如果你每天都在 Gmail、表單、Notion 和 Slack 之間複製資料，Make 與 Zapier 都能把這些重複步驟串起來。選擇時要看流程複雜度、執行量與除錯需求，功能清單只適合當初步篩選。
先講結論：想快速串起常見 SaaS、重視操作簡單，可以先試 Zapier；需要分支、資料轉換或較複雜的視覺化流程，Make 通常更有彈性。不要只比月費，還要把每次執行會消耗多少 task 或 operation 算進去。
但在選工具之前，有一個更重要的判斷：這個流程到底該不該自動化。 多數失敗案例不是選錯平台，是把一條不該自動化的流程做成了自動化。
下面先講適不適合的判斷，再用一個客服信箱分類案例帶你走完觸發、AI 判斷、分派與錯誤處理。
🧭 什麼流程適合自動化？什麼流程我不建議碰
適合下手的四個特徵
- 高頻：一週跑十次以上。一個月才三次的事，你花在設定與維護上的時間永遠賺不回來。
- 規則明確：寫得成「如果 A 就做 B」，不需要當場判斷。
- 輸入格式穩定：來源固定，欄位不會每個月被人改名。
- 錯了可以補救：發錯一則通知重發就好，這種容錯空間是新手最需要的安全網。
還不確定從哪條流程開刀，可先看第一個 AI 專案怎麼挑的挑選標準。
我不建議自動化的三種流程
- 直接動到金流與客戶權益的，不要做成無人審核。 自動開發票、自動請款、自動出貨指令，一旦錯了，補救成本遠高於省下的時間。要做也請停在「自動產生草稿、人按下確認」這一步。
- 規則每個月都在改的，不要急著自動化。 你會花更多時間改流程而不是跑流程。先讓規則穩定三個月。
- 第一條流程不要跨五個系統。 新手最常見的死法是一次串 Gmail、Notion、Slack、Sheets 加一個 AI 節點，結果哪裡壞了完全查不出來。先做兩個節點、你自己天天會用到的流程，跑得動再擴。
更多失敗模式，AI 專案失敗的常見原因整理過同一批坑。
什麼是 Make / Zapier？
你可以把它們想像成一個超級跨國的「萬能轉接頭」。
Make 與 Zapier 都能連接許多常見工具，例如 Gmail、Slack、Facebook Lead Ads、Notion、Airtable 與 OpenAI。你可以用「如果 A 發生，就觸發 B，再把結果傳給 C」的邏輯，把原本分散在不同服務的步驟串起來。
實際應用案例：一鍵秒讀長篇客訴並分派工單
過去的流程：
- 客服信箱收到一封 3000 字的客訴信。
- 客服小編花五分鐘看完，在群組 tag 主管說「這個客人很生氣，因為退貨沒收到錢」。
- 主管再去開工單系統，請會計部處理。
這整個流程，只要用 Make 設定一次，就能永遠自動化。
🧰 動手之前：先準備好這四件事
- 把流程畫在紙上。 誰觸發、什麼條件、輸出去哪裡、例外怎麼辦。畫不出來代表你還沒真的理解它，這時候打開 Make 只會浪費一個下午。
- 用公司帳號建，不要用個人 Gmail。 這是中小企業最常見的隱形炸彈：流程掛在離職員工的個人帳號底下，人走了整條線跟著死，還沒人有權限進去修。
- 先拿測試資料跑。 開一個測試信箱、一份測試試算表，不要拿正式客戶的信箱練手。
- 決定「壞掉的時候誰會知道」。 自動化最可怕的不是壞掉，是安靜地壞掉——三個星期後才發現訂單通知從月初就沒發出去。上線前一定要有一條失敗通知路線。
🔗 實戰：建立你的第一個自動化工作流（Make Scenario）
準備工具：一個免費的 Make 帳號、一個 OpenAI（ChatGPT）帳號、一個 Google 帳號。
第一個節點（Trigger 觸發器）：Gmail
設定 Make 每隔 15 分鐘去監控指定的客服信箱（例如 [email protected]）。當有包含「客訴」標籤的新信件進來時，抓取這封信的「主旨」與「信件內文」。
第二個節點（Action 執行動作）：OpenAI ChatGPT
將這封信的內文透過 API（在 Make 裡只需填寫一個欄位）傳送給大語言模型。 你可以在 Make 後台的 Prompt 這樣寫：
「這是一封客訴信。請幫我生成以下三個結構化的欄位：
- 客訴總結（50 字以內）
- 客戶情緒指數（1~10 分，10 分為極度憤怒）
- 需要負責的部門（從『物流部、會計部、商品部』中選一個）」
第三個節點（Router 分流器）
當 ChatGPT 回傳答案後，在 Make 裡拉出三條支線：
- 如果 AI 說該負責的是『物流部』 👉 自動丟一則 Slack 機器人訊息到物流群組，包含信件總結與原始連結。
- 如果情緒指數 >= 8 分 👉 除了通知部門外，還要立刻發布緊急 SMS 簡訊給總經理，告知危機發生。
- 自動把 AI 整理好的紀錄與原始信件內容，寫入公司的 Google Sheets 或是 Notion 資料庫中，做為月底的客訴月報素材。
⚠️ AI 架構師的避坑指南（Error Handling）
剛學會 Make 的人最常犯的錯就是：以為自動化做完就可以放著不管了。如果不考慮「防呆」，你的自動化系統就會變成災難。
- 如果在第二步 ChatGPT 當機了怎麼辦？
在 Make 的第二個節點加上
Error Handler (Break / Ignore)。如果 OpenAI 連線逾時，系統改走備用路線：「傳送未經 AI 處理的原始信件，並加上 ⚠️AI 分析失敗 的警告到群組」，讓後續流程仍可運作。 - 無限循環地獄（Infinite Loop） 最常見的慘劇是：設定了「收到信 👉 自動回信」，結果不小心收到系統自動發送的 Out of Office（出差中）郵件，兩邊的機器人開始互傳幾萬封信，把你的 API 額度瞬間燒光。 解法： 在信件進來的第一關，一定要加上 Filter（篩選器），過濾掉所有帶有 “noreply”, “automatic reply” 或是發信系統的關鍵字。
- AI 節點是整條流程裡最不穩定的一環。 同一封信丟兩次，分類結果可能不一樣；情緒指數也可能在 6 和 8 之間跳。請把 AI 的輸出當成「建議」而不是「判決」：讓它產出結構化欄位、由規則決定要不要通知人，並且保留一條「AI 判斷不出來 👉 丟給人看」的預設路線。
掌握這套邏輯後，你就有能力替公司把一整段行政流程換成一條可維護的自動化線。替這種案子報價時，不要用「做了幾個節點」計價，要用「它每個月替客戶省下多少人時、以及壞掉的代價有多高」來談——前者是工人思維，後者才是顧問思維。
💰 Make vs Zapier：該選哪一個？
| 比較維度 | Make.com | Zapier |
|---|---|---|
| 免費額度 | 以「operation（操作次數）」計費，額度相對寬鬆 | 以「task（任務數）」計費，免費額度較緊 |
| 視覺介面 | 流程圖式，直覺清楚 | 線性清單式，簡單好上手 |
| 複雜分支邏輯 | 極強（Router、Iterator） | 較弱（需升級方案） |
| 適合誰 | 想做複雜自動化的進階用戶 | 只需簡單串接的初學者 |
| 中文社群資源 | 較少 | 較多教學文章 |
⚠️ 免費額度那欄故意不寫死數字：兩家都改過計價方式，寫死的數字都會過期。編預算請直接看官方當期頁面（下方 FAQ 有連結），並注意兩家計費單位不同——Make 的一次「操作」與 Zapier 的一次「任務」不能直接換算。更多同類工具的橫向比較可參考自動化工具比較。
建議： 如果你是第一次接觸自動化，用 Zapier 先跑通一個簡單流程建立信心；想做更精密的多條件分流，再搬到 Make。
💸 三個新手一定會低估的成本
第一，執行量會被「輪詢」吃掉。 你設定每 15 分鐘檢查一次信箱，就算一封信都沒有，檢查本身通常也算執行。上線前要估「一個月被觸發幾次」，不是「一個月有幾筆真的資料」。
第二，維護成本比建置成本高。 上游改版、欄位被改名、金鑰到期，一年會發生好幾次。建置是一次性的，維護是每個月的。
第三，交接成本最容易被忽略。 一條只有你看得懂的流程，等於把「行政人員的單點故障」換成「你的單點故障」。至少留一份文件：這條流程做什麼、帳號擁有者是誰、壞掉時先看哪裡。延伸可看行政流程盤點與自動化。
✅ 怎麼判斷你做對了
跑滿一個月後，看這四個訊號：
- 執行失敗率。 兩個平台都有執行歷史紀錄，直接看失敗筆數的趨勢往下還往上。
- 人工介入的次數。 如果每天都要有人手動補資料，那不叫自動化，叫多了一個步驟。
- 有沒有人偷偷繞過它。 這是最強的訊號——同事寧可用舊方法，代表流程不好用，不是他們不配合。
- 壞掉時你多久才知道。 超過一天才發現，就是通知機制沒做好。
坦白說，AI + 自動化目前做不好的事
- 需要當場判斷責任歸屬的案件（賠不賠、退不退）：AI 只能整理資訊，決定還是人的。
- 輸入格式常變的來源，例如每個月排版都不一樣的對帳單，會讓流程持續壞掉。
- 一致性：同樣的輸入，AI 節點不保證每次給你一樣的答案，得靠規則兜底。
🔗 進階：串接 AI 的三大黃金場景
除了客訴分流，先看企業最常用 AI + 自動化解決的三大痛點：
1. 自動化社群回覆
Facebook Lead Ads 進來的名單 → AI 判斷興趣類型 → 自動發送對應的 LINE 歡迎訊息。
2. 會議紀錄自動歸檔
Google Meet 錄音結束 → Whisper 語音轉文字 → AI 產出結構化會議紀錄 → 自動存入 Notion 資料庫。
3. 報表異常偵測
Google Sheets 每日營收更新 → AI 比對前 30 天均值 → 偏離超過 20% 時自動發 Slack 警報給主管。
想進一步學習如何用 Dify 打造企業知識庫？請看 企業大腦建制與 RAG。
❓ 常見問題 FAQ
Make / Zapier 的免費版夠用嗎？
免費方案適合拿來驗證流程，但 task、operation、執行頻率與資料傳輸限制都可能調整。正式上線前，先用一週實際執行量估算成本，再查看 Make Subscriptions 與 Zapier Pricing 的當期額度，不要用舊文章裡的固定月費做預算。
自動化流程跑到一半壞掉怎麼辦？
這是新手最常遇到的問題。兩個平台都有「執行歷史紀錄（Execution Log）」，你可以看到每一步的輸入和輸出。通常問題出在：API 金鑰過期、欄位名稱改了、或是上游服務暫時當機。加上 Error Handler 備用路線，就能避免整條流程因為一個節點失敗而全部癱瘓。
需要會寫程式才能用嗎？
完全不需要。Make 和 Zapier 的核心價值就是「用拖拉取代寫程式」。你只需要理解「如果 A 就做 B」的邏輯思維。但如果你懂一點 Python 或 JavaScript，在處理複雜資料轉換時會更靈活。
公司的 IT 部門會擔心資安問題嗎？
合理的擔心，而且他們的擔心通常是對的。零程式碼平台等於把一組長期有效的帳號權限交給第三方服務，串接的又常常是信箱、CRM 與試算表這些高敏感來源。正確的做法不是拿廠商簡報上的認證標章去說服 IT，而是請 IT 自己去看該平台官方的資安與合規頁面，再對照公司的資料分級政策。 涉及個資或財務資料時，權限最小化、稽核紀錄與存取控管比選哪一家更重要，可以先讀代理程式資安基準。
公司已經有內建的自動化功能，還需要 Make 或 Zapier 嗎？
先用手上已經有的。很多企業的辦公套件本身就含流程自動化模組，如果你要串的系統剛好都在同一個生態系內，通常比再多買一個平台划算，IT 也比較好管。真正需要 Make 或 Zapier 的時機是：你要串的服務跨了好幾個廠商，而內建工具連不到其中一個。
自動化真的能取代一個行政人員嗎？
老實說，通常不能，而且用「取代幾個人」來提案很容易讓案子在內部先政治性死亡。實務上比較準的說法是：它能吃掉行政工作裡「重複、規則明確」的那一段，把人空出來處理判斷與例外。你會發現例外處理才是行政真正花時間的地方，而那一段目前 AI 做得並不好。