小公司導入 AI 不用全部重來,找對這幾個插入點就夠了
我一直有個疑問:我們店裡已經用了好幾年的 ERP 和訂單流程,要導入 AI,是不是一定要整個打掉重練?
最近在 arXiv 上看到一篇論文,講的是怎麼把既有的 workflow engine 升級成 agentic BPM,不用換掉原本的系統。讀完之後我的感想是:工程師世界在煩惱的問題,跟我們開店的人其實一模一樣。
論文提出了一個概念叫 process harness,概念是說:讓 AI agent 只在特定的「控制點」介入,其他地方還是讓原本的系統跑。他們把任務拆成三層,大概是「執行型 agent、決策型 agent、流程管理型 agent」,各自有各自的職責,不讓一個 agent 包辦所有的事。
用貸款審核當例子:計算信用分數是一回事,「要不要批」是另一回事,遇到法規特殊狀況又是另一回事。這三層各自找 AI 介入,比全部丟給一個大 agent 更穩、更好追蹤。
這跟我在店裡的感受非常像。
我們客服的流程已經跑了五年,雖然不算很酷,但規則都在上面。哪種退貨要走哪個流程、哪種客訴要升級給主管、哪些節日要特別處理,這些都是累積出來的「隱性知識」。
如果叫我今天全部砍掉、換一套「全 AI 的客服系統」,我光想就頭痛。
但如果是說:「你現有的流程不用動,只是在『退貨理由判斷』這個節點插一個 AI,讓它幫你分類,不確定的才丟給人工」,這個我可以考慮。
這就是 process harness 概念吸引我的地方。它不是說 AI 要取代你的流程,而是說:原有系統繼續掌管結構控制,AI 只在你指定的地方出手。
對小公司來說,這個思路比「全面 AI 化」現實太多了。
我們沒有工程師團隊去重寫整套系統,也沒有預算去試一個不知道會不會成功的大翻新。但我們可以:找出流程裡判斷最花時間、出錯最多的那幾個節點,先在那裡試試看 AI 能不能幫忙。
比如說:哪些訂單是高風險?哪些客戶的問題需要人工回覆、哪些可以自動處理?哪些商品組合的退貨率特別高,可以預先警告?
這些都是「決策點」,不是整條流程。
論文裡還有一個細節讓我印象深刻:他們用可以版本控管的 markdown 檔管理 AI 的 policy。意思是說,AI 怎麼判斷、遵守什麼規則,是明文寫出來的,可以被修改、被追蹤。
這個對非工程師背景的我來說很有感。你不希望 AI 是個黑盒子,你希望它像一個新員工,有 SOP 可以查、有規則可以改。
說真的,AI 導入最怕的不是技術,是老闆不知道從哪裡開始、又怕改了之後系統壞掉。
這篇論文給了我一個答案:不用從頭開始,先找出你最想解決的那一個決策點,在那裡插入 AI,看看結果。夠好再往下一個走。這才是小公司能真正做到的節奏。
作者:偉老闆