假設業務部導入了一支 AI Agent，負責讀取客戶需求、查詢資料庫，再產出報價草稿。原本需要 40 分鐘的報價作業，如今 8 分鐘就能完成。一年累積下來，省下的工時相當可觀，負責人也拿得出導入前後的具體數字。
可是，客戶可能完全感受不到差別。
客戶在意的，是從寄出詢價到收到報價，前後究竟等了多久。這段時間大致可分成兩部分：一部分是有人實際處理的時間，另一部分則是文件躺在某個地方，等著下一個人接手的時間。單點導入 AI，通常壓縮的是前一部分。假如後一部分才佔了絕大多數，單一環節再快，整條流程也快不了多少。
真正動手處理的時間，可能比想像中少
精實生產的經典著作《Learning to See》裡，有一個很有代表性的價值流案例。一家沖壓廠製造一個零件，實際加工時間加總只有 188 秒，但零件從原料進廠到成品出貨，卻要 23.6 天。換算下來，加工時間只佔全程約 0.01%，其餘時間都花在等待與排隊。
白領工作也有類似情況。Asana 2023 年調查了六個國家、9,615 位知識工作者，受訪者平均有 58% 的工作時間，花在協調、追進度、找資料這類「為了工作而做的工作」上。
工作本來就少不了溝通與協調，問題在於：企業投入 AI 加速的那個環節，很可能不是整條流程中最耗時的地方。若只盯著單一作業省了幾分鐘，就容易高估 AI 對整體流程的影響。
攤開一條報價流程，就看得到時間卡在哪裡
以製造業常見的報價流程來看，一張報價單通常要經過七個環節：
- 業務收件：收到客戶圖面、數量、交期與材質需求，檢查附件是否齊全。
- 工程判讀：辨識圖面、公差、材質與製程限制，列出待確認事項。
- 採購詢價：依材料與外包製程向供應商詢價，彙整回覆。
- 生管估交期：查設備負荷、模具狀態、在製量與排程。
- 成本彙整：合併材料、加工、外包、包裝與運輸成本。
- 主管核價：檢查毛利、價格例外與付款條件。
- 業務出件：套用報價格式、確認版本，寄給客戶。
流程看起來很清楚，但只要實際走過一次，就會發現每次交棒都可能產生等待。
附件要靠人工轉寄，工程什麼時候看到，常常取決於有沒有人催。工程完成判讀，把結果放進共用資料夾後，採購與生管還要各自等通知。供應商的回覆進了信箱，可能又過了一段時間才有人彙整。生管則要等工程與採購兩邊的結果湊齊，才能開始安排；成本只要少一項資料，整份報價就停在那裡，等人追問。接著，核價單躺在主管信箱裡，等主管有空處理；核價簽回來後，業務還得手動整理成正式的報價格式。
我們在這裡談的交接成本，專指資料已經回到公司手上，卻還沒有人接手處理的那段時間。至於客戶補件、供應商回覆這類外部等待，企業無法直接縮短，所以不列入計算。
單點跑得再快，也可能只是提早排隊
回到開頭的例子。即使 AI Agent 能把工程判讀或成本彙整做得很快，只要附件仍靠人工轉寄、核價單仍躺在信箱裡，原有的等待就不會跟著縮短。
工程提早做完了，下一站若還沒啟動，這份工作只是更早排進隊伍。站在單一部門來看，處理時間確實下降；站在客戶的角度，詢價送出後仍然要等一樣久。
現場真正讓客戶覺得交期不穩、等待太久的，往往是少數需要往上呈核，或來回補件好幾次的案子。這些案子不一定最難處理，卻可能在幾個交接點反覆停住。想找出問題，就要先把等待時間記錄下來。
交接成本怎麼量，才不會各說各話
做法並不複雜。流程走到每一站時，分別記下收件、開始處理、完成、交出這四個時間點。從收件到開始處理之間的差距，就是這一站的等待時間。
有了這份紀錄，驗收 AI 導入成果時，就不會把某個單點省下的時間，直接當成整條流程的效率提升。管理者可以進一步看出哪一站等得最久、哪些案子反覆卡關，再判斷哪些重複性的工作適合交給 AI Agent「提前」處理。
例如，案件一收進來，就先由 AI Agent 完成附件檢查與初步判讀。下一站接手時，不必再從整理資料開始，而是可以直接處理已經準備好的內容。這樣省下來的，才不只是一個人的作業時間，也包括後續等待與來回確認的時間。
三種導入方式，本來就該用不同標準驗收
McKinsey 在 2025 年的一份研究中，以客服事件處理為例，比較了三種導入 AI 的方式：只在單點提供 AI 協助，解決時間與生產力約改善 5% 到 10%；把 AI Agent 接到既有流程上，可以省下 20% 到 40% 的時間，積壓案件減少 30% 到 50%；從 AI Agent 能自主處理的角度重新設計流程，解決時間可以縮短 60% 到 90%。
這組數字來自單一情境，不能直接套用到每家企業。不過，它把三種做法之間的差異講得很清楚：投入規模不同，改動流程的幅度也不同，自然不能拿同一套標準驗收。
如果企業只做單點協助，合理的目標就是縮短該項任務的處理時間。若期待看到流程層級的改善，就必須處理前後環節的交接方式，甚至重新安排整條流程。
AI Agent 要能接力，流程才真的快得起來
要讓多支 AI Agent 互相交付工作成果，前一步 Agent 的產出，必須能直接成為下一步 Agent 的輸入。這些 Agent 也需要讀取同一份企業知識，共用權限與稽核機制，管理者才能掌握每一站的成本、品質與例外狀況。
平台可以替流程串聯打好地基，但端到端的管理，仍需要一位對整條流程結果負責的人。這位流程負責人要持續追蹤兩件事：從客戶需求進來到報價送出，總共花了多久；案件現在卡在哪一站。
回到報價的例子，衡量導入成效時，最該看的數字，是客戶從詢價到收到報價的總時間，而不是某一站的作業時間。
本文摘自智慧方案《Agent-Ready：台灣製造業 AI 應用白皮書》。白皮書完整說明如何分三個階段，從單點任務走到跨部門工作流，並附上 12 題自我評核表。