中小企業如何用 AI Agent 提升營運效率

不必追求全自動,先學會養一位數位員工——五種原型、兩個臺灣案例、三個務實提醒

Vista Cheng

Vista Cheng

AI 應用培訓師|內容策略顧問|一人公司創辦人

20 年寫作與內容策略經驗,出版近 20 本著作。長期協助臺灣中小企業導入 AI 工具,把 NotebookLM、Claude、ChatGPT 等服務整合成可被同仁複用的工作流;自身也以一人公司模式,每天和五位 AI 數位員工協作。

今天我想帶你走完這條路

  1. 01

    為什麼 2026 年的 AI 重點是代辦任務

    Chatbot 與 AI Agent 的本質差異

  2. 02

    中小企業最需要的是「半自動」

    人做判斷、AI 做整理的分工哲學

  3. 03

    五種立刻能用的數位員工原型

    客服、業務、行銷、會議、知識助理

  4. 04

    臺灣兩個真實的產業案例

    機械業 AI 知識庫與地方觀光的轉型

  5. 05

    導入 AI Agent 的三個提醒與 30 天行動

    從觀念回到工作桌上的具體下一步

01

為什麼 2026 年的 AI 重點不只是聊天,而是代辦任務

一個你也許熟悉的早晨

小美是一位開貿易公司的老闆娘,員工七個人。早上九點,她坐下來打開電腦,桌上同時亮著六個視窗:兩個客戶郵件、兩份報價單、一份海關通知,以及昨晚 LINE 沒回完的對話。

她不是不會用 AI——半年前她裝了 ChatGPT,每天會問它兩三個問題:怎麼回信比較禮貌、商品的英文文案怎麼寫。AI 確實幫上忙,但每件事都還是她得自己起頭、自己收尾。

其實,她真正缺的不是更聰明的聊天機器人,而是一位能幫她「先把該整理的整理好」的數位員工。這就是 2026 年 AI Agent 想替中小企業老闆解決的事。

Chatbot 是你問它答;AI Agent 是你給它目標,它幫你拆解任務、執行部分流程,再回頭提醒你下一步。

— Vista Cheng

寫給臺灣中小企業的 AI 入門筆記

Chatbot vs AI Agent 的根本差別

Chatbot:問答機器

  • 你問一句、它答一句
  • 對話結束就忘記
  • 只在你開口時動作
  • 不會主動拆解步驟
  • 產出的是文字,不是結果

AI Agent:任務同事

  • 你給目標,它規劃路徑
  • 保留任務脈絡並追蹤進度
  • 在背景持續執行多個步驟
  • 會主動問你關鍵決策點
  • 產出的是被執行過的成果

AI Agent 的三大核心能力

🧩 拆解任務 把一句模糊的目標拆成數個可執行的子步驟,並判斷誰先誰後
⚙️ 執行部分流程 能呼叫工具、寫文件、查資料、寄郵件,不只生成文字
🔔 提醒後續動作 把該你判斷的事,整理成清單推回你的桌上

小美老闆娘的星期一早晨

BEFORE

只用 Chatbot 的早晨

貿易公司七人團隊,老闆娘小美的真實一天。

  • 8:30 開電腦,23 封郵件、4 個 LINE 群組未讀,不知從哪開始
  • 逐封點開、自己歸類、自己摘要,思緒被信件牽著走
  • 回信前還要翻上週紀錄:那筆報價當時是怎麼談的?
  • 中午前只清掉一半信箱,重要的市場拓展案被擠到下午三點
真正用在策略思考的時間:< 30 分鐘
VS
AFTER

加上 AI Agent 的早晨

同樣的小美,差別只在桌上多了一位數位助理。

  • 8:30 打開電腦看到「今晨郵件總表」:分類、緊急度、建議回覆草稿
  • 小美只決定「哪些立刻回、哪些晚點處理、哪些直接刪」
  • 回信時 Agent 自動把上週相關往來脈絡貼在草稿旁
  • 10:00 信箱清空,9:00–11:00 整段留給拓展新客戶的提案
真正用在策略思考的時間:> 2 小時

70%

是任務性而非對話性的工作

AI 工作型態的三層演化

💬

第一層:Chat

你開啟對話、它給答案。
適合:靈感、寫作、語言練習。
核心:知識存取。

🤝

第二層:Copilot

它住在你的工具裡,邊做邊幫你。
適合:寫文件、做表格、寫程式。
核心:共同創作。

🤖

第三層:Agent

你交辦目標、它規劃並執行。
適合:例行流程、跨工具任務。
核心:代辦任務。

別誤會:AI Agent 不是炫技,而是分工

很多人第一次聽到 AI Agent,腦中浮現的是電影裡那個會跟你聊天、會自己決定的機器人。但在中小企業真實的工作現場,Agent 比較像是一位「住在你電腦裡的實習生」。

它不會自己決定要簽合約、不會替你跟客戶吵架,也不會替你做出商業判斷。它做的是:把資料整理好、把信件草稿寫好、把待辦事項列清楚——把該你判斷的事,整齊地推到你眼前。

這個分工觀念,會貫穿今天整場分享。它也是讓中小企業真的用得起 AI Agent 的關鍵。

中小企業老闆常見的三個誤解

  • 誤解一:以為 AI Agent 很貴

    其實月費 600~1500 元的個人版 Agent,已能涵蓋 80% 中小企業需求

  • 誤解二:以為要會寫程式

    主流 Agent 平臺都是「自然語言設定」,會用 Word 就會用 Agent

  • 誤解三:以為一導入就要全公司用

    更務實的做法是先讓老闆/一位主管試用兩週,把流程跑順再擴散

AI Agent 在中小企業能做什麼

📥

資料整理

把信件、訊息、文件、會議紀錄分類、摘要、排序。
典型結果:每天替老闆省 60 分鐘以上。

✍️

草稿撰寫

生成回信、提案、貼文、產品說明的初稿。
典型結果:初稿 3 分鐘,人工修飾 10 分鐘。

🔁

跨工具串接

從 Gmail 抓資料 → 整理進 Sheet → 通知 LINE。
典型結果:讓不喜歡用工具的同事也跟得上。

🧠

知識管理

把公司文件、SOP、客戶歷史變成可問答的知識庫。
典型結果:新人到職第一週就能上手。

AI Agent 不擅長的事,請你務必記住

  • 做價值判斷

    是否該跟對方合作、是否要漲價,這類事它沒辦法替你拍板

  • 處理高度模糊任務

    當情境又新又複雜,它的拆解會錯,需要你親自下指令

  • 完整取代專業角色

    法務、會計、心理諮商等專業,Agent 可以協助但不能取代

  • 100% 不犯錯

    Agent 仍會幻覺、會誤判,所有對外輸出仍需要人把關

💡

一句話理解 AI Agent

當你願意把工作切成「人做判斷、AI 做整理」兩半,AI Agent 就會從新聞裡的名詞,變成你桌上每天用得到的同事。

02

中小企業最需要的不是「全自動」,而是「半自動」

老闆們最常問我的那句話

在我跟臺灣中小企業老闆對談的場合,最常聽到的問題就是:「Vista,AI 真的可以全自動嗎?我能不能讓它幫我把所有信件都回好?」

我都會慢慢搖頭——能,但不該。讓 AI 完全替你回信、替你發報價、替你跟客戶吵架,是最快讓你品牌出事的做法。

中小企業真正該追求的,是另一個更務實也更安全的目標:半自動。

人做判斷,AI 做整理。人做決策,AI 做準備。

— Vista Cheng

中小企業導入 AI Agent 的兩條金線

全自動會帶來的三種風險

⚖️

合規風險

AI 自動寄出的訊息可能違反個資法、廣告法。
影響:單一錯誤訊息就足以引起申訴。

🪧

品牌風險

AI 回出僵硬、誤解或失禮的訊息,老闆來不及攔下。
影響:老客戶流失只需一次。

🎯

誤判風險

AI 判斷錯訊息優先順序、漏接重要客戶。
影響:機會成本是看不到但持續累積的。

半自動的工作分工

由人負責

  • 商業判斷與最終拍板
  • 帶有情緒的人際應對
  • 對外公開訊息的把關
  • 價格、合約、條款的決定
  • 對員工的回饋與績效決策

由 AI 負責

  • 資料蒐集、分類、摘要
  • 回信/文件初稿產出
  • 行程、待辦、備忘的整理
  • 報表的生成與基本分析
  • 客戶背景研究與資料準備

半自動是一種工作哲學,不只是技術選擇

半自動真正的意思是:你願意承擔最終決策的責任,但不再花時間在資料整理上。

這跟你過去聘人類助理的邏輯一樣:助理替你查好機票、列好行程、整理好出差行李清單,但是否要去那場會議、要不要見那個客戶,仍是你自己決定。

AI Agent 只是把這個分工,從一位實體助理,變成一位 24 小時待機、月費可控的數位助理。

半自動帶來的四種收益

時間紅利

每天替老闆省 60–120 分鐘的整理時間。
意義:多出來的時間用在客戶與策略上。

🧘

情緒紅利

不再被瑣事追著跑,能更從容地做決策。
意義:老闆心情穩,整個團隊都受益。

📈

品質紅利

AI 提供的草稿讓你不再在疲倦時寫信。
意義:對外訊息品質的下限被拉高。

📚

學習紅利

AI 幫你整理的過程,會把公司知識顯化。
意義:SOP 慢慢從老闆腦袋變成資產。

一個我親眼看到的轉變

我輔導過一家八人室內設計公司,老闆每天最痛的事是「客戶把需求講得很模糊,又一直丟訊息來」。她不是不想回,而是太忙到沒辦法即時整理。

我們替她設計了一位 AI 業務助理:把客戶的 LINE 與郵件每兩小時整理一次,產出「他真的想要的東西」摘要與三個建議回覆方向,由老闆挑一個再回。

兩週後,她說:「客戶說我變得更體貼了。」其實她沒有更努力,是 AI 替她把整理工作收掉,讓她在回訊息時更有餘裕。

中小企業導入半自動後的常見變化

平均每日節省

90 分鐘

訊息回覆時間縮短

4 倍

客戶滿意度提升

15–25%

老闆主觀工作壓力下降

顯著

不適合導入 Agent 的情況

  • 團隊還沒分清楚 SOP

    Agent 會把混亂的流程放大,請先盤點當前工作流程再導入

  • 預期一週看到全公司效益

    Agent 的效益是漸進式的,至少預留 1~2 個月適應期

  • 想用來監控員工

    Agent 該是輔助同事的工具,當成監視會破壞團隊信任

  • 不打算讓任何人花時間學

    不下指令、不回饋的 Agent 會跟新員工一樣,半年後仍是路人

中小企業導入 Agent 的階段論

心態轉換:從「用工具」到「用同事」

  • 用工具的心態

    輸入指令 → 取得結果 → 結束。一次性、可拋棄式。

  • 用同事的心態

    描述目標 → 來回討論 → 給回饋 → 下一次更準。長期投資、會累積默契。

  • 關鍵差別

    前者每次都從零開始,後者一週後就能感覺到差距

  • 給老闆的提醒

    AI 同事跟人類同事一樣,需要交辦清楚、需要回饋,也需要肯定

💡

這一節的關鍵字:邊界感

半自動工作哲學的核心,是替「人」與「AI」畫出清楚的邊界——讓人專注在判斷與關係,AI 專注在整理與準備。

03

五種中小企業可用的數位員工原型

今天介紹的五位數位員工

🎧 AI 客服助理 整理 FAQ 與第一線回覆草稿
💼 AI 業務助理 名單研究與客戶背景整理
📣 AI 行銷助理 一篇文章變多平臺素材
📝 AI 會議助理 摘要會議與待辦追蹤
📚 AI 知識助理 公司文件與 SOP 智能搜索

為什麼是這五個原型

我替臺灣中小企業設計 AI 工作流程超過三年,這五個角色是回收期最短、需要的技術門檻最低、且最容易在兩週內看到成效的組合。

它們的共通特性是:每一個都是「資料整理者」,沒有任何一個會替你做最終判斷。

這也是中小企業 AI 導入的最佳起點——先讓 Agent 把資料弄整齊,老闆與同事的判斷品質自然會跟著提升。

五位 Agent 共通的設計原則

🎯

單點突破

一次只交辦一個明確任務,別讓 Agent 同時兼差。

📋

輸出格式固定

指定它每次都產出同一種格式,方便人工檢視與比較。

👀

保留人工關卡

對外送出前,永遠留一道人類眼睛。

🔁

每週微調

把這週用得不順的地方,下週寫進提示再試。

03-1

AI 客服助理

AI 客服助理是誰

  • 核心角色

    替你寫第一線回覆草稿,並把客戶問題分類整理

  • 不做的事

    不直接送出對外訊息,最終回覆仍由真人按下送出

  • 它最適合的場景

    常見問題回覆、產品規格說明、退換貨流程引導

  • 它最不適合的場景

    客訴調解、合約爭議、需要安撫情緒的對話

AI 客服助理的一日工作流

1

一早匯入昨日訊息

從 LINE 官方帳號、客服信箱、表單匯出對話

2

Agent 自動分類

依產品線、問題類型、緊急度分組,產出今日簡報

3

Agent 草擬回覆

針對每一筆訊息,提供 1~3 個回覆草稿

4

真人挑選與微調

客服同仁挑選最合適的草稿、做最後修飾

5

一鍵送出並回收

Agent 將真人最終版本回收成下次學習素材

可直接使用的提示模板

PROMPT
你是我的客服助理。我會貼上一段客戶訊息,請你完成三件事:(1) 用一句話總結客戶問題;(2) 標出問題類型(產品/物流/退換/其他);(3) 給我三個不同語氣的回覆草稿——專業、親切、簡潔。請保持禮貌但不要過度吹捧。
OUTPUT
輸出範例:
問題摘要:客戶詢問商品 A-23 的尺寸,並擔心是否符合自家空間。
問題類型:產品諮詢
回覆草稿一(專業):感謝您的詢問。商品 A-23 的尺寸為 80×60×72 公分……
回覆草稿二(親切):謝謝您喜歡 A-23!它的尺寸是……
回覆草稿三(簡潔):A-23 尺寸 80×60×72 公分,符合一般客廳空間,建議您……

一個臺灣餐飲業的小範例

一家臺中的中型連鎖餐廳,每天有 80–120 則訊息透過 LINE 進來,主要是訂位、改時間、過敏原詢問與菜單推薦。過去由兩位夥伴輪流接,常因為輪班斷掉脈絡。

導入 AI 客服助理後,工作流改成:訊息每 30 分鐘整理一次,依時段分類、摘要顧客需求,並附上回覆草稿。夥伴只需要選一個草稿、按下送出。

結果:平均回覆時間從 25 分鐘縮到 6 分鐘,顧客評價明顯上升,更重要的是夥伴下班時的疲憊度大幅降低。

AI 客服助理常見成效

訊息回覆速度提升

3–5 倍

客服人員工時節省

40–60%

客戶滿意度提升

10–20%

夜間訊息漏接率

近乎歸零

AI 客服助理上線前的 6 項準備

盤點過去 30 天最常被問的 20 種問題
撰寫每一類問題的標準答覆與禁區答覆
決定哪些情境一定要轉真人
與真人客服約定回覆「品牌語氣」
建立每週一次的回覆抽查制度
把客戶歷史紀錄與會員資料的存取權限收緊

03-2

AI 業務助理

AI 業務助理是誰

  • 核心角色

    替你做客戶背景研究、整理會議前資料、追蹤名單進度

  • 不做的事

    不主動寄出冷信、不替你做報價判斷

  • 它最適合的場景

    B2B 顧問業、設計業、貿易商、企業培訓

  • 它最不適合的場景

    高度依賴關係的銷售場合,例如保險、房仲

AI 業務助理在會議前 30 分鐘的工作

1

抓取客戶資料

官網、新聞、社群、過去往來郵件

2

整理一頁公司簡介

產品線、市場區隔、最近重大消息

3

列出可能痛點

依產業特性與最近事件,給出 3 個假設

4

預備三個提問方向

幫你開場有話聊、不會冷場

5

輸出一份 A4 簡報

老闆出門前 5 分鐘讀完即可

客戶會議前的提示模板

PROMPT
你是我的業務助理。等一下我會給你一家公司名稱與我們公司的產品介紹。請你完成:(1) 用 200 字摘要這家公司的業務、規模、最近三個月新聞;(2) 列出三個我們可能能幫他們解決的痛點;(3) 提出三個破冰用的提問。輸出時請使用條列。
OUTPUT
輸出範例:
公司摘要:××股份有限公司主營機械零組件出口……
可能痛點:1) 海外售後服務分散;2) 新人訓練週期長;3) 產品說明文件多語版本管理混亂。
破冰提問:1) 最近北美市場的售後人力,是內部還是外包?……

它真正改變的是什麼?

導入前的會議準備

  • 會議前一晚熬夜查資料
  • 只能看到表面新聞
  • 提問仰賴老闆即興發揮
  • 會後才想到:原來他們有這個痛

導入後的會議準備

  • 出發前 5 分鐘讀完一頁摘要
  • 抓得到產業細節與內部訊號
  • 每一場都帶三個準備好的提問
  • 會議現場直接驗證,命中率提升

一位顧問的真實心聲

一位企業培訓顧問跟我說:「我以前接到客戶要的是『下週能不能來談』,當下總是緊張——時間根本不夠做研究。」

導入 AI 業務助理後,他能在會議前 30 分鐘拿到一份完整的客戶簡報。不是 AI 寫得多神,而是「他不再從零開始」。

「最神奇的是,客戶會說我『真的有做功課』,但其實是 AI 替我做的。我要做的,是把這份功課真的看進去。」

AI 業務助理導入前的 5 件事

建立公司產品 / 服務的標準介紹文件
彙整過去 6 個月有交手的客戶名單
訂出客戶分級邏輯(A/B/C)
設定 Agent 不能存取的機密資料夾
先用三個既有客戶試跑,比對 AI 摘要與真實情況

03-3

AI 行銷助理

AI 行銷助理是誰

  • 核心角色

    把一篇主文章,改寫成多平臺版本

  • 不做的事

    不替你決定行銷主軸與品牌語氣

  • 它最適合的場景

    一週要產出 5 種以上社群素材的中小企業

  • 它最不適合的場景

    需要原創觀點、需要採訪、需要實地照片的內容

AI 行銷助理的一日工作流

1

上傳本週主文章

可以是部落格文、訪談稿、新聞稿

2

Agent 抽出三個重點

依重點分別改寫成三種社群版本

3

Agent 產出多平臺素材

FB 長文、IG 文案、LINE 短訊、EDM 標題、短影音腳本

4

行銷同仁挑選與配圖

人決定要發哪一支、搭配什麼視覺

5

事後產出檢討表

哪一篇互動好,下週的提示就調整方向

同一篇文章可被改寫成的版本

📘

FB 長文

帶情境開場、清楚論述、結尾有 CTA。
特性:適合 600–800 字的故事性發文。

📷

IG 圖文卡

6–10 張圖卡的文字,每張一個重點。
特性:第一張要有勾子,最後一張帶連結。

✉️

EDM 摘要

標題、副標、三個重點、CTA。
特性:讀者掃讀 8 秒就能決定是否點擊。

🎬

短影音腳本

60 秒內的開場、轉折、結尾。
特性:第 3 秒前要丟出最大誘因。

一文多用的提示模板

PROMPT
你是我的內容行銷助理。請把以下這篇文章,依下列五個版本改寫,並維持我的品牌語氣(誠懇、條理、不浮誇):(1) FB 長文 600 字;(2) IG 圖文卡 8 張;(3) EDM 摘要 200 字;(4) 60 秒短影音腳本;(5) LinkedIn 專業短文 300 字。每個版本都要保留主文章的三個核心觀點。
OUTPUT
輸出範例:
=== FB 版 ===
上週我帶一家機械業客戶導入 AI 知識庫……
=== IG 圖卡 1/8 ===
標題:客服效率變 3 倍的祕密……

一個我自己用過的故事

我每週有一篇 vista.tw 主文,過去要花一整個下午把它改成 FB、LinkedIn、Threads、Substack 五個版本。

我把流程交給 AI 行銷助理後,半小時內就會收到五個版本草稿。我做的事情,是挑選與微調語氣。

一年下來,我多寫了大約 40 篇主文章——這 40 篇,是因為「分發不再是負擔」才得以發生。

AI 行銷助理上線前的準備

建立品牌語氣手冊(建議列出五個關鍵詞)
蒐集過去 10 篇成效最好的內容當學習材料
訂出每週發文的格式組合
設定 Agent 不能擅自承諾的內容(如折扣、贈品)
安排每月一次的內容回顧會

03-4

AI 會議助理

AI 會議助理是誰

  • 核心角色

    替你錄音、產出逐字稿、整理摘要、列出待辦與負責人

  • 不做的事

    不替你決定會議結論,仍需主席拍板

  • 它最適合的場景

    每週主管會、客戶提案會、跨部門協作會

  • 它最不適合的場景

    高度敏感資料的會議(請改用本地端工具)

AI 會議助理的會後 10 分鐘

1

錄音上傳

會議結束 30 秒內把錄音檔送到 Agent

2

逐字稿產出

依發言者切分,標出時間軸

3

摘要與待辦

依議題整理重點、決議事項與待辦清單

4

指派負責人

每一條待辦都附上負責人與期限

5

寄出會議紀要

一封信、一份共用文件,自動寄給所有人

會議紀要的提示模板

PROMPT
你是我的會議助理。我會貼上一段會議逐字稿,請你完成:(1) 用 5 點摘要整場會議;(2) 列出本次決議事項;(3) 列出待辦清單,每一條附負責人與完成日期;(4) 列出本次會議沒解決、需要下次討論的議題。請使用條列、標題清楚。
OUTPUT
輸出範例:
會議重點:1) 確認下季新品類……
本次決議:1) 6/15 前完成 A 通路上架……
待辦清單:- 通路 A 上架文案:負責人 小林,期限 5/20……
下次議題:1) 海外通路評估……

AI 會議助理導入前後的差距

BEFORE

導入前

會議結束於 11:00,但決議多半要等到下週才會被執行。

  • 會後一週才有不完整紀要
  • 誰要做什麼,常常開到下次才想起
  • 錯過會議的同事完全跟不上脈絡
  • 主管要花 30 分鐘整理會議結論
從會議結束到行動展開:5–7 天
VS
AFTER

導入後

會議 11:00 結束,11:10 全公司就看到一份完整紀要。

  • 會後 10 分鐘紀要與待辦同步寄出
  • 每一條待辦都有負責人與時程
  • 錯過會議者讀 5 分鐘就跟得上
  • 主管只需做最後一次校對
從會議結束到行動展開:< 1 小時

AI 會議助理的安全守則

錄音前必須口頭告知所有與會者
高度敏感的會議(薪資、人事)請改用本地端工具
紀要寄出前由主席先校對一次
所有錄音檔保留 90 天後自動刪除
建立「不錄音情境清單」,避免日後爭議

03-5

AI 知識助理

AI 知識助理是誰

  • 核心角色

    把公司文件、SOP、產品資料、過去客戶紀錄變成可問答的資料庫

  • 不做的事

    不替你寫新政策,只在既有資料中回答

  • 它最適合的場景

    產品線多、SOP 複雜、新人訓練成本高的中小企業

  • 它最不適合的場景

    資料極度敏感且不允許上雲端的場合

AI 知識助理的建置流程

1

第 1 週:盤點知識

列出公司既有所有文件與來源

2

第 2 週:清理結構

把過時、重複、衝突的版本整理掉

3

第 3 週:建知識庫

把整理過的版本上傳到 Agent 平臺

4

第 4 週:訓練同仁

示範如何向 Agent 發問、如何回報錯誤

5

第 5 週起:每週維護

指派一位同仁負責知識庫的更新

新人問問題的範例

PROMPT
你是我們公司的 AI 知識助理。我是一位新進的客服同仁,今天上工。請告訴我:A 系列商品的退換貨流程、需要客戶提供哪些資料、超過 7 天的特例如何處理。回覆時請附上你引用的內部文件名稱。
OUTPUT
輸出範例:
A 系列退換貨流程:1) 收到客戶通知後 24 小時內回覆……
需要客戶提供:發票照片、商品照片、運送單號……
7 天後特例:依《A 系列退換貨例外規則 v3.2》第 4 條……
(以上引自:客服 SOP v5、A 系列退換貨例外規則 v3.2)

AI 知識助理對誰最有感

👶

新人

到職第一週,問題終於不必都丟給主管。
結果:培訓週期縮短 30–50%。

👩‍🔧

客服與業務

面對客戶問題,3 秒就能找到正確 SOP。
結果:第一線回應準確度大幅提升。

👔

主管

不再被新人重複問同樣的問題打斷。
結果:主管能把時間用在真正策略性的事。

👵

老臣

腦中的隱性知識被整理成顯性資料。
結果:離職風險被降低,知識能被傳承。

AI 知識助理建置前的 7 項盤點

公司文件目前散在哪些位置(Drive、Notion、紙本、信箱)
哪些是仍在使用的最新版本
哪些是不能離開公司內網的機密
誰是知識庫的主理人
誰負責每月更新
什麼時候該重新訓練模型
誰能存取、誰不能

04

臺灣中小企業的真實案例

04-1

案例一:機械設備製造業 × AI 知識庫

案例一的背景

  • 企業類型

    臺灣中部機械設備製造業,員工約 80 人

  • 痛點

    海外客戶售後服務問題分散,仰賴 2 位資深工程師

  • 挑戰

    工程師輪休或外出時,回覆時間動輒 48 小時以上

  • 導入方案

    建置 AI 知識庫管理工具,整合產品手冊、維修紀錄、過去案例

它做了哪些具體動作

1

第一步:彙整資料

把 200 多份產品手冊、SOP、維修紀錄電子化

2

第二步:清理版本

剔除過時版本、整合重複資料

3

第三步:建立索引

依產品線、問題類型、客戶區域分類

4

第四步:訓練 Agent

讓 AI 能依客戶提問,回到原始文件中找答案

5

第五步:第一線整合

客服同仁面對客戶詢問時,先問 Agent、再回客戶

> 70%

客戶技術問題可即時回應

它做對的三件事

📚

先整理再導入

花一整個月清理資料,AI 才有東西讀。
啟示:沒有乾淨資料的 AI,等於沒有。

🪜

半自動分工

第一線客服永遠是真人;AI 只在背後協助查找。
啟示:對外有人臉,對內有 AI 腦。

🔄

每週回流更新

客服遇到 AI 答錯的問題,當週就被加進知識庫。
啟示:知識庫是活的,會跟著客戶問題長大。

這個案例最值得你學習的部分

對中小企業老闆來說,這個案例最寶貴的不是「他們導入了多神的 AI」——而是「他們把資深工程師腦中的知識,慢慢搬出來」。

這件事在所有中小企業都成立:你的公司一定有 1~2 位「不能離職」的關鍵人,他腦中的知識就是公司的命脈。

導入 AI 知識助理的過程,本質上是替公司做一次知識轉移——不論最後 AI 用得多深,這個整理動作本身就值回票價。

04-2

案例二:地方觀光 × AI 辨識與資料分析

案例二的背景

  • 企業類型

    臺灣地方觀光業者,整合食宿、觀光、健康管理資源

  • 痛點

    產品分散、行銷資源有限、難以追蹤遊客滿意度

  • 挑戰

    不同來源的資料無法串接,老闆只能靠經驗判斷

  • 導入方案

    AI 辨識(語音、圖像)+ 數據分析平臺 + 個人化推薦

他們做了哪些具體動作

1

整合食宿、觀光、健康資料

把過去散在不同系統的資料合併

2

導入 AI 辨識

在現場用影像/語音蒐集顧客回饋與動線

3

數據分析儀表板

老闆每週可看一次「哪個方案最受歡迎」

4

個人化推薦

依遊客背景,推薦對的住宿、餐飲、活動組合

5

持續迭代

每月根據資料微調行程設計與行銷主題

> 20%

帶動年度營收成長

它做對的四件事

🔗

把資料串起來

食宿、觀光、健康原本各做各的,整合後價值放大。
啟示:資料的價值在於串接。

👁️

用 AI 看到看不見的事

AI 辨識補捉到顧客行為、線下動線、停留時間。
啟示:過去靠直覺,現在有依據。

🎁

個人化推薦

依遊客背景推薦對的方案,提升轉換率。
啟示:大企業才能做的事,AI 讓小企業也做得起。

📅

每月迭代

老闆把資料當每月策略會議的素材。
啟示:導入 AI 不是裝完就好,要養成節奏。

04-3

我自己一人公司的 Agent 實戰

Vista 的一日 Agent 工作表

🌅 07:00 晨間簡報 管家 Agent 自動彙整昨日工作、今日行程與郵件重點
🎧 09:00 客服信箱 客服 Agent 整理讀者來信,給我三類回覆草稿
📚 10:30 知識查詢 知識 Agent 回答我寫稿時對自己舊文章的提問
💼 13:00 客戶會議前 業務 Agent 替我準備客戶背景與三個提問
📝 15:00 會議後紀要 會議 Agent 把錄音變成摘要與待辦
📣 20:00 內容分發 行銷 Agent 把今日主文改寫成五個社群版本

Agent 替我多出來的時間

每週多出寫作時間

12 小時

每月多出 1 對 1 客戶服務時段

8 場

每年多寫文章篇數

40 篇以上

每天主觀疲憊度下降

顯著

05

導入 AI Agent 的三個提醒

05-1

提醒一:不要追求全自動

為什麼全自動會傷害中小企業

  • 你的客戶量不大

    一次失誤就足以傷害真實的個人關係

  • 你的品牌很脆

    AI 一次出錯,可能逆轉客戶過去三年累積的信任

  • 你來不及救火

    中小企業沒有公關部能即時回應誤發訊息

  • 你會失去學習機會

    把所有事自動掉,等於失去看見問題的機會

兩種心態的對照

BEFORE

錯誤心態:把自動化當目標

老闆關心的是「我們導入了多少」,而不是「同事真的省力了嗎」。

  • 對外炫耀「我們已經全自動」
  • 一旦出錯就指責 AI
  • 看不見出錯的真實原因
  • 員工逐漸失去判斷力
結局:半年後黯然下架
VS
AFTER

正確心態:把省力當目標

老闆關心的是「同事的時間被省到哪去了」,AI 是手段而非招牌。

  • 誠實面對哪些事該由人來判斷
  • 出錯時人與 AI 一起檢討
  • 把錯誤當成更新提示的機會
  • 員工因為 AI 整理而升級判斷力
結局:年底成為公司基礎設施

05-2

提醒二:機密資料不亂丟

中小企業最常忽略的四種機密

  • 客戶個資

    姓名、電話、地址、消費紀錄、會員等級

  • 商業機密

    報價單、毛利、供應商成本、未公開合約

  • 員工資料

    薪資、健檢、人事評核、勞健保

  • 法律訴訟相關

    進行中的訴訟、調解、仲裁文件

對 Agent 設下四道防線

🚫

禁區清單

寫一份「絕對不可上傳」的資料清單。
頻率:每季更新一次。

🪪

匿名處理

客戶個資先去識別化,再給 Agent 看。
習慣:名字改代號、地址改區域。

🔐

帳號分層

為不同角色設不同存取權限。
原則:需要用才看得到。

🧾

稽核紀錄

保留 Agent 與資料互動的日誌。
價值:事後查得回去、責任分得清楚。

今天就能做的 6 件資安動作

寫下一份「機密資料分級表」(公開/內部/限定/機密)
把禁區清單貼在 Agent 操作說明的第一頁
對員工做一次 30 分鐘 AI 資安教育
設定 Agent 的對話保留期限
評估是否需要使用企業版(有資料隔離保證的方案)
把客戶資料庫與 Agent 設定為只讀模式

05-3

提醒三:先定義流程,再買工具

中小企業最常見的踩雷順序

「Vista,我看 ChatGPT 出了 Agent 模式,我買了!」三個月後再見面時,這位老闆說:「但好像沒什麼用。」

不是工具的問題,是順序錯了。中小企業最常見的踩雷是:先買工具、再想用法。

正確的順序應該是:先盤點流程、再定義角色、最後挑工具。否則你買到的,會是一個沒人會用的好工具。

正確的導入順序

兩種思考方式的差別

工具思維

  • 先買工具再想用途
  • 比較哪家功能多
  • 導入後等同事自己摸索
  • 失敗時怪工具不夠好

流程思維

  • 先盤點流程再選工具
  • 比較哪家最貼近自己場景
  • 導入時主動設計使用方法
  • 失敗時檢討流程設計

中小企業 30 天行動方案

06

回到你的工作桌:把今天帶回去

今天我們走過的五站

🧭 Chatbot vs Agent 從問答到代辦的典範轉移
🪞 半自動哲學 人做判斷、AI 做整理
👥 五個原型 客服/業務/行銷/會議/知識
🇹🇼 兩個案例 機械業 × 地方觀光業
🛡️ 三個提醒 不全自動/不亂丟/先定流程
💡

今天最重要的一句話

別把 AI Agent 想成新潮的科技,把它想成你聘不到的「第八個員工」——它的價值不在炫技,而在每天替你省下那些原本沒人能做的整理工作。

回到工作桌的三個下一步

  • 這一週做:寫下三件雜事

    把你每天最浪費時間的三件事,列成一張清單貼在電腦旁

  • 這一個月做:跑一個原型

    挑五個原型中最有感的一個,給自己 30 天試一遍

  • 這一季做:擴散到團隊

    把跑通的原型寫成 SOP,邀請一位同事加入

想更深入:Vista 的延伸資源

  • 🌐 Vista 個人網站

    vista.tw — 每週一篇 AI 經營實戰文章

  • 💌 每週電子報

    iamvista.substack.com — 每週深度 2,500–5,000 字

  • 🚀 一人公司生態系

    solo.tw — 給自雇者與微型企業的工作系統

謝謝你今天的時間

別把 AI Agent 當成最後一塊拼圖,把它當成第一塊起點。

你不必完美導入,只要從今天開始,把「整理工作」交給 Agent,就已經贏一半。

Vista Cheng|https://www.vista.tw|vista@vista.tw