我把一條重複的工作流交給 AI 跑一個月，結果是這樣

把一條重複工作流交給 AI 的第一週，感覺總是特別好：訊息被整理了、初稿出來了、待辦也排好了。到了第二週，例外才開始浮現——來源欄位突然換名、客戶回覆不按格式、同一件事被兩個人同時處理。AI 沒有失效；它只是讓原本被人默默吸收的例外，第一次變得可見。

第一週驗證能不能跑

第一週的目標很單純：確認輸入、輸出與串接沒有斷裂。這時不求完全自動，只要每一次都留紀錄，知道資料從哪裡來、模型做了什麼、結果送到了哪裡。可追溯，比表面上的流暢更重要。

第二週開始修例外

例外不是雜訊，而是流程的教材。把錯誤分成三種：資料本身不完整、規則沒有寫清楚、AI 對語意判斷失準。前兩種多半應回頭修流程與資料；只有最後一種才是模型或提示詞的問題。這個區分能避免團隊把所有問題都丟給「再換一個模型」。

能長期運作的工作流，不是沒有例外，而是每個例外都有一條安全的回路。

第三週看人的工作是否真的變少

不能只看產出數量。若同仁省下了起草時間，卻多花時間檢查、追資料、救錯誤，整體並沒有變好。因此我們會看人工介入率、退件原因與處理時間的分布。好的工作流，應把人力集中到需要專業處理的少數案件。

一個月後，才有資格談擴大

跑滿一個月的價值，在於它涵蓋了週期性波動與不尋常情況。此時若大多數案件能穩定完成、例外能被接住、負責人願意繼續使用，才適合把範圍擴到下一條流程。擴大不是複製一套設定，而是複製一種治理方式。

AI 工作流不是一次性交付的專案，而是會隨業務變化微調的營運能力。把第一個月當成校準期，團隊才不會在第一個漂亮展示後，遇到第一個例外就失去信心。