我一個人做生意，最怕的不是信太少，是每天打開信箱，先花一小時分辨哪些根本不用看。最近看到一個五個網站信箱的實戰案例，覺得這個做法很適合小團隊參考，重點不是把所有信都丟給 AI，而是先用規則省錢，再把真的需要判斷的部分交給 AI。

這個團隊從 7 月 25 日到 9 月 21 日共收到 541 封信，先用低成本規則篩掉銷售推銷 155 封、通知 134 封、內部信 105 封，以及 bot spam 8 封，最後只有 115 封送進 AI 分類。這個數字很有感，AI 不是拿來處理所有東西，先把明顯的雜訊清掉，費用和人工注意力都省下來。

留下來的信再依公司網域、電話、產品規格等資訊分成 A、B、C 級，並且把 follow-up 合併到原本的線索。結果建立 31 筆新買家 CRM 線索、15 筆追蹤合併到既有線索，還產出 22 份回信草稿。對小公司來說，這比單純追求「AI 自動回信」實際多了，因為真正有價值的是不要漏掉買家，也不要讓自己一直重複整理資料。

我特別認同兩個細節。第一，表單信要從欄位抓真正寄件者，不能只看轉寄地址，不然線索一開始就會記錯。第二，國別和語言對不上時直接標記人工，工廠資料則做雙語摘要。這些地方不要硬讓 AI 猜，猜錯一次，後面 CRM 和報價都可能跟著歪掉。

我的做法會是每天固定兩次跑流程：規則處理明顯類別，AI 做分類、摘要和草稿，CRM 只允許單向寫入，最後寄一份 digest 給人看。超過 7 天的信，或人工已經回覆過的信，就不要再產草稿。最重要的是只產生草稿，不自動寄出，最後發送權一定留在人手上。

AI 可以幫小團隊把信箱整理好，但不能替我們承擔承諾。先用規則篩掉明顯雜訊，再讓 AI 處理需要判斷的信，這才是我覺得 CP 值高、也比較不容易出事的做法啦。