一句話總結：企業 AI 自動化不是「把 AI 套上去」，是「先搞清楚哪條流程值得自動化、用對工具、有人持續監控」。MIT 報告 72% 企業 AI 投資沒產生價值，問題從來不在 AI 不夠強，在「導入順序錯」。
過去一年我跟 30+ 家企業聊過 AI 自動化導入需求，做完客戶現況盤點後最常見的情境是：
- 老闆說「我們要導 AI」，但問做什麼、怎麼衡量成功，講不出來
- IT 主管已經試過 5 個 SaaS 工具，每個都只有試用期用得認真，半年後沒人在用
- 會計 / 業務 / 採購部門各有自己的 Excel 巨集，誰都不想動「自己的」
- 提到 ChatGPT 大家都會用，但問「公司流程靠它自動跑」 — 沒有
這篇是我把這些反覆討論整理出來的指南。寫給三種讀者：
- 企業主：想評估 AI 自動化投資要花多少、能省多少、誰來做
- IT 主管：要說服老闆 + 同事、避免被失敗案例壞名聲
- 顧問同行：對齊一些業界常見的判斷準則
什麼是企業 AI 自動化？跟員工自己用 ChatGPT 差在哪
很多老闆覺得「員工會用 ChatGPT 寫信」就叫 AI 自動化了。其實這只是「員工用 AI 工具」，跟企業 AI 自動化是兩件事。
| 項目 | 員工自己用 ChatGPT | 企業 AI 自動化 |
|---|---|---|
| 誰啟動 | 員工每次手動開瀏覽器、貼提示詞 | 排程、事件、API 自動觸發 |
| 是否要人在 | 要，員工不在就停 | 不需要，半夜跑、假日跑都可以 |
| 流程整合 | AI 輸出 → 人複製貼到下一個系統 | AI 輸出 → 自動寫進 ERP / 寄信 / 推 LINE |
| 監控與審計 | 無，員工有沒有用沒人知道 | 每次執行有 log，出錯有 fallback、有人收 alert |
| 規模 | 個人效率提升，每月省員工幾小時 | 流程級效率，每月省企業幾十到幾百小時 |
| 誰擁有成果 | 員工離職就帶走（提示詞在他帳號） | 公司資產（程式碼、Workflow、API 整合） |
差別不是「有沒有用 AI」，是「企業流程因為 AI 變得不需要人」。員工用 ChatGPT 是「個人加速器」，企業 AI 自動化是「流程級替代」。
為什麼 70% 企業 AI 導入失敗？
MIT NANDA 2024 報告指出 72% 企業 AI 投資未產生明顯價值。我跟很多客戶確認過，台灣狀況差不多。失敗模式集中在 5 個：
失敗模式 1：沒做流程梳理就導入
老闆看到 ChatGPT 厲害，要求「全公司導入」。IT 部門挑一個「看起來最像 AI 的需求」（例如客服機器人），導完發現客戶根本不打電話、客服需求其實是處理退貨流程，AI 客服跑了 3 個月沒接到 100 通。
避坑：先做流程盤點（哪些流程高頻、規則明確、值得自動化），再決定導 AI 做什麼。詳細評估方法見 流程自動化完整指南：導入順序、4 層評估、工具選擇。
失敗模式 2：高估 AI 能力（期望落差）
聽說 AI 能寫程式，期待它「自己做完一個全新 ERP 系統」。實際上 AI 在「規則明確 + 範圍小 + 有現成參考」的任務上很強，在「需求模糊 + 跨系統 + 要 domain knowledge」的任務上一定會出包。
避坑：把 AI 當「資深員工」不是「魔法」。資深員工厲害但不會無中生有，需要清楚指示、需要 review、需要 iteration。
失敗模式 3：忽略 last-mile 整合
客戶買了 AI OCR 工具，掃描發票辨識得很準。但辨識完的資料還是要會計手動貼到 ERP。每張發票省的 OCR 時間 2 分鐘，但貼到 ERP 還是要 3 分鐘。整體沒省多少。
避坑：AI 自動化的 ROI 90% 來自 last-mile 整合（AI 輸出 → 自動接到下游系統）。沒做 last-mile 等於只做了 1/10。
失敗模式 4：員工抗拒，擔心被取代
導入時沒跟員工溝通「這是來幫你 / 不是來取代你」。員工消極使用、不回報 bug、不參與改善，導入 6 個月後內部沒人在意，自然退化。
避坑：導入前先跟相關員工開會。把 AI 自動化的角色定位成「把你從這 5 件無聊事解放出來，讓你做更有價值的 X / Y / Z」。員工感受到「不是要砍我」才會配合。
失敗模式 5：缺乏監督與迭代機制
導入完上線就走人，沒有 dashboard 看執行狀況、沒人收 alert、出錯沒人知道。3 個月後某個欄位格式變了，AI 開始輸出垃圾資料，但沒人發現，直到財報出問題才回頭追。
避坑：每個 AI 自動化模組都要配「監控 + alert + 月度檢視」三件事。最低成本做法：每天執行結果寄到 LINE 群、出錯立刻通知、月底人工抽查 10 筆。
企業 AI 自動化的 5 種典型場景
從祥富實際做過的客戶導入，整理 5 種最常見、最容易見效的場景：
場景 1：憑證 / 發票自動辨識歸檔
會計部門每月處理上百張發票、收據、報帳憑證。傳統做法是人工掃描 → 看一張打一張資料 → 歸檔 → 對帳。AI 自動化做法：
- 掃描器自動丟進指定資料夾 → AI 自動讀文字 → 自動分類（哪個科目、哪個專案）→ 自動寫進會計系統
- 不確定的（金額看不清楚、章蓋歪了）丟到「待確認」資料夾給人看
- 典型 ROI：原本 1 人 / 1 週的工作 → 0.5 天
實際產品見 AI OCR 憑證辨識解決方案。
場景 2：LINE Bot 自動通知 / 客服
適合需要對客戶 / 員工 / 廠商即時通知的場景：訂單狀態、出貨進度、班表變動、活動提醒、簡單 FAQ。LINE 在台灣 90%+ 滲透率，比 email / 簡訊 / app 都好觸及。
- 串接 ERP / CRM / 自家系統 → 觸發條件達到自動推 LINE 訊息
- 進階版：LINE Bot 接收訊息、AI 理解意圖、自動查詢回覆（簡單 FAQ）
- 典型 ROI：客服回應時間從 2 小時 → 即時、客戶滿意度提升
實際產品見 LINE Bot 企業應用解決方案。
場景 3：營運 Dashboard 與監控
老闆 / 主管最常抱怨「想看 X 數字要問 3 個人、等 1 週」。AI 自動化做法：
- 每天定時從各系統（ERP / POS / 廣告 / 電商）拉資料
- 自動清理、彙整、計算關鍵指標（營收、毛利、廣告 ROI、庫存週轉）
- 產出視覺化 Dashboard，老闆手機隨時看
- 異常自動 alert（例如某產品銷量驟降）
- 典型 ROI：從「月會才看到數字」變「每天即時掌握」
實際產品見 Dashboard 系統解決方案。
場景 4：流程梳理諮詢（不是技術導入）
很多企業不需要先導 AI，需要先搞清楚自己有什麼流程。流程梳理諮詢是先做：
- 系統化盤點企業現有流程（每個部門做什麼、誰跟誰交接、卡在哪）
- 找出自動化潛力最大的瓶頸（高頻 + 規則明確 + 有資料）
- 產出改善優先序報告（哪個先做 ROI 最高）
實際服務見 AI 顧問 × 流程盤點諮詢。
場景 5：SAP / ERP 周邊自動化（線外系統）
大型企業已經有 SAP / ERP，但「改 SAP 一個欄位要 50 萬顧問費」，所以很多流程卡住。線外系統做法：
- 不動 SAP 一行程式，在 SAP 外面用 Python + SAP GUI Scripting 自動化
- 替代「人工從 SAP 撈報表 → 貼 Excel → 計算 → 寄信」這種煉金術
- 典型 ROI：每月省 50-200 小時、不影響 SAP 維護合約
實際產品見 SAP AI 線外整合（SAP RPA + auto service）。實戰案例：食品廠 SAP 用 15 年怎麼翻身。
企業 AI 自動化導入 7 步驟
正確的導入順序：
Step 1：流程盤點與優先序評估（W1-W2）
- 盤點現有流程清單：誰做什麼、多久做一次、要多少時間
- 用 4 層評估標準篩選：高頻 / 規則穩定 / 錯誤成本低 / 技術可行
- 排出 Top 3-5 Quick Win 候選
Step 2：挑 1 個 Quick Win 做 PoC（W3-W5）
不要一次做 5 個。挑「最高頻 + 最短開發 + 效益看得到」的 1 個，做 2-3 週的 PoC。目標是「跑出來、員工感受到、老闆相信」三件事，不是技術完美。
Step 3：建立監控與 alert（W5-W6）
PoC 上線前一定要有：
- 執行 log（每次跑的時間、結果、處理筆數）
- 出錯 alert（LINE / email 通知負責人）
- 抽查機制（每週 / 每月人工驗 10 筆）
Step 4：上線 + 跑滿 1 個月觀察（W6-W10）
第一個月跑滿，收集所有出錯案例、員工回饋、ROI 數據。不要急著擴大到第二個流程。
Step 5：迭代優化（W10-W12）
根據第一個月的 issue 修一輪。常見問題：邊界 case 沒考慮、特殊符號處理、跟下游系統格式對不上。
Step 6：擴大到下一個流程（M4 開始）
第一個流程穩定後，挑下一個 Quick Win 重跑 Step 1-5。每個流程 8-12 週是合理節奏。
Step 7：建立內部能力（持續）
不要只靠外部顧問。讓內部至少 1-2 人能：
- 讀懂自動化腳本的邏輯
- 會看 log、會找問題
- 小幅修改（改欄位、改格式、改條件）
這就是 AI × 工程實戰營 或 企業包班培訓 的價值 — 內部養成能力，未來不必什麼都外包。
工具選擇：自建 vs SaaS vs LowCode
| 方式 | 適合 | 優點 | 缺點 |
|---|---|---|---|
| 自建（Python / Claude Code） | 關鍵業務、需深度客製、要長期維護 | 完全掌控、智財是自己的、抗廠商風險 | 初期投入較高、需內部能力 |
| SaaS 訂閱（成熟產品） | 標準需求（OCR、CRM、Email 行銷） | 快速上線、不用維護 | 月費累積、客製受限、資料在第三方 |
| LowCode（n8n / Make / Zapier） | 個人玩票、快速 prototype | 學習曲線低、可視化 | 關鍵業務不建議（廠商鎖定、資料外流、debug 黑盒） |
祥富立場（已寫過深度文）：LowCode 平台適合個人玩票，不適合 B2B 關鍵業務。完整論證見 為什麼 LowCode 工具不適合關鍵業務。建議路徑：核心業務自建（用 Python + Claude Code 開發成本已大幅下降），通用工具用 SaaS，LowCode 只當原型驗證用。
費用拆解：4 種收費模式並存
祥富實際 4 種收費模式（公開透明）：
A. 複雜導入工程（一次性大專案）
- 規模：80-150 萬區間
- 方式：敏捷分階段交付、完成即付（驗收 → 7 個工作天內付款）
- 時程：12-14 週快速迭代 + 6 個月保證期限
- 適合：全廠盤點 + AI 框架建置 + RPA/SAP 串接 + 教學整合上線
- 典型客戶：年營收 3-30 億製造 / 服務業
B. 小幫手月費訂閱（主流）
- 基本費用：每個小幫手 NT$5,000 ~ NT$15,000 / 月（依複雜度）
- 適合：單點工具 — 憑證分類、租約小幫手、LINE Bot 通知、名片歸檔
- 加成方案：可疊加抽營業額 1%（performance-based）
- 典型客戶：中小企業、行銷服務業、單點需求快速見效
C. AI 消耗 API 費用（一律客戶承擔）
- 原則：所有 AI API 費用（Claude / Gemini / OpenAI）由客戶以公司名義申請並支付
- 不混入服務費：避免代付造成稅務、風險、額度爭議
- 建議：採企業版（Anthropic Enterprise / Azure OpenAI / Google Cloud Gemini），有 DPA、資料不用於訓練
D. 課程與模組產品
- AI Bootcamp 精品班：NT$68,000（早鳥 $58,000）/ 12 週 / 申請制
- AI Coding 企業內訓：NT$60,000 / 2 人，每加 1 人 NT$30,000
- RPA 派工模組：教課 + 賣模組（為企業內網需求預寫好的可套用模組）
重要原則：所有報價都需先盤點客戶現況才能精準提供，不接受「網站直接放固定報價」。每家企業的流程、現有系統、員工能力都不同，報出固定數字反而會誤導決策。先做 30 分鐘免費評估，再給合理範圍。
怎麼挑 AI 顧問公司？5 個檢核點
檢核點 1：有沒有實際導入案例可以看
不是 demo 影片、不是合作 logo 牆。問：「能不能讓我看一個真實客戶用了 X 個月以上的系統？」如果只能給 demo 環境看，要謹慎。
檢核點 2：技術棧透明？智財歸誰？
問：「你們用什麼工具堆？開源還是專屬？我付完錢後，原始碼歸誰？我能不能拿走自己改？」
正確答案：開源 / 客戶可拿原始碼 / 智財歸客戶。錯誤答案：「我們有專屬平台，你不需要看程式碼」。
檢核點 3：收費結構清楚嗎
問：「月費還是專案？兩種都有嗎？AI API 費用怎麼算？」
正確答案：依需求結構提供 4 種模式（如上文 A/B/C/D）、AI API 客戶自付。錯誤答案：含混說「整包包」或「都聽你的」。
檢核點 4：知不知道何時不該做
問：「我有 X 流程想自動化，你覺得值不值得做？」
好顧問會說「這個目前不值得 / 流程太雜先梳理 / 用人比較划算」。差顧問什麼都接、什麼都說「可以做」。
檢核點 5：有沒有實戰背書
問：「你們公司負責人有什麼背景？SBIR / 政府專案有過嗎？媒體報導有嗎？」
不要只看「資料庫專家」「曾任 Google」這種抽象 tag。要看「具體做過 N 個導入專案、得過 X 補助、寫過 Y 篇技術文」。
真實案例
案例 A：食品業 SAP 自動化（年營收 8 億）
某年營收 8 億食品廠，SAP 用近 15 年。導入線外系統雙引擎（SAP RPA + auto service）後，排程會議 1.5 小時縮到 10 分鐘、現場條碼 + 磅秤自動讀數、Kiosk QR Code 噴印。完整解析見：食品廠 SAP 用 15 年怎麼翻身：線外系統雙引擎實戰。
案例 B：貿易業 SAP 自動建檔（每天省 5 小時）
某中型貿易公司，每天需要在 SAP 建立大量訂單 / 採購單。每筆 30 分鐘 × 10 筆/天 = 5 小時/天人工。導入 SAP GUI Scripting + Python RPA 後，人力節省 1,250 小時/年 ≈ 7.4 個月人力、RPA 跑 SAP 比人工快 3 倍。完整案例見：流程自動化完整指南內案例段。
常見問題 FAQ
我們公司很小（10 人以下），值得導 AI 自動化嗎？
看「重複性工作」佔比。小公司若有員工 30% 時間在做「規則明確的重複工作」（例如手動建檔、貼資料、回標準問題），就值得。建議從 B 模式月費小幫手切入（NT$5,000-15,000 / 月），不要先做 A 模式大專案。
政府有沒有補助可以申請？
有。中小企業數位轉型補助、SBIR、產業 AI 化計畫、各地方政府補助都可用於 AI 自動化導入。最高補助可達 NT$3,000,000。祥富可協助評估補助方案與撰寫申請書（費用依規模另計）。
員工會不會被取代而抗拒？
會抗拒是真實風險，但從來不是「該不該導入」的理由，是「導入溝通要做好」。實務做法：導入前先跟相關員工開會，明確說「這個工具是把你從這 5 件無聊事解放出來，讓你做 X / Y / Z 更有價值的事」。員工感受到「不是要砍我」會配合甚至主動提改善建議。
AI 自動化會不會「跑歪」？資料安全嗎？
跑歪是 AI 自動化最大風險，所以前述「企業 AI 自動化導入 7 步驟」的 Step 3 強調「監控 + alert + 抽查」三件事。資料安全建議用企業版 AI 服務（Anthropic Enterprise / Azure OpenAI / Google Cloud Gemini）— 有 DPA、資料不用於訓練、有 audit log。不要用個人版 ChatGPT 處理客戶資料。
我們公司還在用 Excel + 紙本，連 ERP 都沒有，可以做 AI 自動化嗎？
可以但順序要對。先做「數位化」（把紙本變 Excel、把 Excel 集中放 Google Drive / SharePoint），再做「自動化」（AI 從這些數位資料源讀寫）。直接跳到 AI 而資料還在紙本，等於要 AI 看不到的東西。建議流程：先 3-6 個月數位化 → 接著 6-12 個月分批自動化。