你的公司還不該導入 AI 的 5 個訊號：3 個月先做組織盤點、再決定要不要動手 AI agent 的判斷框架

市場上沒人會勸你「先不要做 AI」——廠商靠你做才有飯吃、媒體靠 AI 議題收流量、同業老闆飯局上也只會聊誰已經導入了什麼。但我們最近這 3 個月跟 30+ 中小企業老闆聊 AI 採購評估時發現一件事：真正適合「立刻動手做 AI」的公司，比想像中少很多。多數老闆其實有預算、有意願、廠商也願意接，但組織內部還沒整理好就被「不導入會落後」的焦慮推著跑，結果半年後上線了一個沒人用的系統，回頭看才發現問題從來不在 AI，在組織本身。

這篇文章寫給正打算在 2026 下半年動手做 AI、但心裡其實不踏實的中小企業老闆。我們在 30+ 個系統客製化專案與企業 AI 評估對話中觀察到：能否成功導入 AI 的差異，80% 在簽約前 3 個月的組織盤點，20% 才在工具選型本身。所以本篇不教你怎麼選 ChatGPT Enterprise、Copilot 還是自建 RAG，而是先丟給你 5 個訊號——如果中了 2 個以上，請先把 AI 採購暫停 90 天，按本文後半段的盤點 SOP 跑一遍再決定。如果你已經確定要做了，建議直接看 中小企業 AI 預算 50 萬該怎麼花，這篇是寫給後面那一步的人。

先放一份外部數據作參考。McKinsey 2024 年的 State of AI 全球調查 指出，導入生成式 AI 的企業中，僅有約 11% 的受訪者表示已從 AI 投資看到「明顯的 EBIT 提升」；換言之，市場上大約九成企業導入 AI 後並沒有產生財務上可量化的成效。Gartner 對企業 AI 專案的長期追蹤 更預測：到 2025 年底，全球 30% 的生成式 AI 專案會在 PoC 階段後就被放棄。這兩份數據共同指向一個結論——AI 採購失敗的常見原因往往跟技術無關，真正卡關的是組織還沒準備好接住它。

正方觀點：為什麼市場一致建議「現在就動手 AI」

公允起見，先把市場主流的「現在就動手」論述列出來，這樣後面切反方時才不會被指責片面。市場上推動立刻導入 AI 的理由大致集中在四個方向，這些理由都有道理，但有道理不代表適合你公司現在的階段。

• 競爭時間窗論：AI 學習曲線很陡，越早動手累積的內部 know-how 越多，等同行都做了你才動就是技術債

• 成本曲線論：API 價格每 12 個月降一半左右，但組織內部「會用 AI 的人」要 6-12 個月才養得起來，所以該先養人不是先省錢

• 客戶體驗論：客戶開始預期所有公司都會用 AI（24 小時客服、個人化推薦），不做就掉滿意度

• 資料飛輪論：越早開始就越早累積專屬資料，未來自家模型訓練的競爭力靠這個

這四個理由放在「對的公司」上都成立。但我們的判斷是：這些理由在台灣中小企業裡，普遍被過度延伸了。市場上把它套到「所有公司、所有產業、所有規模」身上，於是出現一個很奇怪的現象——員工 8 個人的早午餐店也在被推銷導入 AI 客服系統。理由放在錯的公司上，就會變成成本而不是投資。

反方棱角：我們不認同「所有公司現在都該動手 AI」

我們的立場很清楚：「所有公司都該導入 AI」是一個被廠商與媒體共同放大的論述，不是經過產業條件檢驗的判斷。為什麼不認同？因為 AI 導入的 ROI 高度依賴三件事：可重複的業務流程、可結構化的內部資料、能負擔 12 個月學習曲線的組織韌性。任何一項缺位，AI 都只會變成「老闆買了沒人用」的擺設。中小企業在這三件事上的成熟度差異極大——有的公司流程清楚到可以直接套；有的公司連 SOP 都沒有，AI 進去等於把混亂自動化。

這個立場跟我們在 老闆做 AI 採購決策的 3 道防線 講的是同一條軸線——那篇處理「決定要做之後怎麼防止被綁死」，這篇往前一步處理「該不該做」。同樣的判斷邏輯：寧可慢 3 個月做對的事，也不要快 7 天做錯的事。

還不該導入 AI 的 5 個訊號：中 2 個以上請先暫停 90 天

下面 5 個訊號是我們從過去評估對話與專案經驗整理出來的「啟動前紅燈」。每個訊號都有具體的識別問題與當下對應的處理動作。請自己跟主管 3 人各做一份，分數差很多本身就是訊號。

訊號 1：年度業務流程都還在 Email 跟 LINE 群裡跑

判斷問法：「公司目前 3 大核心業務流程（訂單處理、客服回覆、出貨追蹤），有多少比例在『有版控、有歷史紀錄、有權限管理』的系統裡？」如果答案是「都靠 LINE 群跟 Email，沒進系統」——這就是訊號 1。AI 系統需要結構化資料當輸入，原始通訊軟體裡的對話極難結構化。先把流程進系統（哪怕只是 ERP / CRM 雛形），AI 才有東西可吃。跳過這步直接導入 AI，輸出品質一定不穩。

具體場景舉例：傳產製造老闆想做「AI 自動報價系統」，預期客戶 LINE 過來「我要 A 規格 100 個多久」，AI 自動回報價跟交期。但他公司的歷史報價是業務手寫在 LINE 對話裡、沒有結構化資料庫。AI 沒有「過去報過什麼價、用多久交期」的資料可以學，這個系統就算開發出來也只能用「業務每次重寫一遍 prompt 來餵」的方式跑——等同把 AI 變成一個更貴的搜尋框。這就是流程未進系統直接導入 AI 的典型結果。

訊號 2：員工流動率超過 25%、知識留不下來

判斷問法：「過去 12 個月離職比例多少？有多少業務 know-how 跟著離職員工帶走？」員工流動率高的組織，導入 AI 通常會卡在「沒人有時間維護它」。AI 系統裝完之後並沒有自動跑起來這回事，它需要持續餵新資料、調整 prompt、評估產出。員工平均待不到 1 年的公司，AI 系統會在第 6 個月時變成沒人懂的黑箱——當初負責導入的人離職了，新人不敢動。先穩定組織結構，再導入 AI。

訊號 3：老闆自己 6 個月內沒用過任何 AI 工具

判斷問法：「過去 6 個月，老闆本人有沒有實際用 ChatGPT / Claude / Gemini 處理過至少 5 個工作場景？」這個訊號最殘忍但也最關鍵。老闆自己沒用過 AI，就無法判斷廠商的承諾是真是假、也無法評估員工的抗拒是合理還是藉口。我們看過太多案例是老闆把 AI 採購全權交給 IT 主管或外部顧問，自己連最基本的對話都沒試過——結果簽完約後完全失去校準能力，廠商說什麼都信。先讓老闆自己用 3 個月，建立基本判斷力，再啟動採購。

老闆自己用 AI 的 3 個月該做什麼？建議從這 5 個場景開始：① 每天會議結束後用 AI 整理逐字稿摘要（驗證 AI 的歸納能力）、② 撰寫對客戶或員工的長 Email 草稿（驗證 AI 的語氣拿捏）、③ 把 1 份合約丟給 AI 摘錄重點與風險（驗證 AI 的長文本理解）、④ 把 1 份財務報表餵給 AI 請它指出異常（驗證 AI 的數字判讀）、⑤ 跟 AI 對話討論一個策略題（驗證 AI 的反問與發散能力）。跑完這 5 個場景之後，老闆對「AI 能做什麼、不能做什麼」會有自己的內在尺規，再聽廠商提案時就不會被話術帶走。

訊號 4：3 大業務痛點裡找不到「重複性高、規則清楚」的場景

判斷問法：「列出公司 3 大營運痛點，哪一個符合『每天發生 50 次以上、處理規則固定、佔員工 30% 以上工時』？」AI 真正擅長的是「高頻、規則化、可量化」的場景。如果你的痛點都是「策略決策、創意發想、客戶關係維護」這種低頻高判斷的事，AI 短期內幫不到你。導入 AI 應該優先解高頻問題（客服 FAQ、報價單生成、發票處理），不要拿來解低頻問題（年度策略、新品開發）。痛點對不上 AI 擅長的場景，就是訊號 4。

中小企業實務上最常踩這個訊號的，是「老闆把自己想解決的問題等同於公司 3 大痛點」。例如老闆每年最頭痛的是「市場走向判斷」，於是就編預算要做 AI 趨勢分析系統——但這件事一年只用到 1 次、判斷邏輯極度依賴老闆個人脈絡，AI 做不到。真正該優先導入的可能是業務每天花 2 小時整理的「客戶詢價報價單」這種高頻場景。痛點清單請業務、客服、財務各列一份，老闆自己列的別當唯一答案。

訊號 5：預算來自「不導入會落後」的焦慮，不是「導入後省 X 萬」的計算

判斷問法：「為什麼今年要編這筆 AI 預算？」如果答案是「同行都在做」、「不做會被淘汰」、「政府有補助不申請可惜」——這就是訊號 5。預算來源若全是焦慮、缺乏 ROI 計算支撐的 AI 採購，幾乎注定失敗。因為焦慮型預算不會配套人力、不會配套時程、不會配套退場機制；錢花完就花完，沒人追責。先把 ROI 算清楚（多少業務量 × 多少單位成本 × AI 能省下的比例 = 多少回收）再編預算，焦慮型預算請先暫緩。

把 5 個訊號做成自評表，請你跟另外 2 位主管（IT / 業務）各填一份：

評分判讀：3 人平均總分 ≥ 3 分：建議暫停 AI 採購 90 天，先做組織盤點；1.5-3 分：可以小範圍試做但不要簽全約；< 1.5 分：條件成熟，可以進入廠商評估。

3 個月組織盤點 SOP：把 AI 採購暫停 90 天該做的事

如果上面 5 個訊號你中了 2 個以上，這 90 天請做以下三件事。順序很重要——先盤資料、再盤流程、最後才盤人。順序顛倒，後面會白做。

Month 1：資料盤點——AI 能吃什麼、不能吃什麼

資料盤點的核心問題：公司有什麼資料、放在哪、格式如何、品質高低、隱私敏感度。中小企業常見的問題是「資料散在 30 個地方」——財務在會計系統、業務在 Excel、客服在 LINE、產品說明在 Word、合約掃描在 Dropbox。這 30 個地方不整理，AI 進來只會餓死。

資料盤點的具體輸出物應該是一張清單，每筆資料來源都標清楚 6 個欄位：① 資料名稱（例：歷年客戶報價單）、② 存放位置（例：業務個人 Google Drive）、③ 格式（例：Excel + PDF 混合）、④ 筆數估計（例：約 3,000 筆）、⑤ 是否含 PII / 商業機密（例：含客戶聯絡方式）、⑥ 餵 AI 適用度評分（0-3 分）。表格做完之後，馬上能看出哪些資料可以馬上接 AI、哪些要先做清洗、哪些直接不要動（合規風險高的）。沒做這張表就找廠商，廠商會用「等我們上線後再幫你整理資料」當理由把成本與責任全留給你。

• Week 1：盤點資料來源——列出公司目前所有「會用到的資料」放在哪些系統 / 檔案 / 通訊軟體

• Week 2：評估資料格式——結構化（資料庫、Excel）/ 半結構化（PDF、Word）/ 非結構化（LINE 對話、語音）各佔多少

• Week 3：評估資料品質——抽 100 筆樣本，看完整度、正確率、時效性各打幾分

• Week 4：列「可餵 AI 的資料清單」——只放結構化+半結構化、品質 70 分以上的，先別碰 LINE 對話

Month 2：流程盤點——哪些是 AI 適用、哪些是 AI 不適用

流程盤點不等於寫 SOP，而是把現有業務動作分類。重點是區分「規則型 vs 判斷型」——規則型適合 AI（例：根據客戶提問關鍵字回 FAQ），判斷型不適合 AI（例：判斷這個合作夥伴要不要長期投資）。中小企業約 20-30% 的日常工作量會落在「規則型且高頻」這格，就是 AI 該優先進攻的場景。

Month 3：人力盤點——誰要用、誰會維護、誰能擋

人力盤點處理三個角色：使用者（一線員工）、維護者（IT 或指定 owner）、阻力者（流程被改的當事人）。三個角色都要盤點清楚，不然 AI 上線後 90% 會卡在「沒人有時間維護」或「員工集體抗拒」。

中小企業常忽略的是「維護者」這個角色——AI 系統上線後，需要有人每月看一次表現、每季調整 prompt、每年評估續約。沒有指定 owner 的 AI 系統會在第 6 個月開始衰退，因為沒人在追廠商、沒人在校準效果。這個 owner 不能是「找個資深員工兼著做」，需要在 KPI 上明確寫進去（例：每月 8 小時投入 AI 系統維運、列入主管考核項目）。否則大家都很忙，沒人會優先處理。

• 使用者：列出 AI 上線後實際每天會操作的員工名單（避免「全公司都會用」這種模糊答案），每人預估每天會用幾次

• 維護者：誰負責每月看一次系統表現、調 prompt、追廠商。沒人能扛這個角色，就先別簽全約

• 阻力者：流程被 AI 改變的員工（可能因此被取代或角色轉變）。先想好職務轉換計畫，否則上線會遇到內部抵制

這套 3 個月盤點 SOP 跟 數位轉型優先級 3 維度框架 有部分概念交集——那篇處理「整個數位轉型藍圖怎麼排優先級」，這篇單獨拉出「AI 該不該做」的判斷層。兩篇可以一起用。

盤點可以外包嗎？哪些事顧問能做、哪些事老闆只能親自做

很多老闆讀到這裡會直接想：「我 3 個月很忙，能不能把盤點全部外包給顧問做？」答案是：可以一部分外包、但有兩件事老闆只能親自做。

簡單講：「資料盤點」「流程分類」這種純執行工作可以外包，省下老闆時間；但「業務優先級」「人力配置」「最終決策」這三件事是老闆的不可讓渡責任。看過太多案例是老闆把這 3 件事也丟給顧問，結果做出來的盤點報告漂亮但無法執行——因為顧問不知道哪個主管不能動、哪條業務線是策略重點，這些資訊只在老闆腦袋裡。

這個分工邏輯跟我們在 AI 顧問 vs AI 系統開發商 7 個決策點 講的「顧問該做什麼、不該做什麼」是同一條軸——顧問是放大老闆判斷能力的工具，不是取代老闆判斷的代理人。

做完盤點 vs 沒做盤點：18 個月成本與成功率對比

光講「先盤點」很空，把實際數字攤開比較才有感。下面是我們根據過去評估專案經驗、加上產業數據推估的對照表，數字是區間值（依產業與規模調整），用意是顯示「90 天前置投入」可以省下多少「18 個月後段成本」。

這張表的重點與其說在精準數字，更在於趨勢——90 天的前期盤點投入 10-15 萬，能夠把 18 個月後段的爆炸性成本（重做、換廠、員工不用）壓到最低。這是非常經典的 lean startup 邏輯：用小錢驗證假設，避免大錢做錯的事。Deloitte 2024 的 State of Generative AI in the Enterprise 調查 也指出，導入前做過完整治理與資料準備的企業，AI 專案 scale-up 的成功率明顯高於沒做的對照組。

AI 導入決策框架：3 軸打分，分數決定下一步

把上面的訊號與盤點整理成一個 3 軸決策框架。三個軸分別是：資料就緒度、流程就緒度、組織就緒度。每軸 0-10 分，總分滿分 30 分，分數對應不同的下一步動作。這個框架的設計目的是讓老闆「快速做出判斷」——重點放在 30 分鐘內看清下一步該做什麼，不追求小數點等級的精確。

三軸打完分加總，落點對應動作：

• 0-10 分：先別碰 AI 採購，回去做 3 個月盤點 SOP

• 11-18 分：可以做 SaaS 試用（ChatGPT Enterprise / Copilot 等月訂閱），不要簽客製化全約

• 19-24 分：可以開始 PoC 客製化專案，但合約裡 3 道防線（PoC / 退場 / KPI 對賭）一定要寫進去

• 25-30 分：可以放心啟動全套 AI 採購，含客製化開發與顧問導入

我們在 老闆做 AI 採購決策的 3 道防線 把 19 分以上的人該怎麼做合約防線講完了，本篇處理的是 18 分以下該怎麼把分數先拉上去。兩篇接續看，AI 導入的判斷與執行就完整了。

不同產業的場景建議：哪些訊號最常踩、要先處理哪一個

上面 5 個訊號跟 3 個月盤點 SOP 是通用框架，但不同產業常踩的訊號不一樣。下面把我們觀察到的產業差異整理一下，給你一個參考起點。

如果你正在思考「該找顧問還是該自己做盤點」，可以參考 AI 顧問 vs AI 系統開發商 7 個決策點。簡單說：3 個月盤點 SOP 是老闆自己 + 主管 3 個人就能做的事，不一定需要外部顧問；如果做完後決定要進入採購階段，再評估要不要找顧問也來得及。

常見地雷：90 天盤點期最容易做錯的 4 件事

我們怎麼看：AI 的競爭優勢屬於「準備好的人」，動手早晚反而是次要

在 30+ 個系統客製化專案與 AI 評估對話中，我們的觀察是這樣：AI 導入成功的老闆，共同特質與「動手早」無關，而是「在動手前確認過組織能接住」。方向上我們認同 AI 是中長期不可避免的能力建設，但取捨上我們建議——如果組織還沒準備好，多花 90 天盤點絕對划算。給你的判斷工具很簡單：拿這篇的 5 個訊號自評表跟 3 軸決策框架，跟另外 2 位主管各自打分，3 人分數差距超過 5 分就代表內部認知不對齊——這個不對齊本身就是「還不該動手」的最強訊號。先把內部對齊處理掉，AI 採購自然會變簡單。

如果你正在 AI 採購評估期、又怕現在動手太早或太晚，歡迎 跟我們聊聊組織盤點 該怎麼跑——我們不直接賣 AI 系統（除非你後面要做 AI 客製化開發），主要是當你的諮詢夥伴，陪你看訊號、跑盤點、做出「該不該動手」的判斷。3 個月前置投入做對，18 個月後段你會省掉好幾倍的成本與精力。

延伸閱讀：老闆做 AI 採購決策的 3 道防線（合約治理 60 天）、中小企業 AI 預算 50 萬該怎麼花（18 個月成本對比）、AI 採購 10 萬 / 50 萬 / 200 萬預算分配指南、數位轉型優先級 3 維度框架（流程痛、ROI、組織就緒度）、AI 顧問 vs AI 系統開發商 7 個決策點、恆遠 AI 顧問服務、客製化網站與系統開發，可以一起讀。