先用一句白話問
如果公司有十個 AI 想法，哪一個應該先做？
最好的第一段工作流，通常不是最炫的那個想法，而是那段工作夠重複、夠痛、看得懂、可以審核，而且有人負責。
這聽起來沒有「AI 轉型」那麼大，但成功機率高很多。
先看工作，不要先看工具
工具導向的問題會像這樣：
「我們要不要買一個 AI assistant？」
工作流導向的問題會像這樣：
「哪一段重複工作正在浪費時間、拖慢客戶回應，或造成可避免的錯誤？」
第二種問題比較好，因為它可以被判斷。
AI 只有在改變一段真實工作時才有用。一段真實工作會有觸發點、輸入、判斷、輸出、負責人，以及結果被使用的地方。
好的第一段工作流有六個特徵
1. 它常常發生
如果一段工作每週發生很多次，甚至每天很多次，改善才會累積成價值。
例子：重複客服問題、發票檢查、商機 intake、文件摘要、內部政策查詢。
2. 它有明顯痛點
這段工作應該正在耗費時間、拖慢回應、造成品質問題，或讓團隊無法做更高價值的事。
如果沒有人覺得痛，試點就很難被支持。
3. 它有模式
AI 比較適合處理「每次不完全一樣，但有可辨識模式」的工作。
例子：客戶 email 寫法都不同，但很多其實都在問同樣幾個政策。
4. 它有知識來源
AI 需要可信來源：政策、SOP、範例、歷史決策、模板、產品資訊或結構化紀錄。
如果來源很弱，第一個專案也許應該是整理來源，而不是直接自動化。
5. 它可以被審核
第一段 AI 工作流應該有清楚的人工審核點。
這不代表永遠每個輸出都要人工檢查，而是試點階段要有安全學習的方式。
6. 它有人負責
試點上線後，必須有人在意這段流程。
這個人要能決定什麼答案可以接受、哪些例外重要，以及這段流程是否應該擴大。
一個簡單評分方式
選第一個 AI 試點前，可以把每個候選工作流用 1 到 5 分評估：
- 重複性
- 痛點
- 模式清晰度
- 來源品質
- 可審核性
- 責任歸屬
- 可衡量性
最適合先做的，不一定永遠是總分最高的。有時候一段稍微小一點、但可以快速安全測試的工作流，反而更好。
例子：三個候選工作流
假設一家公司正在考慮三個 AI 想法。
想法 A：全公司知識助理
聽起來很有用，但資料來源分散、責任歸屬不清楚。
這可能是好方向，但作為第一個試點可能太大。
想法 B：客服配送政策回覆
工作重複、來源存在、可以人工審核，也能衡量首次回覆時間。
這是很強的第一個候選。
想法 C：高層策略分析
重要性很高，但重複性低、來源邊界不清楚，也很難衡量。
不適合作為第一個試點。
主管應該避免什麼
不要只因為某個內部主管很支持，就選一段本身不適合的工作流。
不要只因為 demo 很厲害，就選一個團隊不會每天使用的工具。
不要一開始就選風險最高的流程，只因為它看起來商業影響最大。
第一個試點應該讓公司學會如何負責任地使用 AI，而不是製造政治、技術或合規危機。
Glasrocks 的看法
第一段 AI 工作流應該小到可以測試、重要到值得做、清楚到可以管理。
這也是為什麼 Glasrocks 在實作前，會先做工作流適配度判斷。
如果你正在多個 AI 想法之間猶豫，可以先做 AI 工作流適配度診斷，再閱讀 Glasrocks Method 理解試點該如何設計。