中小企 AI 勞動力方案：組建您的 AI 團隊

快速答案： 組建一支實用的 AI 團隊，方法是：選一個重複出現的業務問題，交給一個定義清晰的 AI 角色，設定界線，在風險較高的地方加入人工覆核，然後量度結果。由一條工作流程開始，用經批准的業務資訊訓練 AI，覆核它的工作，流程可靠之後才擴展。

中小企可以利用 AI 勞動力方案，把例行工作交給專門的 AI 員工，而不是堆砌一疊互不相連的工具。明智的做法是圍繞真實的業務職務組建一支小團隊，然後給每個 AI 角色一份收窄的職責、清晰的限制，以及一位真人負責人。

重點摘要

• 由一條「錯了也能承受」的重複工作流程開始。
• 給每位 AI 員工一個明確角色、經批准的資訊、升級規則和一位真人管理者。
• 需要員工審批的工作用 AI 副駕駛；涉及客戶、金錢、法律或敏感決定的，用人工把關。
• 加入更多 AI 角色之前，先量度省下的時間、質素、回應速度及業務成果。

中小企的 AI 勞動力是甚麼？

AI 勞動力是一組專門的 AI 代理或 AI 員工，各自被指派到具體的業務角色、任務及工作流程。每個角色都有目的、界線、指示及升級路徑。與單一的通用工具不同，AI 勞動力是圍繞您的業務實際運作方式組織起來的。

一家中小企可能有一位 AI 接待員處理初步查詢、一位內容撰稿員準備草稿、一位潛在客戶開發專員發掘及篩選商機，以及一位行政助理協助整理例行工作。這些角色不需要同時上線。

由拖累最大的那份工作開始。

AI 代理是工作的基本單位。它可以閱讀資訊、產出答案、為要求分類、準備草稿，或建議下一步。它能否在沒有審批下行動，取決於工作流程和所涉風險。

標籤本身不重要，職位描述才重要。「AI 助理」很空泛；「使用我們經批准的服務資訊，草擬對新網站查詢的回覆，然後交老闆覆核」才可行。

一支實用的 AI 勞動力是由職責定義的，不是由您擁有多少工具定義的。 當一個角色的任務、資訊來源、決策限制和真人負責人都寫了下來，它才變得有用。缺了這四件事，您擁有的只是一個聊天機械人或自動化實驗，而不是營運團隊裡一位可靠的成員。

AI 勞動力與傳統自動化的分別在於彈性。傳統自動化通常跟隨固定規則：發生這個，就做那個。AI 員工則能處理語言、為混亂的要求分類、草擬回應，並在指示範圍內應對變化。

這種彈性同時帶來風險。AI 員工可能以固定規則不會出現的方式誤解要求。所以設計必須包含檢查。

應該先把哪些業務任務交給 AI？

第一項 AI 任務，應該選在工作重複、以文字為主、容易核對、又極耗員工注意力的地方。好的起點包括：回答常見問題、草擬回覆、為來件查詢分類、準備內容大綱及整理資訊摘要。在覆核流程經過驗證之前，避開高風險決定。

尋找具備這些特質的工作：

• 經常發生。
• 輸入相當一致。
• 「做得好」可以描述出來。
• 人可以快速核對產出。
• 出錯不會造成嚴重傷害。

一家小型工程公司可以由查詢分流開始。一間診所可以先處理行政問題，而不是任何涉及健康建議的事。一家專業服務公司可以由草擬電郵回覆或內容資料搜集入手。

不要由「我們哪裡可以用 AI？」開始。要由「哪份工作一直偷走團隊的時間？」開始。

用一張簡單的任務計分卡

就四個範疇，給每項候選任務評 1 至 3 分：

由總分最高、而且 AI 出錯不會造成嚴重後果的那項開始。

最好的第一項 AI 任務，通常是沉悶、頻繁、可核對的。 這個組合讓您有足夠的重複次數快速學習，同時把早期犯錯的成本控制在可承受範圍。一項光鮮但品質標準模糊的任務，只會引來「AI 到底有沒有幫忙」的爭論。

組建 AI 團隊之前，您需要甚麼？

您需要一份成文的任務簡報、一套經批准的業務資訊、一位真人負責人、一條覆核規則，以及一小組量度指標。您還需要決定 AI 絕不可以做甚麼。設置可以很簡單，但跳過這些決定，只會把混亂推進日常運作。

需要準備的東西

• 一條界定好的工作流程： 例如由接收到轉交的整個新查詢處理過程。
• 參考材料： 經批准的服務描述、價格、營業時間、政策、語氣指引及常見答案。
• 一位指定的真人負責人： 由一個人檢查表現並更新指示。
• 一條升級規則： 一個清晰的位置，讓 AI 停下並把事情交給人。
• 一張品質清單： 每項產出必須包含或避免的簡短清單。
• 一條基準線： 該任務目前的回應時間、數量、錯誤率或員工耗時。

可以的話，第一份簡報控制在一頁之內。如果沒有人能在五分鐘內看懂這個角色，這個角色就太寬了。

例如：

角色： AI 接待員
目的： 處理客戶的初步問題，並識別需要真人跟進的查詢。
可以做： 使用經批准的業務資訊、提出允許範圍內的澄清問題、轉交查詢。
不可以做： 虛構價格、承諾破例、提供專業意見，或作出指示範圍以外的決定。
升級時機： 要求含糊、敏感、緊急，或超出經批准資訊的範圍。

AI 角色應該先有管理者，才有更多能力。 真人負責人決定角色是否運作良好、覆核例外情況並修改指示。這一小塊問責，能防止「設定完就撒手」的系統靜靜地產出劣質工作。

如何組建一支 AI 勞動力？

一次建一個角色：定義職務、選定工作流程、準備經批准的資訊、設定覆核控制、進行小規模試行、量度結果。角色表現穩定之後，先記下學到的東西，才加入下一個角色。

以下步驟刻意寫得務實。您不需要一個龐大的 AI 部門。您需要一份清晰的職務、一位負責的人，以及足夠的證據去決定這個角色是否配得上更多職責。

第一步：選一個業務成果

選一個對業務有意義的成果，例如更快的首次回應、更少打斷、更多合資格查詢，或更穩定的內容草稿產出。把它寫成一個結果，而不是一個技術項目。

「用一個 AI 助理」不是成果。

「減少花在分類新查詢上的時間」好一些。您可以拿它跟現行流程比較，判斷改變有沒有幫助。

選有清晰起點和終點的工作：新查詢進來，AI 提出或識別出正確的問題，然後一個人收到有用的細節。這比「改善客戶體驗」容易管理得多。

這裡常見的失誤： 老闆選了一個宏大的抱負，例如「用 AI 改造整盤生意」。結果沒有人知道要建甚麼、量甚麼、幾時停。

第二步：繪劃現行工作流程

寫下今天實際發生的事：誰接收工作、需要甚麼資訊、作哪些決定、延誤出現在哪裡。可以的話用一個真實的近期例子。目的是看清交接位，不是編一本完美的流程手冊。

一條基本的工作流程可能是這樣：

1. 查詢到達。
2. 有人閱讀它。
3. 要求被分類。
4. 找出缺少的資訊。
5. 草擬回覆。
6. 查詢送到對的人手上。
7. 公司跟進。

把每一步標記為三類之一：

• AI 可以準備。
• 人必須審批。
• 人必須擁有。

這正是「AI in the loop」（AI 參與式流程，AITL）可以幫忙的地方：AI 執行流程中有用的一部分，而人依然積極參與。例如 AI 草擬回覆，員工修改後發出。

這裡常見的失誤： 團隊自動化了看得見的那一步，卻漏掉了它周邊的交接。AI 產出草稿，但沒有人負責審批、跟進和修正。

第三步：把工作指派給一個具體的 AI 角色

給這條工作流程一個名字平實、目的收窄的角色。視乎職務，它可以是虛擬 AI 助理、AI 接待員、AI 潛在客戶開發專員、AI 電郵回覆代理，或 AI 客戶支援主管。

一個角色應該回答六條問題：

• 它擁有哪些工作？
• 它可以使用哪些資訊？
• 它應該產出甚麼？
• 它可以作哪些決定？
• 它何時必須求助？
• 誰來覆核它的表現？

當幾項小任務性質相近，同一角色可以兼顧。AI 接待員可以回答經批准的常見問題，同時整理初步查詢；但它不應同時被要求撰寫整套內容策略 — 除非那是另行定義和管理的職責。

想了解以角色為本的系統，可參閱 Sevenfold 的企業 AI 勞動力概覽。無論您自建角色還是與供應商合作，都要保持同樣的紀律。

這裡常見的失誤： 角色淪為垃圾崗。每個新問題都往裡塞，直到 AI 收到互相矛盾的指示，「成功」再沒有可靠的定義。

第四步：準備 AI 的經批准資訊

收集 AI 獲准使用的資訊，然後移除過時或矛盾的版本。按適用情況包括業務事實、服務描述、營業時間、價格、政策、語氣指引，以及可接受產出的範例。

訂一條「不准靠估」規則。如果答案不在經批准的資訊裡，AI 應該直說不知道，並把問題交給人。這對價格、承諾、例外、期限及敏感的客戶情況尤其重要。

來源材料保持整潔。一套簡短、最新的資訊，勝過一個塞滿舊文件的大資料夾。

AI 的準確度，取決於它工作資訊的質素與權威性。 如果角色收到矛盾的價格或過時的政策，它無法可靠地選出正確答案。一個指定的「事實來源」，讓 AI 有具體可依的東西，也讓真人負責人有具體可更新的東西。

這裡常見的失誤： 有人把公司所有內部文件不加篩選地倒進角色裡，日期、負責人、矛盾一概不理。AI 於是根據公司早已棄用的資訊，給出自信十足的答案。

第五步：在 AI 副駕駛與自動駕駛代理之間選擇

當人應該緊密參與工作時，用 AI 副駕駛。只有在任務有界、規則清晰、下行風險低、事後可以覆核的情況下，才用自動駕駛式的代理。大部分中小企應該從副駕駛開始，再審慎地增加獨立性。

AI 副駕駛可以：

• 草擬電郵待審批。
• 為新查詢建議分類。
• 準備文章大綱。
• 為客戶對話寫摘要。

自動駕駛代理則可在設定條件達成後，執行一項有限的行動。即使如此，也要定義停止規則，並保留行動記錄。

這就是「AI in the loop」與「human in the loop」在實務上的分別：

• AI in the loop（AI 參與）： 人留在活躍的工作流程中，AI 協助其中的任務。
• Human in the loop（人工把關）： AI 完成或準備工作，但指定的決定必須由人覆核或審批。
• 自動駕駛： AI 在狹窄界線內行動，配以監察和升級機制。

這些名詞在日常使用中互有重疊，不必執著於標籤。按風險選擇合適的人工控制程度就好。

這裡常見的失誤： 企業還未測試過 AI 建議的質素，就先給了它行動的權限。草稿變成了已發出的訊息，建議變成了承諾。

第六步：加入私隱、安全與準確度控制

列出 AI 可以處理的資訊、不可以處理的資訊，以及必須由人接手的情況。存取權以角色所需為限。覆核產出時，留意虛構細節、語氣不當、私隱問題及漏掉的升級點。

有用的控制包括：

• 經批准的來源資訊。
• 按角色設定的權限限制。
• 敏感產出須經人工審批。
• 清晰的變更及例外記錄。
• 定期以貼近真實的例子檢查。
• 一套移除過時資訊的流程。

NIST AI 風險管理框架是思考風險、量度與監督的有用參考。您不需要一個大型管治部門，只需借用它的基本習慣：識別風險、指定負責人、檢查結果、改善流程。

不要在缺乏合資格審核的情況下，把專業、法律、醫療或財務決定交給自動駕駛。工作如何處理，責任始終在公司。

這裡常見的失誤： 團隊把私隱和準確度當成一次過的設置。但業務資訊會變、人手會變、新的特殊情況會出現。控制措施需要負責人和覆核日期。

第七步：訓練與 AI 共事的人

就角色的目的、經批准資訊、覆核清單、升級規則及修正流程培訓員工。他們不需要成為 AI 專家，但需要知道何時信任產出、何時修改、何時停止。

一節簡短的工作坊應涵蓋：

• 這位 AI 員工負責甚麼。
• 它不可以做甚麼。
• 如何核對一項產出。
• 如何報告錯誤。
• 誰負責更新指示。
• 哪些資料員工不得貼進工作流程。

培訓應使用真實業務例子，至少包括一個棘手的要求。完美的例子教不了甚麼。

OECD 有關生成式 AI 與中小企勞動力的研究討論了 AI 如何改變工作任務，以及人們需要哪些配套技能。對小團隊來說，實務教訓很簡單：員工需要判斷力、核對習慣，以及足以識破壞答案的理解。

這裡常見的失誤： 員工被吩咐「去用 AI」，卻沒有人告訴他們好的工作是甚麼樣子。有人照單全收，有人索性不用，因為它帶來額外的檢查工夫。

第八步：進行小規模試行

在一段界定好的覆核期內，讓 AI 角色處理一小部分真實工作。保留產出樣本、記錄修正，並請真人負責人檢視規律，而不是零星的怪例。

試行期間追蹤：

• 處理的任務數量。
• 需要人工修正的數量。
• 花在覆核上的時間。
• 升級的個案。
• 客戶或團隊的反應。
• 仍需重做的工作。

不要憑一次亮眼的結果評判角色。要看它處理普通工作、混亂工作，以及本應拒絕的工作時的表現。

試行也是檢驗「這項任務值不值得做」的好時機。如果流程本身是壞的，加一位 AI 員工只會令混亂跑得更快。

這裡常見的失誤： 試行沒有基準線，也沒有停止規則。公司收集到的是軼事而非證據，最後因為有人喜歡這個主意而保留了角色。

第九步：量度生產力與回報

量度 AI 角色引入前後這條工作流程的成本與質素，並把員工覆核時間計算在內，而不只是計算訂閱費用。若工作流程每週節省十小時，但需要兩小時覆核，淨收益仍有八小時——而且隨着信任建立，覆核時間通常會逐步縮短。每季重新檢視數據：能收回成本的角色擴大範圍，未能達標的則停用。