企業 AI 導入怎麼做？從需求盤點到 90 天試點，完整拆解 7 個執行步驟

導讀｜ 企業要導入 AI，第一件事不是選 ChatGPT、Copilot 或建立 Agent，而是說清楚一項工作目前如何完成、由誰承擔結果、何處耗費資源，以及什麼證據能證明新流程更好。本文提供一套適合中小企業與部門型導入的 90 天實作方法，從工作盤點、角色分工、資料權限、場景排序到驗收門檻，帶管理者完成第一個可交付的 AI 專案。

方法與證據說明： 本文的七步驟、90 天時程及示範門檻，是 TARAISG 依企業管理實務整理的「建議操作框架」，不是 NIST 或 OECD 的官方強制程序。文內情境與數字均為教學假設，不代表天地人客戶成果或市場平均；涉及個資、產業監理、合約責任者，仍需由企業法務與資安團隊確認。

為何「買了 AI 帳號」不等於導入成功？

假設某企業替 30 位同仁購買 AI 工具，每個人都能生成摘要與簡報，但主管無法回答三個問題：某項工作是否真的縮短、錯誤是否減少、工具停用時能否恢復人工流程。這表示企業完成了「使用權採購」，尚未證明「工作流程改善」。

OECD 在 2026 年發布的中小企業調查，涵蓋 12 個 OECD 國家的 2,000 多家企業，特別註明樣本不具代表性。報告指出，現成 AI 工具的使用增加，但策略性、針對性且安全的營運整合仍不均衡；時間、維護成本與技能落差是阻礙。S01｜OECD 2026 原始報告。這份證據支持的不是「企業一定能節省多少成本」，而是採購之後仍需要流程、人才與治理的整合。

對企業而言，AI 導入的最小單位應是「有負責人、有輸入輸出、有例外處理、有衡量方式的工作流程」，不是模型名稱。導入的首要目標是提升可驗證的營運結果；培訓、軟體採購與系統整合，都是為了這個結果而配置的手段。

第 1 步｜先寫導入章程：要改善哪個結果，誰有決策權？

第一場會議由預算負責人主持，約 60 至 90 分鐘，產出一頁《AI 導入章程》，不要在會議上先演示 20 個工具。每份章程至少回答：業務目標、流程邊界、服務對象、現在的量測基準、允許接觸的資料、不得自動執行的操作、試點預算上限、停止條件與最終簽核人。

例如把「用 AI 提升客服效率」改寫為：「針對每月約 1,200 件 FAQ 類客服案件，減少每件由人員查資料及草擬答覆的時間，保持正確回覆與升級案件的品質；六週後用相同類型案件與相同計量口徑比較。」後者才具備安排實驗的條件。若流程根本沒有一致的案件分類，則第一個工作可能是整理工單分類與回覆規範，不必急著接 AI。

NIST AI RMF 1.0 採用 Govern、Map、Measure、Manage 四個相互連動的風險管理功能，並明確指出這些功能不是依序打勾的固定清單。S02｜NIST AI RMF 原文。截至本次核對，NIST 官網標示 AI RMF 1.0 正在修訂；本文引用的是 2023 年自願採用框架。因此本文將治理視為整段導入過程的橫向條件，而不是最後才加入的審查項目。

第 2 步｜盤點實際工作，而不是蒐集「大家想用 AI 做什麼」

讓部門主管各提供 3 個工作流程，採訪實際執行者，而不是只問主管想像。每個流程要求填入 10 個欄位：流程名稱、觸發事件、月件數、每件投入分鐘、來源系統、輸入資料機密等級、產出格式、人工判斷點、常見例外、結果負責人。用最近 20 至 30 件的去識別化樣本驗證描述是否準確；數量是示範起始值，不是統計顯著性保證。

若案件牽涉醫療診斷、授信、個人重大權益或不可逆外部交易，須先獨立評估法規及風險，不能直接套用本文的低風險試點時程。

第 3 步｜用「效益、可行性、資料、風險、責任」排序場景

選案不應只是選看起來最有 AI 感的場景。下載本文附帶的 use_case_priority_sample.csv，把所有候選項目放在同一張表：效益 30%、流程可行性 20%、資料準備 20%、低風險程度 20%、業務負責人投入度 10%。每項採 1 至 5 分，總分按權重加總。權重是建議初始值，企業須先確認風險門檻，再對可執行案件排序。

請先設「否決條件」：沒有合法資料使用基礎、無業務負責人、關鍵系統不允許測試、錯誤可能導致不可回復損害而無人工閘門，任一成立就先不進入 PoC。即便高分，也不得蓋過風險否決。

第一批可優先考慮頻率高、產出可人工驗證、介面相對單純、失敗可回復的場景，例如知識查詢、草稿輔助、報表解釋。不要把「多個系統全自動寫入」當作企業第一個 AI 專案的標準答案。

第 4 步｜定義 RACI：每個工作都有使用者，但未必有人為成果負責

一個小型導入組至少需要以下責任，而非一律成立大型 AI 委員會：

同一人可兼職，但Accountable（最終負責者） 不可缺位。RACI 不是名片清單，而是遇到品質爭議、費用超支、資安疑慮時，誰能立即做決定。小企業也可以採「業務負責人＋IT／外部整合＋風險審查」的精簡模式。

第 5 步｜先核資料與權限，再談 Chatbot、RAG 或 Agent

盤點資料存放位置、擁有者、更新頻率、資料分類、使用權利與可存取角色。不要把「資料存在 SharePoint 或 Google Drive」誤認為「任何 AI 助理都能讀取」。資料品質與存取權控制，必須在工具選型前處理。

建議先建立四層分類：公開、內部、機密、受管制或高敏感。分類為操作建議，不代替法定個資定義；未獲授權的客戶名單、合約底價、員工個資，禁止直接投入未審核的外部工具。對 RAG 類方案，應測試不同員工在同一問題下是否只看到自己有權閱讀的段落，並記錄來源版本。

OECD 2025 年《AI adoption by small and medium-sized enterprises》特別整理 SMEs 導入的基礎條件，包括連線、資料／演算法／運算、人員技能與資金。S03｜OECD 2025。這也是為何技術規格不能脫離組織的資料與能力條件。

第 6 步｜90 天落地：每兩週必須留下可驗收成果

這是建議時程，不是所有企業保證能在 90 天部署。既有 ERP、受管制資料或多廠區簽核，通常應調整時程。詳見可下載的 implementation_90_days.csv。

建議每個 gate 都產出決策紀錄，包含「通過、限期補件、停止」三種結論。不要用一張 Demo 影片替代業務端簽收。

第 7 步｜驗收不要只看回答漂亮，要看四種不同結果

第一層，使用量： 有多少已授權員工使用、工作流程覆蓋多少件？第二層，流程績效： 同口徑下每件總處理時間、回復週期、返工率如何改變？第三層，品質與風險： 錯誤答案、越權資料、錯誤外部動作及人工升級是否受控？第四層，財務實現： 節省的人時是否真的轉為可排程產能、避免成本或可驗證新增收入？

Microsoft Digital 在 2026 年公開介紹其內部 AI 投資衡量方法，將價值拆成營收、效率、安全風險、體驗、品質與成本等領域，並定期檢視，而不是只報告使用量。S04｜Microsoft 原文。這是大型企業的自述方法，不是第三方驗證的報酬率數據。對中小企業最值得借鏡的是：先定義基準，再建立週期性決策。

示範判準可先設定：核心欄位完整率至少 98%、禁止越權存取案例為 0、重大對外動作一律人工核准、測試樣本中的答案支持率至少 95%。這些都是示範性內部門檻，不是 NIST 官方標準，也不適用所有高風險場景。正式目標應依誤判代價、樣本難度與人工可承受負荷共同決定。

開始前，經營者該批准什麼預算？

不要在未完成場景盤點時直接核准全年 AI 採購。建議分三階段核准：探索費用用於流程與資料盤點、驗證費用用於可撤回的 PoC、擴張費用待結果與治理通過後才投入。各階段列明訂閱／API、資料整理、內外部人力、訓練、資安、介接、維護與預備金。金額應由採購估價而非網路單篇「AI 導入行情」決定。完整預算公式可接續閱讀 AI 導入成本與 ROI。

企業 AI 導入的 8 個必問問題

1. 目前最痛的工作問題是什麼，誰有權確認改善？
2. 有多少筆案件，單筆平均耗時多少，是否保留基準值？
3. 輸入資料可否被合法使用，誰有權看見？
4. 失敗時會造成錯字、重工，還是不可逆交易？
5. 最簡單的非 Agent 解法是否已經足夠？
6. 哪些輸出需要人工審核，誰簽名負責？
7. 上線 30 天後哪個指標能證明有效？
8. 如果供應商漲價或模型改版，能否停用與回復？

結論： 先從一項可衡量的流程開始，對每個階段設置決策閘門，讓業務負責人與資料治理同步推進。AI 導入的成果不是「部署完成」，而是工作結果改善、風險可控、組織能持續使用。

實務工具與延伸閱讀

• 附件下載：use_case_priority_sample.csv（含虛構案例與加權分數）、raci_roles.csv、implementation_90_days.csv。
• 跨階段技術上線議題可接續 企業 AI 落地的技術與治理驗收。
• 已有單項工作、需要先換算時間成本者，可閱讀天地人既有的 AI 自動化工時試算。

企業需求洽詢

如果企業已有明確流程，但不知道應先培訓同仁、整理資料或進行技術驗證，可先準備「業務目標、適用部門、目前工具、樣本件數、資料敏感度、預算與期限」，並先閱讀 天地人企業服務資訊，了解培訓與服務範圍。

原始英文資料與核對範圍

• [S01] OECD（2026-04-13），Empowering SMEs in the age of AI: The 2026 OECD D4SME Survey。英文原文摘句： “strategic, targeted and secure integration within business operations remains uneven.” 來源連結。研究限制：非代表性樣本，不可推估臺灣所有中小企業比例。
• [S02] NIST（2023，頁面持續維護），AI RMF Core。英文原文摘句： “four functions: govern, map, measure, and manage.” 來源連結。研究限制：自願採用的風險框架，本文的 90 天步驟並非官方版。
• [S03] OECD（2025-12-09），AI adoption by small and medium-sized enterprises。英文原文摘句： “connectivity; data, algorithms and compute; skills; and finance”。來源連結。
• [S04] Microsoft Digital（2026-06-04），Measuring the impact of our AI investments in IT at Microsoft。英文原文摘句： “Usage matters, but it doesn’t tell the whole story.” 來源連結。研究限制：廠商內部實務自述，非跨企業平均成效。

編輯揭露：本文由 TARAISG 使用 AI 協助起草、核對來源與製作原創示意圖；未經具名人類編輯或領域專家獨立審閱。文內 90 天時程與驗收門檻為教學示例，不保證個別企業的導入成果。企業服務連結僅供資訊參考，本次未驗證表單收件或 GA4 轉換追蹤。最後資料查核：2026 年 10 月 20 日。