真正能做事的 AI 與自動化

AI 適合與不適合的地方

許多實用的自動化根本不含 AI。從您的會計資料中產生每週報表，只是透過各系統的 API 與其溝通的一般程式碼。

語言模型適合用在輸入內容不整齊的情況，例如每次格式都不同的訂購單。以 Transformer 架構建立的模型能寫出流暢的文字，卻也可能以同樣自信的口吻出錯，因此我們把它們的輸出視為需要檢查的草稿。

我們透過 API 呼叫 Claude 與 OpenAI 的 GPT 模型等，可直接呼叫，或經由 OpenRouter，並在資料必須留在您的基礎架構時使用自行代管的模型。簡單的步驟則使用較小、較便宜的模型。

我們已經建置過的項目

我們在正式環境運行的兩套系統，展現了我們承接的工作類型。客戶細節已省略。

用於我們自身 IT 工作的維運助理

我們的技術人員在服務台、遠端監控、Microsoft 365、Kubernetes 與網路檢查中，使用同一個助理。技術人員以平常的話描述任務，助理會蒐集證據並提出變更建議，且只會在該人員的權限範圍內、該客戶的系統之內運作。沒有 API 的網頁入口則在鎖定的容器中處理，容器不保存任何認證資料，用完即銷毀。

為受監管的多據點企業打造的助理

對於某位客戶，員工在他們原本就在使用的聊天工具中，向一個私有助理提問。它會讀取會計、庫存與訂單、銷售點、法遵追蹤與薪資報表，並依據最新資料產生 Excel、Word 或 PDF 檔案。採購人員回傳的訂購單會變成供審核的銷售訂單與發票草稿，而以電子郵件寄來的送貨預約，則每 15 分鐘同步到共用行事曆。

由人員全程把關的環節

兩套系統都遵循這些規則，客戶專案也一樣。

• 變更需等待核准：對企業紀錄的變更會完整顯示給管理員，經核准一次後才執行，且核准會過期。
• 不會寄出：客戶助理可以起草電子郵件，但無法寄出或刪除。
• 依人員存取：只有一小群指定人員能看到財務與人資資料，其他人只能看到受限的檢視，而對象混雜時也一律採用受限的檢視。
• 一切皆有紀錄：每項動作、模型請求與核准，都會記錄在指定人員名下。
• 金鑰不外露：模型透過設有花費上限的閘道存取，因此 AI API 金鑰不會出現在工作環境中。
• 最小存取：代理式工具，也就是會分步驟處理任務的工具，只能存取工作所需的內容。

自動化專案如何進行

1. 挑選一個工作流程。透過簡短的初步諮詢通話，找出員工在哪些地方重複輸入資料，並選擇一個起點。
2. 書面工作範圍。哪些會被自動化、會讀取與變更哪些系統、哪些資料可以送到 AI 服務，以及由誰核准什麼。
3. 存取權限。您授予相關系統的存取權限。每個應用程式都有專屬金鑰，並保存在密碼管理員中。
4. 並行運行。它與人工流程並行運行，由負責這項工作的人比對結果。
5. 交付。程式碼保存在 Git 中並附有文件。之後由我們提供支援，或由您的團隊接手。

我們的工程師在 Claude Code 與 Codex 的協助下撰寫程式碼，每項變更在上線前都由人員審閱。服務在容器中運行（請參閱 Docker 顧問服務），並連接 Microsoft 365 與我們的自家軟體。

需要您的團隊配合的事項

大部分的投入發生在一開始：由實際負責這項工作的人帶我們了解整個流程，包括各種例外，並檢查最初的結果。由主管決定哪些資料可以送到 AI 服務，以及由誰核准變更。上線之後，核准人員會在變更送達時進行審閱。

關於 AI 與自動化的常見問題

我們的資料會被送到 AI 公司嗎？

只有您在工作範圍中同意的資料。送到託管模型的文字會離開您的網路，因此資料必須留在內部時，我們會使用自行代管的模型。

AI 可以自行更改我們的紀錄嗎？

我們的設計讓它無法這麼做。它只會提出變更建議，並由指定人員核准後才會寫入任何內容。

運行起來要花多少錢？

AI 供應商依輸入與輸出的文字量計費，因此繁忙的工作流程運行成本會比清閒的高。在供應商允許的情況下，我們會設定花費上限。