AI 自動化，是在傳統流程自動化的基礎上，加入大型語言模型（LLM）來理解非結構化內容並做出判斷，讓自動化從「照規則做」進化成「看情況做」。
我在戰國策集團做企業經營輔導超過 26 年，服務過的企業超過 30,000 家。這兩年老闆問我的問題變了：以前問「這流程能不能自動化」，現在問「能不能叫 AI 把 200 封客戶來信看完，再決定哪些要我親自回」。後者需要看得懂人話的模型。
AI 自動化與傳統 RPA 的差別
傳統的 RPA（機器人流程自動化）是把人的操作錄下來重播，但每一步都要寫死；客戶把訂單編號打在第三行而非第一行，流程就斷了。AI 自動化則把判斷交給模型。
| 比較面向 | 傳統 RPA | AI 自動化（加入 LLM） |
| 資料型態 | 結構化為主：表格、固定表單、API | 非結構化也能吃：信件、合約、逐字稿 |
| 規則來源 | 人寫死，每種情況都要列舉 | 依提示詞判斷，能推論沒見過的組合 |
| 面對例外 | 沒定義過就中斷，要人工改 | 能給猜測並標示信心，但可能錯 |
| 稽核難度 | 同輸入必得同輸出，好追 | 措辭每次不同，要存版本才追得到 |
| 成本結構 | 授權費與工時，跑越多越便宜 | 多一筆 token 費用，跟量成正比 |
AI 換來彈性，也換來三個代價
一、輸出不保證穩定。同一封信問兩次，分類可能一樣，摘要措辭卻不會一樣。做法是強制輸出固定格式 JSON，分類值只能從清單挑。
二、一定要有驗證機制。AI 不會回報錯誤，它會很有自信地寫錯。牽涉金額、日期、編號的欄位，都該回頭比對原始資料。
三、有 token 成本。每次呼叫都在計費，單價依供應商而異且調整頻繁，請以官方公告為準。我會請客戶先跑 200 筆真實資料，把花費乘上月處理量再決定。
AI 自動化的五大應用場景
不是每個流程都值得加 AI。以下五個是落地率最高的方向，共同點是「輸入雜、判斷有標準、可驗證」。
一、客戶服務：來信分類、回覆草稿與轉真人判斷
客服信箱是最典型的入口。做法是把每封新信丟給模型，一次要三件事：歸到哪一類（報價、客訴、技術問題、廣告信）、急迫度幾級、一段可直接用的回覆草稿。
關鍵在第三件事不要全自動送出。我建議的設計是：分類與急迫度由 AI 決定並自動分流，回覆草稿一律先進客服的待審清單，人按一下才寄出。三個月後累積夠多修改紀錄，再挑出「草稿幾乎不用改」的那幾類放行全自動。
可預期效益是分類與初步整理的時間。我輔導過的一家設備代理商（以下稱 A 公司），客服每天早上花約 40 分鐘讀信分類，導入後降到看清單確認的 10 分鐘左右；省下的是工時的機會成本，不是直接的現金支出，這點要跟老闆講清楚。
二、文件處理：合約、發票、報價單的重點擷取與比對
這塊最有價值，因為傳統 OCR 只能認字，認不出「這條是違約金條款」。做法是把 PDF 轉成文字後交給模型，要求輸出固定欄位：合約期間、金額、付款條件、是否自動續約、違約責任。
更實用的是比對。把新版合約與公司標準版本一起送進去，請模型列出所有差異條款並標註風險等級，法務就不必逐字讀完 20 頁。發票與報價單同理：抽出品項、數量、單價、稅額，直接跟採購單比對金額。
我要強調，金額欄位一定要二次驗證。實務上我會要求流程把模型抽出的數字，跟系統原始採購金額做程式比對，不一致就跳人工。這一步花不了多少開發時間，卻是整條流程敢不敢上線的分水嶺。
三、資料整理：把雜亂的回覆與會議記錄變成結構化欄位
很多公司的資料不是沒有，是躺在自由填寫的欄位裡。展會名單、表單意見欄、業務會議逐字稿都無法直接進 CRM 統計，因為每個人寫法都不一樣。
做法是定義好目標欄位再讓模型逐筆轉換。例如把「我們大概 30 人的公司，主要想解決報價單很慢的問題，預算不確定」轉成：公司規模 = 21-50 人、痛點 = 報價流程、預算 = 未提供。缺的欄位讓它回填「未提供」，不要讓模型自行猜測補值。
會議記錄則是抽出待辦事項、負責人與期限三個欄位，直接寫進專案管理工具。這類任務容錯度比財務資料高，偶爾漏一項人看一眼就能補，很適合當導入 AI 自動化的第一個練習題。
四、行銷：素材產出、廣告文案 A/B 版本與社群排程
行銷最快看到產出，也最容易做壞。做法是把產品規格、目標客群、通路限制寫成固定的提示詞模板，一次產出五組標題與三版文案直接跑 A/B 測試；社群排程則把一篇部落格拆成臉書、LinkedIn 與電子報三種語氣，一次排完整週。
做壞的地方在於：只給模型一句「幫我寫貼文」，產出會很像所有同業的貼文。差別在你有沒有把品牌用語、不能講的字眼、法規限制（例如食品、醫材、金融業的廣告用詞）寫進提示詞。
效益也要誠實算。AI 產出的是初稿，行銷人員的工作從「從零開始寫」變成「挑選與修改」，省的是前段空白時間，不是整個文案流程。合理期待是初稿產出時間縮短一半以上，但審稿時間幾乎不會減少。
五、決策輔助：多來源數據的摘要報告與異常標示
老闆想要的往往不是報表，而是「這週有沒有哪裡不對勁」。做法是每週固定時間由流程去撈廣告花費、電商訂單、客服工單數與庫存水位，整理成同一份表，再交給模型寫成三段摘要：本週重點、與上週的異常差異、建議優先處理的兩件事。
設計重點是「數字由程式算，文字由 AI 寫」。千萬不要讓模型自己做加總或算成長率，計算交給試算表或 SQL，模型只負責把算好的結果講成人話並標出異常。這樣數字永遠正確，AI 只在解釋層面出錯，風險可控。
這種報告的價值不在取代分析師，而在把「有人固定每週看一次」變成必然會發生的事。我見過不少中小企業的問題不是不會分析，是根本沒人有空定期看。
實作架構範例：n8n + ChatGPT 的客戶來信處理流程
工具用 n8n 這類平台加上 LLM API，可自架、資料不必過第三方 SaaS，對在意資安的企業好交代。
- 郵件觸發：以 IMAP 或 Gmail 節點監聽客服信箱，每 5 分鐘輪詢。重點是記錄已處理的信件 ID，避免重複。
- 取出內文並預處理：抽出寄件人、主旨、內文與附件清單，把簽名檔、免責聲明與往返引言砍掉。雜訊少一半，token 成本就少一半。
- 呼叫 LLM 判斷分類與急迫度：提示詞含三件事：分類清單（只能挑一個）、急迫度標準（例如「停機、無法出貨、已表達不滿」屬於高）、強制輸出 JSON，欄位為 category、urgency、confidence、draft_reply。限制格式是能否穩定的關鍵。
- 依分類分流：一般查詢走待審草稿；技術問題自動開工單；報價需求通知業務並寫進 CRM；廣告信歸檔。
- 信心不足時保留人工關卡：confidence 低於門檻（我先設 0.8）或急迫度最高，一律不自動處理，改推播到主管群組由人決定。寧可多幾件人工，也別讓客訴被誤判成廣告信。
- 寫入紀錄：每筆都留原始內文、提示詞版本、模型回應與人工是否修改。出事可追查，也能評估哪些分類準到能全自動。
熟手約 2 至 3 天可跑出可用版本，真正花時間的是後面調提示詞、看誤判的兩到四週。若對基本概念還不熟，建議先看流程自動化的完整介紹。
導入 AI 自動化的五個注意事項
- 先確認資料可不可以送到外部模型。客戶名單、財務明細與合約，在個資法與保密條款下未必能傳給第三方 API。先跟法務確認範圍，必要時把敏感欄位遮蔽或雜湊。
- 一定要設驗證與人工覆核機制。至少三層：格式檢查（不是合法 JSON 就重試）、關鍵數值比對原始資料、信心不足轉人工。初期全部人工確認，累積正確率再放手。
- token 成本要估算與監控。上線前用真實資料試算，上線後記錄 token 數並設預算警示。我看過最痛的案例是迴圈設計不當，一份文件重複送十幾次，帳單來才發現。
- 提示詞要版本管理。提示詞就是這套系統的原始碼，改一個字整批輸出都可能變。請放進 Git，記下版本號與修改原因，並在紀錄標註用哪版。
- 從低風險場景開始。第一個上線的流程請挑「做錯不會賠錢、不會得罪客戶」的：會議記錄整理、內部文件摘要、行銷初稿。等團隊養成驗證習慣再往上推。
趨勢展望：2026 之後會往哪走
目前多數企業做的還是「單點呼叫模型」——流程固定，AI 只負責一個判斷步驟。下一階段是 AI Agent：由模型自行決定呼叫哪些工具、依什麼順序做，人只給目標不給步驟。技術上已可行，像 OpenClaw 這類 AI 驅動的工作流程工具就往這方向走。
但我的建議偏保守：自主性越高，出錯時追查難度就越高，現階段適合內部研究、報告初稿這種事後可檢查的任務，還不建議接上會動到金錢或客戶關係的系統。真正的分水嶺不是誰用最新的模型，而是誰先把流程整理乾淨、驗證機制建起來。完整趨勢與採用節奏我寫在2026 年企業 AI 自動化趨勢這篇，建議搭配著看。
常見問題（FAQ）
AI 自動化會不會出錯？出錯了怎麼辦？
會，而且一定會。大型語言模型的輸出是機率性的，它不會回報錯誤代碼，而是用很肯定的語氣講錯。重點不是追求零錯誤，而是設計「錯了也接得住」的機制：強制固定輸出格式、關鍵數值比對原始資料、信心不足轉人工。
導入 AI 自動化的成本高嗎？
成本分三塊：平台授權或主機費用、開發與調校工時、模型的 token 費用。前兩者跟一般自動化專案差不多，第三者是新增的且跟量成正比。單價變動頻繁，請以官方公告為準，建議先用 200 筆真實資料試跑再編預算。
把資料送給 AI 模型，會不會外洩？
要看方案。多數雲端供應商承諾不用 API 資料做訓練，但資料仍會離開你的機房，在個資法或保密條款下未必能接受。三個做法：先跟法務確認可送出的範圍、把敏感欄位遮蔽或雜湊、改用可自架的開源模型。
需要自己訓練模型嗎？
絕大多數企業不需要。現成的通用模型加上寫得好的提示詞，就能處理本文的五類場景。真正該投資的是把判斷標準寫清楚、備好正確與錯誤的範例、建立驗證機制。只有領域用語極特殊且已有上萬筆標註資料，微調才划算。
中小企業適合從哪個場景開始？
從「做錯不會賠錢、不會得罪客戶」的內部流程開始。我最常建議三個：會議記錄整理成待辦清單、客服來信自動分類但回覆仍由人送出、每週營運數據摘要。共同點是判斷有標準、對錯一眼看得出。跑順了再往合約與財務推進。
AI 自動化會取代原本的 RPA 嗎？
不會，兩者互補。需要百分之百可預測、可稽核的環節，例如登入系統、搬移檔案、寫入資料庫、對帳計算，仍該用傳統規則式自動化，因為穩定又便宜。AI 只負責「規則寫不完」的判斷：骨架用流程自動化搭，判斷點插 LLM。
下一步：先做一次免費流程健檢
如果你已浮現「我們好像有一兩個流程可以試試」，別停在想像。戰國策提供免費流程健檢：顧問會盤點你目前的作業流程、標出前三個最值得自動化的環節、判斷哪些適合規則式自動化、哪些需要加 AI，並給出工具選型與預算建議。
健檢不必先準備資料，帶現在的做法來聊就好。服務專線 0800-003-191，或透過官網聯繫，我們會安排熟悉你產業的顧問。