公司說要導入 AI，討論常常從選哪個工具開始。真正要先決定的，是哪件工作值得拿來試。員工每天會花時間整理什麼資料？哪個步驟需要讀大量文字、找答案或判斷文件內容？找出一件具體的事，才有辦法測它幫了多少忙。
先挑一件反覆在做的事
像是從合約找條款、整理客戶來信，或從單據擷取資料，都能先確認要處理哪些資料，以及結果應該長什麼樣子。先挑一件，不用一開始就想做一個什麼都能回答的助理。範圍小，才知道結果對不對、員工要改多久。
發生頻率可以當參考，但不是唯一標準。一天做很多次、判錯一次卻會影響客戶權益的工作，不一定適合先自動化；每週只做幾次、每次卻得翻大量資料的工作，反而可能值得先試。
規則能處理的，不一定要用 AI
如果條件寫得清楚，例如欄位完整就送審、金額超過門檻就通知主管，一般程式就能穩定執行。AI 比較適合需要理解文字、辨認格式不一的文件，或從大量資料中找出相關內容的工作。
同一件工作也可能兩種方式都用。例如先讓 AI 讀取單據內容，再由既有規則檢查必填欄位和金額，最後交給人員確認。要怎麼分工，得看資料品質和判錯的後果。
測試時，別只挑最容易的資料
拿平常真的會遇到的資料試，除了正常的，也放進內容模糊、欄位缺漏和格式不同的例子。請熟悉工作的人看結果，記下哪些可以直接用、哪些要改，修改花了多少時間。只看它答對幾題，很難知道是否真的省事。
資料也要先確認能不能拿來測，尤其是客戶資料和員工個資。若測試結果需要人工重新核對每一筆，花的時間比原本還多，就先縮小範圍或整理資料，不必急著串進正式系統。
測試確認有幫助，再導入日常作業
測試有結果後，才要決定員工從哪裡操作、AI 能讀哪些資料、結果要不要寫回原本的系統。否則工具雖然會產出答案，員工還是得在不同畫面之間複製貼上。
也要講清楚哪一步需要人確認，答不出來或資料有問題時怎麼處理。第一個 AI 專案的目標，是把一件工作做得更好；不是展示公司用了多少種模型。