AI 能做到與做不到的事
說明聊天 AI、AI agent 與自動化的差異，AI 為何會出錯、如何防範，以及哪些決定應保留給人。
三種工具的差別
| 能做什麼 | 限制 | |
|---|---|---|
| 聊天 AI | 回答與撰寫內容 | 不了解公司的資料，也不會自行操作公司的系統 |
| 自動化 | 依設定好的規則執行，例如每天將資料從 A 寫入 B 並發送通知。快速且穩定 | 遇到未設定的情況就無法處理 |
| AI agent | 自行查詢資料、計算並使用工具。例如收到「開一張晨光設計的報價」，它會查客戶與過去的報價，排好單據 | 排好的單據要交由人員確認 |
多數工作是混合的：規則固定的部分用自動化，需要理解內容與判斷的部分才使用 AI。這樣的組合通常最省錢，也最穩定。
什麼情況用自動化就夠了
一般自動化通常就足夠
- 規則可以逐條寫出，而且幾乎沒有例外
- 例如每天寄送前一日訂單清單
- 例如表單送出後寫入試算表
- 例如付款日前三天發送提醒
比較需要 AI
- 工作需要先理解內容才能處理
- 例如客戶問法各不相同
- 例如收據格式不一
- 例如從長篇信件擷取重點
我們的支出核銷系統就是一例。能不用 AI 的地方就不用，反而更準確也更省錢：
- 系統讀取電子發票的 QR Code，資料準確，也不需要模型費用
- AI補齊讀不到的店家與明細
知識庫的作用
知識庫是提供給 AI 的公司資料，例如型錄、價目表、SOP 與常見問題。一般模型不知道公司的營業時間或方案價格，可能會產生聽起來合理但實際錯誤的回答。有了知識庫，AI 回答前會先查找資料，再依資料回覆。
知識庫的品質對結果影響很大。內容具體，回答就具體；如果只有幾句標語，AI 被追問時也只能重複相同內容。詳細做法可參考 AI 接待指南。
AI 為什麼會出錯
AI 是依據學習過的內容推測最合理的回答，而不是查閱一本百科全書。遇到不知道的事情時，有時會產生語氣肯定但內容錯誤的回答，這種情況稱為幻覺。目前所有模型都無法完全避免，因此必須透過設計降低風險：
- 依公司資料回答，資料中沒有的內容不猜測，改由真人處理
- 金額與日期由系統計算，不由 AI 自行運算
- 會改動資料或涉及金錢的動作，一律由人確認
- 準備一組真實問題，每次調整後重新測試
這些措施不代表 AI 不會出錯，而是讓錯誤能被攔下，也能查出原因。
金額為什麼不交給 AI 計算
AI 的計算並不可靠，多筆加總時尤其容易出現誤差。以報價單為例：
- AI判斷要計算什麼
- 系統完成計算
- 資料庫存檔時重新計算，即使 AI 已擬好金額
查不到不等於沒有
我們在自家系統中遇過，案件名稱少了兩個字，AI 就回答查無資料。另一次是查詢當月外包費用時，有一筆款項以其他方式結清而未記在收支紀錄裡，AI 少算了一筆，回答看起來卻完全正常。後來我們調整了搜尋方式，查不到時會列出相近資料，也讓 AI 知道同一件事可能記錄在不同地方。這類問題只靠示範看不出來，必須用真實問題反覆測試。
AI 會自動變聰明嗎
不會。對話中提過的事情，不一定會被保留到下一次。要改善結果，通常需要將正確資料補進知識庫、把常見錯誤寫成規則，或建立記憶功能。因此上線後的維護很重要：多半是人員檢視紀錄、發現問題並補上資料，AI 的表現才會提升。
照片與手寫單據的辨識
印刷清楚的收據與文件，辨識效果通常不錯，但無法保證完全正確；手寫、模糊、反光或折損的影像則較容易讀錯。我們的做法是：
- AI辨識後產生確認卡
- 人員檢查日期與金額，修正後確認
- 系統入帳
若單據多為手寫，建議先以真實單據測試。
AI 與人的分工
AI 會取代員工嗎
比較常見的情況是取代部分工作，而不是整個職位：
AI 可以先處理
- 重複輸入
- 核對
- 回覆相同問題
仍需要人
- 判斷特殊情況
- 經營客戶關係
- 對結果負責
節省的時間如何運用，由公司決定。若短期目標是減少人力，也應評估重要經驗是否會隨之流失，因為 AI 能做得好，也有賴資深同仁把做法說清楚。
哪些決定應保留給人
凡是出錯會影響客戶、金錢或法律責任的事，都建議由人決定，例如對外報價、付款、修改重要資料、合約內容、客訴的最終處理，以及與員工或健康相關的判斷。AI 可以先查好資料、整理選項並標示風險，最後的決定由人做出。
需要人確認還能節省時間嗎
可以。多數時間花在找資料、核對數字與輸入，而不是做決定。一張報價單可能要花半小時準備，檢查排好的單據只需幾分鐘。查詢資料與整理報表這類不會改動任何內容的工作不需要確認，只有會影響資料、金錢或客戶的動作才需要。
不懂技術能使用嗎
可以。同仁用平常的說話方式提出需求即可，不需要學習程式或指令技巧。主管也不需要了解模型細節，只要清楚現行工作方式與希望節省的時間。
繁體中文的表現如何
主流模型處理繁體中文已有不錯的水準，但仍可能出現非台灣慣用語或專業術語不精確的情況。我們會把公司慣用的說法寫進知識庫與設定，並以真實問題測試調整。
延伸閱讀
本文為一般性說明，不構成法律、稅務或財務建議。實際時程、費用與成效依各公司情況及書面約定為準。