▶ 開始互動教學內容重點
重點 1：工作沒有消失，只是移到檢查、追問和重做
導入 AI 後，摘要和回覆草稿很快就出現，但懂客戶狀況的人沒有變多；報價摘要可能混用舊版價格；同事以為主管會確認，主管以為同事查過。工作不是消失了，而是從「製作」移到「檢查、追問與重做」。只看 AI 產出的速度，很容易以為流程變好了；看整條流程，才知道效率是真的增加，還是換了地方消耗。
重點 2：AI 能動手的地方越多，給什麼權限、出錯誰接手就越不能等
2026 年 9 月，數位發展部資安署整理中小企業資安建議時提到：企業若導入代理式 AI 工具進行工作流程自動化，務必落實最小化授權、留存日誌，並設置人工審核機制把關。 來源：中央社（2026-09-20）https://www.cna.com.tw/news/afe/202609200029.aspx
重點 3：價值和風險，兩個問題要一起看
80/20 法則（帕累托原則）提醒我們：某些情境中，少數原因會對結果產生相對大的影響。品質管理的帕累托圖，就是把問題原因依發生頻率排列，決定先處理什麼。但不代表每件事都剛好是 80% 與 20%，答案要看實際紀錄。放進 AI 協作，翻成兩個問題：哪些少數工作占用了大量時間、值得優先改善（價值）？哪些少數控制點一旦失守，後果難以承受（風險）？
重點 4：只看發生次數，會漏掉最傷的那種錯
每天出現的格式不一致雖然不方便，通常很容易修正；一年只發生一次的「AI 把退款條件寫錯並直接寄給客戶」，卻會造成對外承諾爭議。80/20 適合找改善優先順序，不適合拿來排除重大風險。美國國家標準與技術研究院（NIST）的 AI 風險管理框架，也建議依風險影響、發生可能性與可用資源安排處置，而非只看單一數字。付款、個資、對外承諾與不可逆操作，即使很少發生，也要先設保護措施。
重點 5：它們不是兩個專案，是同一條流程的兩面
AI 協作問的是：這項工作，人與 AI 怎麼一起完成？關注任務拆解、資料整理、產出與交接；常見誤區是「AI 有產出就算完成」。AI 治理問的是：這樣分工後，怎麼確認它安全、可控，並有人承擔結果？關注資料使用、權限、驗收、例外與停用；常見誤區是「寫了規則，就以為流程已經受到控制」。例如：AI 先整理客服回覆草稿是協作；規定只能使用核准資料、對外發送前由誰確認，是治理。
重點 6：不用厚重制度，先把這五件事寫成一頁
1 目標：寫成可以驗證的一句話，例如「減少客服整理常見問題的時間，同時維持回覆正確性，並保留人工發送」。 2 資料：能不能放進目前的 AI 工具？有沒有個資、機密？是不是最新版本？ 3 權限：AI 只能建議，還是可以直接行動？ 4 驗收：「看起來不錯」不是標準，要寫出可核對的條件。 5 例外與退場：出錯時誰接手、怎麼停下來、怎麼還原。
重點 7：第一版只給讀取或草稿權限就夠
AI 產生「建議退款回覆」，和 AI 能直接替公司辦理退款，是兩種不同的授權。 ・提供資訊：摘要、整理、搜尋已核准的資料，適合內部參考資料整理。 ・提出建議：產生草稿、列出方案與待確認事項，由人核對後再採用。 ・執行動作：寫入資料、寄送訊息、操作外部系統，必須先確認權限、驗收與復原方式。 不是每個流程最後都需要走到「執行動作」。
重點 8：沒人接、停不下、還原不了，就先別自動化
常見例外：查不到資料、兩份資料衝突、客戶要求超出既有規則、AI 結果與來源不一致、系統把內容寫入錯誤位置。不要只寫「交由人工處理」，還要寫清楚： 1 交給誰（負責角色或具體承接人）； 2 帶什麼資訊（原始資料位置、異常原因、AI 已做的動作）； 3 可以先停什麼（暫停發送、暫停寫入或切回人工流程）； 4 怎麼回復（誰負責還原，還原後如何確認）。
重點 9：放小不等於跳過資安和必要的核准
・先不要追求所有工作一次自動化：先選一個流程，確認真的有用。 ・先不要把每一種例外都預測完：從已知的重要例外開始，持續記錄新問題。 ・先不要為低影響草稿建立複雜簽核：先確認是否需要人工檢查、如何抽查。 ・先不要為了使用 AI 而使用 AI：固定規則、試算表公式或人工處理更簡單穩定，就不必硬加一層模型。 但放小不等於跳過資料安全、必要的核准或適用的法律與契約要求。
重點 10：AI 可以整理，核准和承擔要有人
一項工作拆成四個問題： 1 誰整理：蒐集、分類、轉換資料。 2 誰判斷：依目標、情境與限制比較選項。 3 誰核准：決定結果能否採用、進入下一步。 4 誰承擔：結果影響客戶、財務或團隊時處理後果。 AI 可以摘要、分類、產出草稿、列出選項、準備核對清單；人要確認資料可不可用、內容是否正確，並由具權限的人決定是否採用。AI 流暢地說出一個答案，不等於它掌握了你的客戶關係與風險承受度。
重點 11：每次錯誤都記下原因，團隊才會累積能力
以下是假設情境，不是特定企業的實際成效。一間小型團隊用 AI 整理常見問題的回覆草稿，由工作人員確認後再發送：只用確認可提供、版本明確的說明；AI 不可自行決定退款、補償、修改訂單或直接寄送；資料缺漏、來源衝突或涉及特殊承諾時標示待確認並交給負責人。 試行後若發現 AI 常把「預計出貨日」寫成「保證到貨日」，往回檢查： ・原始資料有沒有區分出貨與到貨？ ・驗收清單是否核對承諾用語？ ・草稿有沒有標示來源？ ・是否要固定交給特定人員處理？
重點 12：這張表是排序工具，不是風險認證
先用試算表或紙筆列出候選工作，記錄頻率與耗時、最常卡住的地方、出錯影響、能否核對與回復。對外付款出錯可能造成財務損失、回復困難，不適合當第一個自動執行試點。 排序四問： 1 價值：是否經常發生，或明顯影響重要成果？ 2 可驗證性：有沒有可靠來源或清楚標準可以檢查？ 3 後果與可逆性：做錯影響誰？能否在造成損害前攔截？ 4 準備程度：有沒有人願意負責、測試、處理例外？
重點 13：第一步不是買工具，是選一項明確工作
1 選一項明確工作：例如「依已核准的商品資料，產出客服回覆草稿」。 2 記下原本怎麼做：處理時間、錯誤或重做，作為比較基準。 3 設定資料與權限邊界：第一版只給讀取或草稿權限。 4 寫出可核對的完成條件：例如所有數字必須對到指定來源。 5 設計例外與停止條件，指定誰接手。6 小範圍試行並記錄，不要只挑 AI 最容易答對的案例。7 比較結果，再決定擴大、調整或停止。這七步是把 NIST 的治理、理解情境、衡量與管理四個功能，轉化成小團隊可以開始討論的方式，不代表完成正式合規或認證。
重點 14：速度之外，也要看品質、風險和維運
單件總作業時間 = 準備資料 + AI 操作 + 人工核對 + 修改重做 + 必要交接。 示意數字（非實際成效）： ・準備與整理：8 分鐘 → 4 分鐘 ・產出草稿：7 分鐘 → 2 分鐘 ・核對與修正：3 分鐘 → 6 分鐘 ・單件合計：18 分鐘 → 12 分鐘 不能只憑這個數字宣布成功：案件是否相近、品質是否維持、錯誤有沒有變多、導入與維護成本算進去了嗎？ 至少一起看四類訊號：效率、品質（一次通過率、重做件數）、風險（資料外洩、錯誤承諾、權限異常）、維運（誰維護資料、變更後是否重新測試）。
重點 15：比例是觀察結果，不是起始規定
・誤區一：把 80/20 當成人與 AI 的固定分工比例。內部草稿可能讓 AI 承擔較多，涉及客戶權益的正式文件需要更多人工查核。 ・誤區二：以為「人有看過」就代表安全。覆核者沒有來源、時間和退回權限，確認就容易變成形式。 ・誤區三：把所有錯誤用同一個平均數處理。錯一個標點和錯誤承諾退款條件，不是同一種後果。 ・誤區四：流程還沒理清，就急著擴大自動化。資料混亂、責任不明，加工具也補不上。
重點 16：把時間交還給判斷，而不是交給救火
AI 可以更快產出內容、整理選項、減少重複搬運；但產出變多後，真正稀缺的往往是確認方向、辨識風險與承擔結果的能力。AI 時代的抓大放小，是先找到哪些工作值得交給系統放大，哪些判斷必須有人看見、能夠介入，並願意負責。下一步：選一項你每週都在重複的工作，寫下它的資料來源、完成標準、不可交出的權限，以及出錯後由誰接手。完成這四項，再決定要不要加入 AI。
重點 17：範例與時間數字為示意，不是實際成效
・Lean Enterprise Institute：Pareto Chart https://www.lean.org/lexicon-terms/pareto-chart ・NIST AI RMF Core https://airc.nist.gov/airmf-resources/airmf/5-sec-core ・NIST AI RMF Appendix C：AI Risk Management and Human-AI Interaction https://airc.nist.gov/airmf-resources/airmf/appendices/app-c-ai-risk-management-and-human-ai-interaction/ ・中央社：數位發展部資安署提醒中小企業留意代理式 AI 的最小化授權、日誌與人工審核 https://www.cna.com.tw/news/afe/202609200029.aspx 客服範例為假設情境；18 分鐘、12 分鐘為示意數字。七個步驟是把 NIST 四個功能轉成小團隊可討論的方式，不代表完成正式合規或認證。