導入 AI 的第一週，很多企業會先發一張需求調查表給各部門，請大家寫下「希望 AI 幫你做什麼」。兩週後，表單收回來，一半是空白，另一半則寫著「幫忙整理資料」「自動產生報表」「回覆客戶信件」。
這些答案不能說沒有需求，問題是範圍太大，也不夠具體。專案窗口拿著表單，很難判斷該從哪裡開始，更不知道做完之後要如何驗收。
真正卡住的，往往是問法。
一個看似簡單的問題，其實藏了三道難題
「你希望 AI 幫你做什麼」聽起來很開放，實際上卻要求填表的人一次完成三件事：先理解 AI 能做到什麼程度，再把自己的工作拆解到可以交付的程度，最後還得判斷效益和風險。
對還沒真正用過 AI 的同仁來說，第一步就很難回答，後面兩步自然也寫不出來。這就像請一位不熟悉機台規格的人，直接提出新產線的設計需求。即使他很了解自己的工作，也未必知道該怎麼把需求說成可以執行、可以驗收的形式。
如果換個問法，情況就會不一樣。改問「你平常工作在做什麼」，幾乎每個人都能從每天、每週、每月固定發生的事情開始列。討論的焦點也會從想像中的新功能，回到公司目前確實在付薪水、佔用工時、影響交期的工作。至於 AI 能不能做、適合做到哪裡，可以留到下一步再判斷。
先用四個欄位，把職責寫清楚
盤點可以部門為單位，請每位同仁列出自己的職責。第一輪不必把表格做得太複雜，先掌握四個欄位即可：
- 職責內容：這件事現在怎麼做？第一步從哪裡取得資料？完成後交給誰？
- 執行頻率：每日、每週、每月，或某個事件發生時才做；能計次就填次數。
- 單次耗時：以熟手正常作業的平均時間，照實填寫。
- 使用人數：部門內實際執行這件事，或會共用成果的人數。
這四個欄位裡，最容易寫偏的是職責內容。
例如，「採購管理」「品質管理」只是職能名稱，看不出工作從哪裡開始，也看不到最後交付什麼。比較合適的寫法是：「下載未交貨採購單，篩出逾期項目，再寄信催交。」一句話就把資料來源、處理動作與產出結果交代清楚。
盤點時，先把完整手順保留下來，不必急著切割。等到訪談或評估階段，再判斷 AI 適合接手哪一段、哪些環節仍要由人處理。
用 TURBO 五個條件，找出第一批任務
職責清單列完之後，接著用 TURBO 五個條件篩選：耗時（Time-consuming）、使用人數（User-wide）、重複頻率（Repeat）、人機協作空間（Buffer）、流程可拆解性（Operable）。
初期建議優先挑選規則清楚、輸入輸出固定，而且出錯時看得出來的工作。這類任務比較容易界定範圍，也比較容易建立驗收方式。
在我們輔導的客戶中，首批能穩定執行的任務，大多集中在單據辨識、建檔與核對這類工作。原因很直接：輸入和輸出明確，錯誤也容易被發現。當 AI Agent 做完一項工作，使用者能很快判斷結果是否正確，專案小組也知道該從哪裡修正。
好的清單，會自然分出三種判斷
以採購部為例，下面是一份示意的職責清單（頻率與耗時僅供參考，實際請依企業現況填寫）：
- 彙整供應商報價，統一幣別、付款條件與交期後製作比價表，每月約 12 次，每次 45 至 90 分鐘。這項工作適合交給 AI Agent，因為資料欄位固定，可以先做擷取與差異標示，議價仍由人負責。
- 依供應商語言撰寫催交信，每週約 15 次，每次 8 至 15 分鐘。這項工作適合做成任務，但承諾日期與寄送對象要由採購人員確認。
- 評估新供應商的製程能力與合作風險，每月約 2 次，每次 2 到 4 小時。AI 可以協助整理資料，選商決策不交給 AI。
- 與供應商議價、協調缺料處置，每週約 4 次。這類工作高度依賴談判、人際關係與現場判斷，不列入首批任務。
品保部的職責清單，也會出現類似的分層。比對供應商材質證明與採購規格，適合交給 AI，輸出「相符、差異、待確認」三類結果即可。至於判定不合格品是否讓步接收，AI 可以先整理歷史案例供主管參考，判定權仍留給授權主管。
一份好的職責清單，本來就應該同時出現「適合」「只適合輔助」「不適合」三種判斷。若盤點結果每一項都適合交給 AI，反而要回頭檢查，團隊是否把任務範圍看得太寬。
同時也要記得，職責清單不等於開發清單。以「彙整報價」為例，第一版可以只處理欄位擷取與差異表。等輸出穩定了，再加入歷史報價查詢；議價則始終由人決定。任務範圍切得清楚，團隊才知道這一版要做到哪裡，也才有辦法驗收。
盤點現場，最常碰到四種抗拒
職責盤點會碰到每個人的工作內容，推動時出現阻力很正常。以下是我們在現場最常遇到的四種狀況。
第一種，是擔心填了耗時，日後會被拿來考核。
這種疑慮不能只靠一句「不會」帶過。盤點前要先講清楚用途與權限：盤點表只用來估算任務價值、建立改善前的基準，不做個人排名。原始清單只給部門主管與導入團隊看，經營會議只看部門彙總。
如果某些工作的耗時真的很難估，可以先盤點頻率與步驟，暫時不收個人耗時。先讓盤點走得下去，比一開始就追求每個欄位都完整更實際。
第二種，是覺得自己的工作沒什麼好寫。
熟手往往已經把許多判斷內化成常識，最後只寫下「例行作業」四個字。這時若繼續問「還有沒有其他工作」，通常問不出更多內容。訪談時可以改問：「上週交付了哪些檔案？」「月底前固定要完成什麼？」「請假時要交接哪些步驟？」也可以直接打開最近一次處理的檔案，和同仁一起拆出輸入與輸出。
碰到需要經驗判斷的節點，還要繼續追問熟手依據什麼原則處理。不要怕麻煩，也不要用自己的邏輯替同仁的做法「圓」過去。我們輔導的企業裡，很多看似簡單的任務，例如表單辨識、特殊拆帳、班別規則，背後都藏著一大串例外條件。這些 know-how，正是靠這樣一層一層追問才留得下來。
第三種，是主管擔心盤點結果會被拿來檢討人力配置，所以只願意提出低價值、無關痛癢的任務。
第一輪盤點要先定調，目的是改善工時，讓 AI 分擔結構化的工作，而且不做部門排名。主管如果仍有疑慮，可以先由一個標竿部門示範。當其他主管實際看到這些數字如何用來改善流程，而不是用來檢討人力，後續的盤點通常會順很多。
第四種，是資深同仁擔心把工作寫下來之後，自己就會被取代。
企業可以把資深同仁定位為傳承與引導的角色，由他們制定規則、驗測結果、判斷例外。溝通時可以直接說：「未來不一定每件事都需要人親手做，但公司需要更多有經驗的人，來指揮和檢核 AI Agent 的工作成果。」
同時，知識貢獻也要列入績效，不能讓整理規則、傳承經驗變成資深同仁額外承擔的工作。若公司一方面要求熟手交出 know-how，另一方面卻沒有給予相對應的認可，再好的盤點方法也很難推得動。
第一輪盤點結束，手上要留下什麼
第一輪盤點完成後，部門手上應該留下三樣東西：一份寫清楚輸入與產出的職責清單、一份經過篩選的任務候選清單，以及每項工作的改善前基準。
有了這三樣東西，後續建置任務時，團隊知道範圍該怎麼切；驗測效果時，有改善前的狀況可以比較；要決定哪些任務值得上線，也有具體依據可供判斷。
從職責出發的好處，在於大家不必先猜 AI 還能變出什麼新功能，而是先把眼前真正在做的工作說清楚。當輸入、處理方式與產出逐漸清楚，第一批適合交給 AI Agent 的任務，也會跟著浮現。
本文摘自智慧方案《Agent-Ready：台灣製造業 AI 應用白皮書》。白皮書附有完整的採購部與品保部示範職責清單，以及 12 題自我評核表，十分鐘內就能判斷公司目前的 Agent-Ready 程度。