開場與自我介紹

把公司的知識、流程還有判斷，真正變成讓 AI 可以理解並且可以持續累積的能力。他今天要帶來的這個主題是，賣實體產品的公司也能長成 AI Native。讓我們一同掌聲歡迎王大皓帶來的分享，歡迎。

王大皓：「謝謝，每次看到 KIKI 在這邊主持都非常令人心安。我們可以再給一個掌聲給我們今天最美的主持人 KIKI。」

大皓，我是大皓，一起實驗的共同創辦人。一起實驗其實是一家群眾集資的顧問公司，我們後面也開始轉型成一個代理商的角色。如果以現在的 AI 顯學來說，一起實驗其實是一家線上零售的傳統產業，我們做的是實體產品的選品、行銷跟零售。

我之所以會這樣開場，是因為大家在講 AI Native 這件事情的時候，多半指的是網路業、是科技業。但有沒有辦法讓一間代理商、電商或是創意內容的公司，一個靠能力密集跟創意吃飯的產業，也能變成一間 AI Native 的公司呢？接下來的 20 分鐘，我想用我們自己踩過的坑，以及我們正在 run 的做法，與各位一起分享這個旅程。

我們每天在處理的事：人力密集與師徒制

先來看一下我們每天在處理的事情。我們從前端的選品、文案創意、報關流程到線上通路，一路到後面的客服跟實體店的鋪陳。每一關都是靠大量的人力密集，也沒有一關能單靠一個系統就可以打通關。

所以我們過去在營運整間公司，靠的是很大量的 SOP 跟真人的師徒制，也就是老手帶著新手一起前進的方式。

這套我們撐了很久，但是其中有一個巨大的成本，也是我們一直忽視的。讓最厲害的同事來帶新人，會不會是一種消耗？也是一種懲罰？前一段時間，我一個同事直接來找我，他就跟我說：「我可不可以不要再帶新人了？」

他說：「如果我把這些時間拿來做更多的業績，我就可以提升自己更多的產值。如果一直重複地帶新人，那我的時間就會被滅掉。」我當下其實愣了一下，因為在過去的公司形態裡面，我們理所當然地認為，這些老手不是就應該要帶著新手前進嗎？這不就是一種傳承、一種責任嗎？

師徒制的隱形成本

但當你回頭來看這整件事情的時候，你就會發現，我們把最會做事的人的時間拿來帶人，其實可能是一種消耗、一種浪費。彷彿就是告訴你，你越強，你就要花更多的義務去帶新人，重點是老闆還是會要求你的產值不能掉。所以在 AI 這個時代，我們在想的一件事情是，師徒制是不是已經是走到盡頭的一種方式了？

第一次嘗試：做一個問答機器人卻失敗

有了這個想法之後，理所當然地，我們就會往下一步驟走，就是我們來做一個 chatbot。我們把公司所有的 SOP、所有的製作內容，把做什麼事情會達到什麼樣的答案，做成一個問答機器人不就好了嗎？

我們也真的這樣做了。我們公司是用 Google Chat 做整個公司的溝通軟體，所以我們綁了一個機器人，串了一大堆資料。但在一個月之後，我們發現這個工具的使用率不到一成。所以我們就歸納了兩個死因。

第一個死因是，人永遠不知道自己不知道的事情，新人更是如此。他根本不知道他該問什麼，哪裡可能會有雷。如果你連一個問題都問不出來的時候，你怎麼能指望這個機器人能夠回答、告訴你答案呢？

第二個死因是，多數人在寫 SOP 的時候，就像是以前我們在看那個超級瑪利歐的遊戲一樣。下一次還可以來問這個機器人吧？是不是就不會了？

用 AI「代」人，不是「取代」人

所以這次的嘗試讓我們知道一件事情：如果我們設計的是一個被動的、人來問的工具的話，那個就很像是一個講話的句點而已。我們真正要設計的，是一個主動過來告訴你問題在哪裡，並且提供解決方法的 AI。

好，所以當別人都在講說用 AI 取代人的時候，一起實驗在做的事情是用 AI「代」人。主管跟同事最大的差別是什麼？同事是被動的，你叫他做，他才會動。但主管不一樣，他會主動過來告訴你，會給你判斷、幫你把關，並且他會提供下一步的解法給你。

三個等級：從加速工具到初階主管

所以我們在這個路上分成三個等級。LV1 是一個加速工具，也就是我們剛剛所說的做的那個 chatbot 機器人，你問他，他才會回答，這是不夠的。LV2 是一個資深的同事，他懂脈絡，他會判斷，但他還是要被動的。所以我們現在要走的第三條路線，LV3，就是一個會主動帶人、會把關品味的初階主管。從 LV1 到 LV3，我們最大的差異就兩件事，一個是主動，一個是判斷。

初階主管是兩者的綜合體。一個叫做營運主管，負責教大家如何遵守這間公司的規則，他會自動去掃描各位的進度，並且先一步提醒你可能會踩雷。創意主管教大家品味，對象是整個公司的產出，在出稿之前給予更多的靈感，讓你的創意達到更好的標準。一句話來說，營運主管是保證帶人不出錯，創意主管是把人帶得更好；營運主管守著公司的下線，創意主管是拉高公司上線的角色。

營運主管與創意主管：規則循環與品味循環

所以我們在營運主管跟創意主管裡面，各設計了一個循環。營運主管跑的是所謂的規則循環，我們餵給它的是內部的檔案、SOP、商業模式以及各式各樣公司的專業術語。而創意主管跑的是品味循環，我們餵給它的是文案、設計、廣告以及跑出來之後的數據。特別要強調一點的是，這個循環不是跑一次就結束的，你必須要持續把公司的 context 匯進去，它會跑得越來越強，也越來越精細。

這也回到另外一件事情，我們認為 AI 的工具誰都買得到，prompt 或 skills 也誰都寫得出來。這次的專案或是跑公司流程的時候，他們往往不知道自己會踩到什麼樣的雷，去解決這樣的一個問題。

實際案例：AI 主動提醒卡關

先給各位一個實際的案例。就是上禮拜一，我們的 AI 營運主管就跳出來跟我的某一位 PM 說，你這個專案的上線前七天電子報已經延遲了，如果你是卡在不知道該寫什麼內容的話，我這邊已經準備好幾篇的電子報範例給你參考。這個不就是我們最希望主管帶人時候的畫面嗎？

大家一定會想說，AI 營運主管怎麼會知道我卡住了？我們做法是這樣，先把每一種專案、每一個流程畫成一張張的節點地圖，標示每一個節點要花多少時間、做多少事情，接著讓 AI 去掃描我們整個 Notion 資料庫的實際進度。

節點地圖：理想 vs 真實的比對

理想節點地圖跟一張真實的資料庫地圖，兩邊一比較，落後的節點就會跑出來。只要落後，我們就請 AI 主管去讀裡面的 SOP 文件，主動發信給所需要知道的同事。

這張節點地圖，標準的節點地圖是怎麼來的呢？那也是人工化的。我們把過去做嘖嘖上百個案子所累積的經驗，透過不管是資深、中階或初階員工所需要的時間，每一個步驟需要花多少的時間跟 effort，都把它實際地攤出成一張表。這也是為什麼說我們光買工具是沒有用的，要先把什麼是對的事情變成 AI 讀得懂的東西。

讓 AI 讀懂整間公司：重新定義 schema

接下來我們做了三個步驟，去讓 AI 讀懂了整間公司。第一個是我們重新定義了資料庫的 schema，讓每一篇的資料都可以掛上身份，讓 AI 在看到這個文件的時候，知道它要做什麼樣的判斷。

主題決定了 AI 可以在哪裡被找到；狀態決定了 AI 可不可以引用這份文件；文件類型則決定了 AI 是該照著做還是只能做參考。

最後驗證日與降權機制

最後一個特別想要拉出來講的，是最後驗證日。這個是因為我們也是踩過蠻多坑的時候，才補上這個新的標籤。最後驗證日，它不是一個系統自動標記的最後編輯時間，因為我們要的是有真人看過，而且確認到今天為止這個流程還是對的那個時間點。

因為 AI 不會，現在 AI 還是不會知道哪一條流程是最新的、哪一條流程會跟著整個公司去跑的。所以我們把驗證這個動作自動化，也就是說，如果這個資料半年都沒有人驗證、沒有人提取的話，AI 必須將它降權，才能解決我們剛說的資料不可信，就是大家在最後面 SOP 走形的問題。

內容誰來寫？交給 Skill

格子已經準備好了，下一個問題是內容誰來寫？過去的 SOP 大量花人工來寫，所以更新速度很慢，過程中可能會產生缺漏。我們做法是把這個問題交給 Skills 去解決。

舉一個實際的例子，就是每一個新人到公司一定要讀的文件是用戶規則。過去用戶規則可能洋洋灑灑一大片，但是新人一定要遇到真正出問題的時候，他才會去讀這個文件。我們現在是透過一個新的 Skill，把內容所有的使用時機、判斷條件跟附上可能卡關的問答版本全部都補進去，這樣子新人在各個情境之下都可以去使用到它。

過去一個文件如果是人工撰寫大概需要半個小時，但透過 Skill 大概五分鐘就可以完成一個新的版本進到資料庫裡面。

Skill 的兩個附加價值：推播與連動更新

而且它不是只有快而已，它還解決了兩個最大的問題。每一個 SOP 寫完之後，它就會自己推播到 Google Chat 裡面，讓所有相關聯的人知道。公示，讓大家能夠掃過一眼，知道這件事情發生，就是一個非常有價值的事情。導入了這樣的一個制度之後，只要 SOP 更新，對應部門的就會立刻收到摘要跟更新的連結。

SOP 跟節點地圖串聯起來之後，每一次更新某一個步驟，AI 就會幫你自動掃描整個資料庫，確保相關的頁面也都會被更新。過去的問題是這樣，你雖然寫了一個新的 SOP，但你其實不知道我後面還有多少的觀念頁面，你也不會去改後面的邏輯。AI 不一樣，有了完整的知識後，可以掃描所有關聯頁面，包括互相矛盾的地方、用字品質、特殊字，甚至是公司的專有字。

兩小時 workshop 全公司更新資料庫

第三步，雖然工具負責加速，但 AI 不會知道哪些流程是最新的、哪些是過期的。所以我們在公司裡辦了兩個小時的 workshop，讓全公司的人一起使用這個 skill，一起去更新，完整更新了我們整個資料庫。

最後的成效就像上面講的，一天之內全部公司的同事都會使用。SOP 產出的速度是過去的三倍，資料的正確性也從 70% 變到了 95%。對我來說這是一個非常重要的層次，因為我在公司非常討厭寫 SOP 文件。SOP 文件寫到清楚、寫到乾淨是一件非常難的事情，但透過這樣的一個 skill，我就可以讓大家把腦中的想法快速而且有架構地產出。這樣知識才會真正被累積下來，而這個也是我們循環開始跑得動的原因。

跨部門整合：群眾集資的下單流程

我們剛剛講的都是一個單一的流程、單一的角色。我們接下來再往下面做一個更延伸、更進階的例子。當 AI 有了我們所有的資料庫，也可以做到主動提醒之後，我們再做下一步，就是把跨部門的流程一起整合在一起。把好幾個部門的流程收斂起來之後，透過 AI 降低大家的人工輸出，然後再讓 AI 去做檢查。

舉個例子，這是一個非常複雜的流程。我們在做群眾集資的後半段，就會開始準備下訂單。以前的流程是這樣，我要去後台下載訂單，手動用 Excel 算出我要叫貨的數量、款式，抓備品、瑕疵的數量，再把所有的數字 key 到 ERP 裡面，產生一張 PO 單，跟廠商叫貨。

一個月之後，業務會通知我們家營運去做洽船，送到海關的時候，就要把各種的 PO 單、invoice、名信、證明都要給海關檢查，最後進到台灣、進到倉庫做分貨寄貨流程，然後送到消費者手中。超級長的流程，講得我差點要斷氣。那全部這整套的流程都靠的是 messenger，然後 LINE 跟信件來的溝通。所有的事情只要一拉長，就很容易出事，包含了數量叫錯、備品叫錯、報關用的文件是錯的，或是什麼時候抵達、運費多少，都會是有可能出錯的環節。

人退到第二線：最後負責的還是人

現在我們怎麼做呢？我們把資料庫串上 AI 之後，一切就會變得超級超級簡單。從嘖嘖拿到訂單之後，AI 就會自動去分析我的訂單有多少數量、款式、顏色，然後直接會打到我們的 ERP 系統裡面，產生一張自動 PO 單。

當然我們在每一個大環節的過程之中，我們還是維持著人工去做檢查，因為最後負責的還是人。只是我們的能力都從第一線抽回成第二線檢查跟負責的角色。所以我們剛回頭來，他檢查完這些資料之後，就會跳給下一個部門，告訴營運說，我的資料、我的庫存背景都算好了，我要做洽船了。營運就會把這個資訊發給貨運公司。

這個信件都會是有一個專屬的 AI 專門去做撰寫，它會帶入這一批貨的數量、重量跟材積，然後發一封信給貨運公司。等到貨運公司回信之後，讀取信件的 AI 就會把這個資料 mapping 到我們資料庫裡面，並且告訴相關關聯的部門說貨運公司回信了，然後它預計什麼時候發船，然後費用是多少。

所有 MIXXIN 的成員都會很清楚地知道現在的貨況。到達台灣之後進到倉庫，又會有另外一支監測倉庫的 AI 去看是不是完成發貨、分貨跟寄送，甚至連寄送的成功率都會回報給團隊成員。所以它現在變成一個很完整的服務流程。而這個整個流程的開頭是什麼？你只需要去 download 嘖嘖的後台報表。

結語：小蝦米撼動大鯨魚的時代

這三十到五十年的小團隊，第一次有機會去撼動大鯨魚的時刻，也就是小蝦米對付大鯨魚最好的時代已經到來了。要撼動這個槓桿並不是靠你買哪一套的 AI 工具，而是你願不願意買哪一套的 AI 工具。

在這次的大戰中，我們將要把你藏在腦海裡的判斷，一點一滴地餵進我們剛說的規則循環跟品味循環裡面。當一間公司在體制上、在創意上面都越來越堅實，它就可以用更小的人力撬開更高的槓桿，而靈活就會在接下來的 AI 時代裡面，是最稀缺也最關鍵的功能。

我是王大皓，我們一起期待就是撼動大鯨魚的時刻。謝謝大家。謝謝大家的分享。