流程存在，不代表流程有效。

真正的改善不是把每個人催得更快，而是找出重複、等待、返工與風險，重新設計更好的工作方式。

前言

許多團隊已經建立 SOP，也累積了不少工作紀錄，但日常作業仍可能出現：

• 同一份資料重複輸入
• 多次人工確認與轉寄
• 工作長時間停在等待狀態
• 異常發生後才開始補救
• 新增工具後，舊流程卻沒有調整

這些問題通常不是某位同仁不夠努力，而是流程本身存在瓶頸。

AI 可以協助我們閱讀流程、整理現況、辨識浪費、分析風險，並提出改善方向。但 AI 產生的建議仍應由流程負責人確認，不能直接取代實際訪談、數據驗證與內部控制評估。

為什麼流程改善很重要

流程不清楚時，團隊常會用更多人力補救：

• 多開一次會議
• 多寄一封提醒信
• 多建立一份追蹤表
• 多安排一位人員確認

短期看似解決問題，長期卻可能增加更多複雜度。

好的流程改善應同時關注：

1. 效率：是否減少等待與重複作業？
2. 品質：是否降低錯誤與返工？
3. 風險：是否保留必要的審核與控制？
4. 體驗：使用者是否更容易完成工作？
5. 可維護性：流程是否容易更新與交接？

因此：

流程改善不是單純刪除步驟，
而是在效率、品質與風險之間取得平衡。

AI 核心觀念

不要只問 AI：

請幫我改善這個流程。

這個要求缺少背景、目標與限制，AI 很容易提供過度理想化的建議。

應改成：

請根據以下流程資料，辨識重複作業、等待時間、人工交接、返工原因與控制風險。

請分別提出：
1. 可立即改善項目
2. 需要跨部門協調項目
3. 可評估自動化項目
4. 不建議移除的控制點
5. 需要補充的資料

AI 的角色不是替團隊直接決定新流程，而是協助大家更快看見問題，形成可驗證的改善假設。

流程分析前，先整理必要資訊

在分析流程前，至少應準備：

• 流程目的
• 起點與終點
• 參與角色
• 每個步驟
• 輸入與輸出
• 使用的表單或系統
• 平均處理時間
• 平均等待時間
• 常見錯誤
• 審核與控制點

如果沒有時間數據，也可以先請 AI 建立「待蒐集資料清單」，不要直接假設瓶頸位置。

案例一：找出重複與不必要步驟

情境

同一份資料需要由不同人員重複輸入到多個表單，造成時間浪費與資料不一致。

Prompt：

請扮演流程改善顧問，分析以下現行流程。

輸出：
【流程目的】
【重複輸入步驟】
【可合併步驟】
【可刪除步驟】
【不可刪除的控制點】
【資料一致性風險】
【改善後流程草案】

請說明每項建議的理由與可能副作用。
資料不足時請標示「待確認」。

價值

AI 可以快速將長篇流程描述拆成步驟，找出內容相似或重複的環節。但是否真的能刪除，仍需要確認法規、稽核、權限與內部控制要求。

案例二：分析等待時間與流程瓶頸

情境

一項申請作業實際處理只需要數小時，從提出到完成卻經常耗費數天。

Prompt：

請分析以下流程時間資料。

輸出：
【實際處理時間】
【等待時間】
【最可能瓶頸】
【瓶頸證據】
【可能原因】
【改善建議】
【需要補充的數據】

請區分已知事實與可能原因，不要將推測寫成結論。

價值

讓團隊區分「真正執行工作的時間」與「等待交接或核准的時間」，避免只要求執行人員加快速度，卻忽略主要瓶頸。

案例三：分析返工與錯誤原因

情境

流程經常被退回補件，團隊花費大量時間重做與確認。

Prompt：

請根據以下退件與返工紀錄進行分類。

輸出：
【返工類型】
【發生頻率】
【可能原因】
【受影響步驟】
【預防控制】
【偵測控制】
【建議優先順序】

請優先找出高頻且高影響的問題。
若資料不足以判定根本原因，請列為待驗證假設。

價值

把零散的錯誤紀錄整理成模式，協助團隊優先處理最常發生、影響最大的返工原因，而不是只處理個別事件。

案例四：評估可自動化的流程

情境

團隊想導入自動化，但不確定應從哪一段流程開始。

Prompt：

請評估以下流程的自動化機會。

輸出：
【規則明確的步驟】
【大量重複的步驟】
【需要人工判斷的步驟】
【涉及敏感資料的步驟】
【可優先自動化項目】
【不建議自動化項目】
【例外處理方式】
【人工覆核點】

請從效益、風險、導入難度與維護成本四個面向評估。

價值

避免為了自動化而自動化。規則穩定、資料結構清楚且大量重複的工作，通常較適合優先評估；高風險、例外多或需要專業判斷的工作，則應保留人工覆核。

案例五：比較改善前後流程

情境

團隊提出新流程，但無法清楚說明改善幅度與新增風險。

Prompt：

請比較以下現行流程與改善後流程。

輸出：
【步驟數差異】
【角色與交接差異】
【處理時間差異】
【等待時間差異】
【控制點差異】
【新增風險】
【預期效益】
【驗證指標】
【試行建議】

若沒有量化數據，請不要自行估算成果，改列出建議蒐集的指標。

價值

讓改善方案不只停留在「看起來比較簡單」，而是透過步驟、時間、品質、風險與控制點進行比較。

常見錯誤

❌ 只追求縮短流程

✅ 同時評估品質、風險與必要控制

❌ 還沒有釐清現況，就直接設計新流程

✅ 先建立 As-Is 現況流程，再設計 To-Be 目標流程

❌ 把所有人工步驟都視為浪費

✅ 區分必要判斷、法規要求與可自動化作業

❌ 直接採用 AI 提出的原因

✅ 將 AI 的原因視為假設，再用數據與訪談驗證

❌ 改善後沒有衡量指標

✅ 事先定義時間、品質、成本與風險指標

Best Practice

1. 先定義問題，再選擇工具

不要一開始就決定要導入某項自動化工具。先確認真正問題是等待、錯誤、交接、資訊不完整，還是權責不清。

2. 使用 As-Is 與 To-Be 方法

• As-Is：目前實際怎麼運作
• To-Be：改善後希望怎麼運作

兩者都要包含角色、步驟、輸入、輸出、控制點與例外處理。

3. 先小範圍試行

建議先選擇單一部門、單一流程或低風險情境進行試行，再根據結果調整。

4. 建立衡量指標

可以追蹤：

平均處理時間
平均等待時間
退件率
錯誤率
一次完成率
人工工時
例外案件比例
使用者滿意度

5. 保留治理與稽核軌跡

涉及審批、敏感資料或高風險操作時，流程改善仍應保留權限控管、操作紀錄、覆核與例外管理。

今日實作

選擇一項經常延誤、重複或容易出錯的工作流程。

請依序完成：

1. 寫出流程目的、起點與終點
2. 列出參與角色與每個步驟
3. 標記處理時間、等待時間與交接點
4. 請 AI 找出重複、返工、瓶頸與風險
5. 建立 As-Is 與 To-Be 流程比較
6. 定義三項可量化的改善指標
7. 由流程負責人確認後再進行小範圍試行

今日練習題

練習一

選擇一個日常申請流程，找出等待時間最長的步驟。

練習二

選擇一個重複輸入資料的流程，評估哪些步驟可以合併或自動化。

練習三

選擇一項經常退件的流程，建立返工原因分類與改善優先順序。

萬用流程分析與改善模板

請扮演流程改善顧問與風險管理顧問。

分析以下現行流程資料。

輸出：
【流程目的】
【起點與終點】
【參與角色】
【現行流程 As-Is】
【重複作業】
【等待與瓶頸】
【返工與錯誤】
【必要控制點】
【可自動化項目】
【不建議自動化項目】
【改善後流程 To-Be】
【預期效益】
【新增風險】
【衡量指標】
【試行計畫】
【待確認資料】

請遵守以下原則：
1. 區分事實、推論、假設與建議。
2. 資料不足時標示「待確認」，不要自行編造。
3. 不要為了縮短流程而移除必要的審核與控制點。
4. 每項建議都要說明效益、風險、導入難度與可能副作用。
5. 優先提出可小範圍驗證的改善方案。

今日重點

✅ AI 可以協助拆解現行流程並找出重複步驟

✅ 流程瓶頸常出現在等待、交接與返工，而不只是執行速度

✅ 自動化前應先確認規則、例外、資料與風險

✅ AI 提出的原因屬於改善假設，仍需資料與訪談驗證

✅ 流程改善必須同時評估效率、品質與控制風險

✅ 改善前後應以步驟、時間、錯誤率與風險指標進行比較

✅ 小範圍試行與持續量測，比一次全面改造更穩健

明日預告

Day 27｜使用 AI 進行風險分析與問題管理

當流程逐漸改善後，下一步是更有系統地管理：

• 可能發生的風險
• 已經發生的問題
• 影響程度與處理優先順序
• 改善措施與追蹤責任

下一篇將介紹如何利用 AI 建立風險清單、問題紀錄與改善追蹤機制。