2026 台灣中小企業 AI 導入:從 ChatGPT 到客製 Agent 的 5 步路徑

90% 的中小企業導入 AI 失敗,不是因為工具不夠好,是因為跳過了關鍵 5 步。

過去一年我們陪 30 多家台灣中小企業跑 AI 導入,從 5 人小工作室到 200 人製造廠都有。失敗的案子有一個共通點:老闆一開始就問「我可以用 AI 做什麼」,而不是「我公司哪個工序最浪費時間」。

問錯問題,買對工具也沒用。ChatGPT 訂閱費一個月 600 元,買 10 個帳號發給員工,三個月後沒人在用——這種劇本我們看過太多次。

這篇文章寫給已經試過 ChatGPT 但卡關的老闆,或正在評估要不要花錢導入 AI 的中小企業主。下面 5 步是我們實作出來的路徑,不是顧問報告。

第 1 步:找出公司最痛的「重複行政」工序

導入 AI 的第一步不是選工具,是找痛點。而且要找對痛點的種類。

McKinsey 2017 年的《A future that works》報告早就指出:辦公支援類工作有 53-65% 可被自動化,遠高於專業判斷類工作(9-18%)。Goldman Sachs 2023 年再補一刀:行政支援人員 46% 的日常工作可被 AI 替代。

翻譯成白話:AI 最會做的不是創意,是重複行政。

所以第一步請老闆做一件事——拿一張紙,把公司每週固定發生 3 次以上的工序全部列出來。例:

• 開會記錄整理成 action items
• 客服 FAQ 回覆(同樣問題每週被問 5 次以上)
• 報價單初稿(同類型客戶用差不多的格式)
• 月報 / 週報數據彙整
• 內部文件初稿(合約、SOP、職務說明)

列完後,每一項打分數:花多少小時/週、誰在做、薪資多少、做完有沒有人覺得「這超無聊」。

時薪 × 週時數 × 52 = 一年燒掉的人力錢。看到數字會嚇到。

TL;DR:AI 導入第一步是列「重複行政清單」並用一年燒掉的金額排序,不是問「我想用 AI 做什麼」。

第 2 步:盤點現有工具棧

很多公司一講 AI 就想買新工具,結果現有工具棧根本沒用滿。

盤點要分四層:

通用 LLM 層:ChatGPT、Claude、Gemini、Perplexity。如果公司已經有人付費用,先問他用在哪、解決了什麼、瓶頸在哪。

既有 SaaS 層:Notion、Google Workspace、Microsoft 365、Slack、HubSpot、Zoho 這類。多數已內建 AI 功能(Notion AI、Copilot、Gmail Smart Reply),但 80% 公司沒開或不會用。

內部系統層:ERP、CRM、自家資料庫。這層是 AI 真正能放大價值的地方,但門檻最高。

自動化中間層:Make、Zapier、n8n。把 LLM 跟 SaaS 串起來的膠水。

盤點重點不是「我們有什麼」,是「我們花錢買了什麼但沒用」。我們經手過一家公司每月付 Notion AI 5,000 元,盤點才發現沒人開過那個按鈕。

工具棧盤點完,第 1 步列出來的痛點,至少有 30-40% 可以用「現有工具+正確使用方式」解決,根本不用買新東西。

TL;DR:盤點現有工具棧通常會發現 30-40% 痛點不用買新工具,把 Notion AI / Copilot / Gmail 智慧回覆用好就解一半。

第 3 步:選定 1 個 pilot 工序試跑

這是最多老闆栽跟頭的地方。

把第 1 步排出來的痛點清單,第 2 步盤完工具棧,第三步只能挑「1 個」工序試跑。不是 3 個,不是 5 個,是 1 個。

為什麼?因為 AI 導入失敗的最大主因不是技術,是「同時開太多戰線,每條都沒做完,全公司開始懷疑 AI 沒用」。

選 pilot 工序的 3 個篩選條件:

• 重複頻率高(每週 ≥ 5 次,才有迭代資料)
• 規則明確(能用文字寫出 SOP 的,AI 才學得會;說不清楚的別碰)
• 失敗成本低(出錯不會死人也不會賠錢的,例:內部會議記錄初稿,不是合約條款審閱)

最常見的好 pilot:客服 FAQ 自動回覆、業務開發信草稿、月報數據彙整、會議錄音轉 action items。

最常見的爛 pilot:「幫我們做行銷策略」「幫我們寫品牌故事」——抽象、不重複、規則不明確,AI 跑 3 次老闆會說「這不是我要的」然後全公司放棄。

pilot 跑通了再開第二條戰線。一條一條來,不要貪。

TL;DR:pilot 只選 1 個工序,篩選條件是「高頻 + 規則明確 + 失敗成本低」,貪心開 5 條戰線是 AI 導入失敗第一主因。

第 4 步:建知識庫 + 規則文件

到這一步才開始花真功夫。

ChatGPT 預設模式之所以爛,是因為它什麼都不知道你公司。同一個 prompt「幫我寫客服回覆」,它寫出來的東西像從補習班範文集抄的,因為它在用全網路平均值在回答你。

要讓 AI 真的好用,必須餵兩種東西:

知識庫(AI 學什麼):公司產品規格、過往客服 Q&A、品牌語氣範例、SOP 文件、員工手冊、過去成交的提案。格式不限,PDF、Notion 頁、Google Doc 都行。重點是把「公司的腦」搬出來給 AI 看。

規則文件(AI 不能學什麼 + 怎麼回應):哪些客戶資訊絕對不能外流、什麼語氣不能用(例:不能稱呼客戶為「親」)、什麼問題要轉真人(例:退費爭議)、回覆長度上限、必須帶哪些免責聲明。

這兩份文件就是把「老闆腦袋裡的隱性知識」變成 AI 可讀的顯性規則。沒這兩份,買最貴的 AI agent 都是垃圾。

寫法上有個訣竅:規則文件用「對的範例 + 錯的範例」對照,比寫一大堆抽象條文有用 10 倍。AI 學 pattern 比學規則快。

到這一步,你已經從「用 ChatGPT」進化到「建客製 Agent」了。客製 Agent 就是「知識庫 + 規則 + LLM」的組合體,本質不複雜,難在規則文件要老闆親自寫,沒人能代寫。

延伸閱讀:企業 AI 工作流的完整架構與導入方法。

TL;DR:客製 Agent = 知識庫 + 規則文件 + LLM。難不在技術,在規則文件必須老闆親自寫,因為那是公司隱性知識。

第 5 步:90 天 ROI Review + 擴張或退場

最後一步是多數公司不做的——設停損點。

pilot 跑 90 天後,必須回頭算三個數字:

• 節省工時:原本這工序每週花幾小時,導入後幾小時,差幾小時(要員工誠實回報,不要老闆自己猜)
• 品質變化:客戶 / 員工有沒有抱怨變多?錯誤率有沒有升高?
• 真實成本:訂閱費 + 員工學習成本 + 內部維護工時,全部加起來

公式:節省工時 × 該員工時薪 - 真實成本 = 淨 ROI

90 天後三種結果:

• 淨 ROI 為正 + 員工不排斥 → 擴張到第 2、第 3 個工序
• 淨 ROI 為正 + 員工排斥使用 → 先解人的問題,不要擴張
• 淨 ROI 為負或持平 → 退場,承認這個 pilot 不適合,換下一個工序試

最後這條最重要:要敢退場。

我們經手過一家公司花 8 個月硬要把 AI 用在某個工序上,因為「同業都在做」。結果省下來的時間還不夠維護那個系統。停損的勇氣,比導入的勇氣更值錢。

90 天 Review 不是給 AI 打分數,是給「公司導入 AI 的方法」打分數。方法對了,工具會越換越好;方法錯了,買 GPT-7 都救不回來。

TL;DR:90 天必須回頭算「節省工時 × 時薪 - 真實成本」,正數擴張、負數退場,敢停損比敢導入更值錢。

寫在最後

這 5 步看起來樸實無華,沒有酷炫的 AI Agent 自動跑全公司的劇本。因為真實的中小企業 AI 導入,本來就不是科幻片。

不是賣工具,是幫你建系統。系統的核心是「老闆親自釐清痛點 + 親自寫規則」,AI 只是放大器。沒有那兩件事,放大的是混亂,不是效率。

我們在 Solo Stack Studio 持續分享中小企業 AI 導入的案例與工作流模板,已經有幾百個老闆在裡面交換實作經驗。

想跑這 5 步但不知道從哪開始?我們 20 分鐘訪談幫你定位最該動的工序:keng@tzukao.com