小店導入 AI 先把流程驗收清楚
很多人講 AI 自動化，第一個念頭都是要不要買一套很會聊天的 agent。但以小電商的現金流來看，我更在意的是：它每一步到底做了什麼，出錯時誰接手，月底能不能算出省了多少時間。沒有這些答案，功能越多，驗收成本反而越高。
我看到 Uvik Software 分享一個 enterprise workflow 平台的案例。他們先把 agent 流程拆成收件、分類、查資料、選工具、草稿、審核、執行和例外轉人工，再替內部 API 加上 typed schemas、權限檢查、重複執行保護、dry run 和 audit logs。案例以 420 個 golden cases 和 780 個情境評估做 regression，供應商宣稱人工分流由 18 分鐘降到 3.6 分鐘，符合條件的流程 68% 可自動完成，tool call success 由 68% 升到 95%，高風險動作則全部進人工審核。這些是單一案例數據，不是每家公司都能複製的保證。
但這個案例真正值得學的，不是 95% 這個漂亮數字，而是先把流程切成可以逐段驗收的零件。小店可以從一個低風險、量又夠大的流程開始，例如客服把退貨申請分成符合規則、資料不足、需要主管判斷三類。上線前先整理 50 到 100 筆真實案件，標出正確分類、必查欄位和不可自動處理的情況，請工具在 dry run 模式跑一輪，只看它的判斷，不讓它真的改訂單。
驗收時不要只問「有沒有成功」，要記四個數字：分類正確率、需要人工接手的比例、每案節省的分鐘數，以及高風險案件漏攔率。再加一個很實用的規則：退款、改庫存、發折價券等動作，無論 AI 多有把握，都先要求人工確認。等連續幾週的測試結果穩定，才開放下一小段權限。
對小老闆來說，先做可驗證流程，等於先把學費封頂。你不必一次買全套，也不用相信展示影片裡的神奇效果。能重跑、能查紀錄、能知道哪一步失敗，才有資格談自動化。這樣導入慢一點，卻比較容易算出 CP 值，也比較不會把營運風險交給一個說不清楚的黑盒子。
作者：偉老闆