上 AI 之前，先找對那條流程：我們怎麼做業務診斷

很多企業上 AI 的第一個動作，是先挑一個工具。我們的做法相反：先診斷，再決定動哪裡。原因很簡單，AI 用錯地方，比不用更糟，會讓人對它失去信任。這篇只講一件事：我們怎麼找出一家企業裡，最值得先交給 AI 的那條流程。

第一步不是上工具，是把流程攤開

我們會先和業務團隊一起，把日常真實在跑的流程列出來：客戶查詢怎麼進來、誰在回、報價怎麼出、訂單怎麼跟、文件怎麼處理。不是看組織架構圖，是看「事情實際怎麼發生」。很多浪費和卡點，只有攤開了才看得到。

我們在每條流程上看四件事

1. 量有多大

同一件事每天重複幾十上百次的，才值得自動化。一個月才發生兩次的，交給 AI 的投入產出不划算。我們優先找高頻、重複的環節。

2. 規則清不清楚

「客人問營業時間」這種規則清楚的，AI 接手又快又穩。「判斷這個投訴該怎麼補償」這種高度依賴經驗判斷的，現階段不適合一上來就全交出去。

3. 判斷的比重

一條流程裡，多少是常規執行、多少是需要人拿主意的判斷。常規比重越高，越適合先做；判斷比重越高，越要把判斷留給人，AI 只做輔助。

4. 數據可不可得

AI 要答得準，得有料可依。如果這條流程相關的資料（產品、價格、政策、過往對話）是齊的、拿得到的，AI 落地就紮實；如果連人都要靠記憶和翻群組，那要先把知識整理出來。

怎麼排優先級

把四個維度疊起來，我們會優先挑：高頻 + 規則清楚 + 判斷少 + 有現成數據的那條。它見效快、風險低，能讓團隊先建立對 AI 的信任。等這條跑穩了，再往判斷更重、更複雜的環節擴。

舉個常見的例子：一家做零售的企業，最想先解決的往往是「退款怎麼自動化」，但退款牽涉金額和判斷，風險高。我們通常會建議先做「查訂單狀態 + 高頻常見問答」這種高頻、規則清楚的環節，把客服從重複勞動裡解放出來，效果立刻看得到；退款這類則設計成 AI 輔助、超過一定金額轉人。

診斷的產出，是一張清單

診斷結束，我們給的不是一句「你們適合上 AI」，而是一張清單：哪條流程先做、為什麼、預期能改善什麼、風險在哪、需要先補哪些數據。先把該做的那條找對，後面的落地才不會白費力氣。

這就是我們做 AI 落地的第一步。下一篇我們講：AI 接手之後，哪些該交給它、哪些要留給人，這條線我們怎麼劃。