「那件事已經自動化了」這句話後面還差一個問題

部門會議上常聽到這樣的進度回報，「月報那件事已經自動化了」。說的人很有成就感，聽的人也鬆了一口氣，好像這件事從此不用再擔心。

三個月後主管拿著月報來問，其中一個數字和上個月的口徑對不起來。負責的同事打開流程，看到的是一排綠色的執行紀錄，每一次都顯示成功。問題出在來源資料、AI 摘要、比對規則，還是有人手動改過，沒有人說得出來。

一條流程平常省下了時間，出錯時卻要花好幾天才找得到原因，它只是把工作藏了起來。自動化的價值有一半在於錯了能被看見、能被定位、能被收回，少了這一半，它還算不上自動化。

前兩天留下的兩把尺放在一起看

前兩天談了兩件事。第一件是 AI 產生答案之後，「對」要先講清楚長什麼樣，確認的人要能說出自己確認了什麼。第二件是人站在流程的哪個節點，位置放錯，判斷就會變成善後。

把這兩把尺放在一起，再加上今天的「錯了找得到」，就是判斷一件事能不能交給自動化的三個前提。

三個前提缺了任何一個，流程平常也許跑得很順，出事的那一天就會一起暴露出來。

判斷該不該自動化多數人只想到第一層

企業裡談自動化，最常聽到的判斷標準是重複性高、很花時間、工具做得到。這些都對，只是它們回答的是「做不做得出來」，還沒有回答「做出來之後撐不撐得住」。

先猜一題，一件每天都要做、每次只花十分鐘的工作，和一件每月一次、每次要花半天的工作，哪一件比較適合先自動化？

答案要看第二層。每天做的那件如果每次判斷都一樣、錯了當天就看得出來，它很適合。每月一次的那件如果夾著好幾個「看情況」的決定，出錯也要等到下個月才會發現，即使省下的時間比較多，也應該先停在半自動。

第二層的問題其實都在問同一件事，這份工作裡藏著多少判斷，以及這些判斷有沒有被說清楚。很多人會說「我平常就是這樣做」，這句話背後往往是一串沒有寫下來的判斷。它們不會因為交給流程就消失，只會從看得見的人手上，搬進看不見的流程裡。

讓 AI 當訪談者先把自己的工作說清楚

第二層的判斷很難靠一份檢查表完成，因為每個人的工作情境都不一樣，也沒有人有時間逐一訪談全公司的同仁。這正是生成式 AI 可以幫上忙的地方，讓它扮演訪談者，一題一題把工作裡的步驟、判斷與資訊來源問出來。

這種用法和平常請 AI 寫東西不同。AI 不負責給答案，它負責發問，答案仍然來自做這份工作的人。很多人說得出自己在做什麼，卻說不清楚怎麼把它做完，被問到「這一步什麼情況下會不一樣」「你怎麼知道這次可以直接送出」的時候，藏在習慣裡的判斷才會第一次被說出口。

流程卡住的地方也常常在資訊。資料從哪裡來、多久更新一次、誰可以修改，這些問題比步驟本身更容易被跳過，訪談時要特別追問。

比較順的做法是分成三輪對話。

第三輪最關鍵，它直接回應今天的題目。讓 AI 假設某一天結果錯了，再逐段問「這一段留下了什麼紀錄」「從紀錄看得出是輸入錯、判斷錯還是有人改過嗎」。答不出來的那幾段，就是目前還不能放手自動化的地方。

三輪對話可以直接複製使用

第一輪先讓 AI 訪談，指令中要求它一次只問一題。

請扮演工作流程訪談者，協助我把下面這件工作說清楚。

訪談規則
- 一次只問一個問題，等我回答之後再問下一題
- 先問完整的步驟，再追問每一步的例外情況
- 每當我說出「看情況」「通常」「我平常就這樣做」，請追問背後的判斷依據
- 問到資料時，追問資料從哪裡來、多久更新一次、誰可以修改
- 不要替我提出解法，也不要評論這件事適不適合自動化

訪談結束時，請用我的用字整理成一份工作描述，包含步驟、例外、判斷依據與資料來源。

工作名稱
<填入這件工作的名稱，以及目前大約多久做一次>

第二輪與第三輪接在同一個對話裡，讓 AI 根據剛才的工作描述做分析與回推。

請根據上面整理好的工作描述完成兩件事。

第一件，把工作拆成 3 到 8 個節點，每個節點寫出
- 這一段適合交給規則、AI，還是需要人判斷，並說明理由
- 判斷所需的資料來源，以及這份資料是否有政策或權限限制
- 這一段的輸出怎樣算「對」，能不能寫成檢查得了的條件

第二件，假設三個月後這件工作的結果出錯了，請扮演事後調查員逐段回推
- 每一段目前會留下什麼紀錄，從紀錄看得出輸入錯、判斷錯，還是有人手動修改嗎
- 哪幾段錯了也不會留下任何痕跡

最後給出一個結論，只能三選一
1. 可以自動化，並列出上線前要補的紀錄與檢查，以及上線後需要的維運人力與能力
2. 先半自動，說明哪幾段先留給人、要觀察多久
3. 先不要自動化，說明缺少哪些條件

其他規則
- 資訊不足時直接列出缺少的部分，不要自行假設
- 不要因為工具做得到就判定可以自動化
- 評估時要把上線後誰維護、需要什麼能力、每月大約花多少時間一起算進去
- 你的結論是給我參考的草稿，請標出哪幾點需要我或主管確認

三輪跑完之後結論只是起點。AI 看到的只有使用者說出來的內容，沒說出來的判斷它不會知道，所以最後那份結論仍然要由做這份工作的人讀過，必要時再交給主管或流程的負責人確認。

放在企業裡這是一種自助式的需求整理

這套對話在企業裡最大的用處，是讓同仁在提出自動化需求之前，先自己走過一次第二層的判斷。

以前同仁提出需求常常只有一句「這件事很花時間，可以自動化嗎」，負責建置的人得開好幾次會才問得清楚。先跑過三輪對話的同仁，帶來的會是一份工作描述、一張節點表和一個附帶理由的結論。需求變清楚了，建置的人也能更早看出哪幾段要保留人、哪幾段要先補紀錄。

有些結論會是「先不要自動化」，這不代表白做了。發現一件事目前不該自動化，同樣是很有價值的判斷，它省下的是之後好幾個月的善後。部門也可以把這套指令放進團隊常用的 AI 工具，變成大家都能自己使用的共用指令，讓「該不該自動化」從少數人的經驗，變成每個人都能練習的習慣。

不要為了自動化而做自動化

三輪對話跑出「可以自動化」的結論，也還不到動手的時候。還有一題常被忽略，流程做完之後誰來顧它。

一條流程上線之後工作並沒有消失，只是換成另一種形式。來源系統改了欄位要有人調整，連線過期要有人重新授權，AI 的輸出開始走樣要有人看得出來，負責的人調職或離職也要有人接得住。這些維運工作需要時間，也需要看得懂流程與資料的能力。

所以每一次想自動化之前，都值得回頭再問一次這件事要解決的問題是什麼，自動化是不是解決它最好的方法。有時候答案是把流程簡化、把一個步驟刪掉，或只是把判斷寫清楚讓人做得更快，這些都比多一條需要長期照顧的流程來得輕。

自動化做得越多，這一題就越重要。一條流程的輸出開始變成另一條流程的輸入時，維運的人要顧的就不只是一條線，而是一串彼此牽動的任務。

今天可以做的一件事

挑一件同事口中「已經自動化」，或自己正打算自動化的工作，用上面的三輪對話跑一次。跑完之後只要填一句話。

如果這件事的結果錯了，我會先從＿＿＿查起，那裡留下的紀錄是＿＿＿。
這條流程上線之後由＿＿＿維護，他每個月撥得出＿＿＿的時間。

四個空格都填得出來，這件事才具備自動化的基本條件。填不出來的話，先回頭補紀錄，或讓它停在半自動。

另外要留意工具本身的紀錄有保存期限。Power Automate 的執行紀錄依官方文件只保留 30 天，錯誤如果在一個月之後才被發現，當時的執行細節可能已經查不到了。需要長期追溯的流程，要另外把關鍵的輸入、輸出與核准結果存下來。

留到明天的問題

評估做完、流程也上線之後，很自然會出現下一個念頭，既然這條流程的輸出已經整理好了，能不能直接交給下一個 AI 任務接著處理？

當一個任務開始接上下一個任務，要解決的問題是什麼、錯了要從哪一段查起、誰來顧整條串起來的線，這三題都會變得更難回答。