不是所有問題，都該丟給 AI 解決。

一個「月結報表耗時」的痛點，訪談之後發現問題不在 AI，在「成本」的三種面貌。

最近在跟企業主討論 AI 導入時，我發現一個常見的陷阱：大家習慣把所有的管理難題打包丟給 AI，卻很少先問一句——「這個痛點，真的適合用 AI 來解嗎？」

以一個真實案例來說。

有位客戶希望用 AI 解決「月結報表耗時」的痛點，因為老闆往往要等上 10 到 14 天才能看到經營狀況。在現場聽需求時，很容易被順勢帶往「該選哪套 AI 工具來加速」的討論方向。

但經過深入的流程訪談後，我發現問題的根源根本不在 AI，而在底層邏輯。

光是「成本」這兩個字，公司內部就有三種截然不同的面貌：ERP 裡的「標準成本」、月底線外人工計算的「實際成本」、以及業務報價用的「參考成本」。

所謂的實際成本，其實是財務同仁每個月在系統外，用 Excel 辛苦做差異分攤後，再把結果「倒灌」回管理報表的資料庫裡。換句話說，這家公司的 ERP 系統中，根本缺乏「實際成本」的計算邏輯。

如果在這種斷層上為了自動化而導入 AI，最後只會得到一個疊床架屋的系統——問題沒解決，反而多了一大筆技術債。

這帶出了在評估 AI 導入時，最關鍵卻也最常被忽略的兩個前提：

第一，AI 不一定要長駐在企業的日常流程裡。 當業務邏輯梳理明確後，更聰明的做法，是把 AI 當作「開發輔助工具」，協助我們將這段邏輯標準化並寫死在系統中；而不是讓 AI 每天上線去跑一段原本就該被規則化的流程。

第二，先有乾淨的資料與明確的定義，再談哪段流程交給 AI。 順序一反，投資注定打水漂。

真正具備高價值的 AI 導入專案，決戰點往往不在後段的「工具選型」，而是前段的「流程與資料梳理」。能否聽懂客戶真正的痛點，並精準判斷該用什麼方案解題，才是關鍵。

更進一步來說，透過跨部門的訪談釐清，我們往往能找出牽一髮動全身的節點——解開一個底層邏輯，就能同時消弭多個部門的痛點，大幅降低溝通內耗。

導入 AI 的第一步，從來不是急著挑選模型，而是先想清楚：哪些必須先梳理？哪些才真正交給 AI？

原文 2026-06-16 發表於 LinkedIn；本頁為站內整理版，文字與原文相同，只調整了平台相關的說法。