AI 業務自動化
AI Workflow Automation
什麼是 AI 工作自動化?
- AI 理解文件、分類、撰寫等需要判斷的工作,並自動處理
- 規則型 RPA 與生成式 AI 結合是核心趨勢
- 適用於重複性高、判斷標準明確的工作,優先導入
AI 工作自動化真正改變的不是工具,而是負責人的位置。過去由一個人從頭到尾負責讀信、分類、撰寫回覆;現在 AI 先把草稿做好,人則轉為判斷對錯的角色。工作的順序本身整個翻轉過來。因此導入的效果,也會先表現為「騰出時間做審核與例外處理」,而不是「節省了幾個小時」。執行者一旦變成審核者,同樣的人力所承擔的工作量與種類就會不同。
現場遇到的自動化大致分為三層:依固定畫面順序點擊的 RPA、讀取非結構化文字後進行分類、摘要與草擬的 AI 處理,以及只要給定目標,就能自行挑選工具、執行多個步驟的 AI 代理人。前兩者由人設計流程、AI 負責其中一環,結果容易預測;代理人的路徑每次都可能不同,驗證負擔大得多。選擇對象的標準其實很單純:把每月重複次數與每件耗時相乘,再確認建置工時與每月維護成本能否回收。若是每月 20~30 件的工作,一張提示詞範本反而比自動化更划算。
最常見的誤解是「準確率 95% 就夠了」的算法。一天 200 件,就代表每天有 10 件會出錯;這 10 件若未經審核就寄給客戶,所花的善後成本會比省下的時間還大。這正是人工審核節點設在哪裡決定成敗的原因。另一個誤區是把自動化丟給 IT 部門當作功課。哪些工作真正重複、例外會在哪裡爆發,只有現場人員知道;若現場無法挑出候選,就只會裝好工具,卻沒人去用。導入六個月後留下沒人在用的自動化的案例,大多從這裡開始。
隨著 RPA 市場成熟,加上 2023 年後生成式 AI 的結合,形成了「智慧自動化(Intelligent Automation)」的趨勢,並因 AI 代理人的出現而加速。
以虛構案例來說明。A 公司是員工 210 人、年營收約 KRW 90,000,000,000 (≈ US$67,362,200) 上下的工業零件經銷商。客服團隊 5 人每天平均接到 170 件詢問,庫存、交期、退貨的問題混在一起進來,光是分類就耗掉上午兩小時。旺季時無法守住「24 小時內回覆」的承諾,每月累積 30 件客訴。
- 客服組長匯出 3 個月共 2 萬筆諮詢紀錄並統計類型,發現前 5 大類型占整體的 68%。「只要處理這五類,就解決了一半」的判斷,正是由此而來。
- 第一個試點我們只鎖定交期詢問。AI 從信件中擷取訂單編號,並附上 ERP 查詢結果,產生回覆草稿,發送按鈕由負責人按下。
- 兩週實測中,訂單編號擷取準確率為 91%,錯誤的 9% 是客戶把品號寫錯的情況。營運部課長訂下規則:「找不到就不要回答,交給人處理。」
- 第 3 個月把範圍擴大到退貨與單價詢問時,只對涉及金額的單價詢問,再增加一道業務部門審核。這是業務專員主動要求「這個我必須親自看」的項目。
- 6 個月後,每件諮詢的平均處理時間由 11 分鐘縮短為 4 分鐘,24 小時內回覆率則由 72% 提升至 96%。客服團隊人力不變,改為負責新往來客戶的導入應對。
金鍾赫
朴雪英