能不能自動產報表」、「想要一個內部助理」，這些句子只能說明想買哪一類東西，沒有說明問題。
我會繼續問：
哪個角色在什麼時候會用？
現在怎麼做，一次花多久？
最常出錯的是哪一步？
做完後，要少幾小時、少幾次錯誤才算有用？
如果答案是「先做出來再看看」，驗收時通常也只剩「感覺好不好用」。Demo 很容易漂亮，真正上線後沒人用，也很難說是哪裡錯。
我會先填這七格
現在有人來談 AI 導入，我會先拿出七個問題。不是要寫一份很厚的企劃書，每一題用幾句話和現有數字回答就夠了。
現在是哪一個流程有問題？
不要寫「客服效率不好」。要寫清楚是哪一段工作、誰在做、多久做一次。例如「客服每天要把三個來源的退款申請手動整理到同一張表」。
這個問題造成多少成本？
可以是每週花掉的工時、平均等待時間、錯誤件數或重工次數。數字如果還沒有，就先量一小段時間。沒有基準，之後也不知道改善多少。
現在的流程怎麼跑？
資料從哪裡來、經過誰、在哪個系統處理、最後交給誰。很多號稱需要 AI 的問題，畫完流程才發現先把兩張表單合併就能解掉一半。
最卡的是哪一步？
不要把整條流程都標紅。真正浪費時間的可能是分類、查資料、重複輸入，或等待主管確認。AI 適不適合，要看卡點是什麼。
想改善到什麼程度？
「提升效率」不能驗收。可以改成「每週整理時間從 10 小時降到 4 小時」，或「需要轉人工處理的比例從目前基準降低 20%」。這些數字要用現況訂，不能為了讓計畫好看先編一個。
誰真的會使用？
第一線同仁、主管和客戶需要的介面完全不同。說「全公司都會用」，通常代表還沒找到第一個使用情境。
誰負責驗收？
不能由 IT 自己宣布上線成功。使用部門要有人負責看流程時間、錯誤率和實際使用狀況，並決定要繼續、修改或停止。
我把訪談直接當成需求，結果做錯東西
有次部門說每週做報表很花時間。我訪談後很快就列出自動摘要、趨勢分析和問答功能。功能看起來很完整，後來才發現真正卡住的不是寫摘要，而是三個來源對同一個指標有不同定義。
症狀是系統每次都能產出一份報表，會議上大家還是在爭哪個數字才對。原因是我把「做報表很慢」直接翻成 AI 功能，沒有先拆出資料口徑這個問題。
最後先做的不是換模型，而是定義欄位、資料來源和計算方式。等數字一致後，AI 才有東西可以摘要。
這件事讓我很有感：AI 會放大既有流程。流程清楚，它可以省掉重複工作；資料定義混亂，它會更快產出一份看起來完整、實際上沒人敢信的結果。
分工不能全部丟給 IT
我現在會把責任拆開：
| 角色 | 要負責的事 |
|---|---|
| 經營者 | 決定哪個問題值得投入，以及可以承擔多少風險 |
| 使用部門主管 | 說清楚現況、成本、卡點與驗收方式 |
| IT | 評估工具、資料、整合、權限、資安與維運 |
| 實際使用者 | 試用真實流程，回報哪些步驟反而增加負擔 |
AI 專案不是 IT 獨自交付一套系統，其他人等著收貨。業務問題、資料和技術要在同一張桌上，否則專案很容易在「跟想像不一樣」這句話裡結束。
有些問題不需要 AI
七個問題答完後，也可能得到「先不要做 AI」的結論。
固定規則能處理的，用規則引擎可能更穩；只是把資料從 A 搬到 B，用一般自動化比較便宜；來源資料根本不完整時，先整理資料比選模型重要。
這不算專案失敗。花兩週釐清後決定不買，通常比買完一年沒人用省得多。
我現在看到 AI 工具的 Demo，還是會覺得很多功能很厲害。但回到公司裡，我會先把七個問題填完。工具晚一點選沒關係，至少大家先確認是在解同一個問題。