先講一句不太討喜的實話：這篇教的是提案法，不是加薪保證。 提案做得好，你會從「懂一點電腦的基層」變成主管願意帶進會議室的人；但薪水會不會跟著動，取決於你公司的職等制度、預算週期與你直屬主管的意願——那不是一份 ROI 簡報能單獨決定的事。
理解這點之後，剩下的就很實際：在你學會用 Make 串接 API、用 Dify 做內部知識庫（RAG）之後，如果以為技術本身就會換來升遷，那大概率會失望。
世界上懂得做出酷炫串接的工程師與愛好者太多了，但老闆不在乎你的系統背後用了哪一家的模型。他在乎的是：「這個東西能幫公司省多少錢？能防範多少犯錯風險？出事的時候誰負責？」
作為一名 AI Automation Builder（自動化架構師／數位轉型顧問），你不只是寫 Prompt 的技術人員，你更像是專門診斷「企業營運病灶」的人。而醫生最重要的能力，是知道哪些病該開刀、哪些病不該。
🧭 什麼流程適合提案？什麼情況我不建議碰
在講怎麼算 ROI 之前，先講該不該做。多數提案被打回票，不是簡報不夠漂亮，是題目本身選錯了。
適合下手的黃金公式
最適合的自動化標的，通常同時符合三個條件：
高重複性（笨） ＋ 低容錯率（不能錯） ＋ 跨平台搬磚（從 A 軟體貼到 B 軟體）
你要主動去這三個地方「找碴」：
- 法務／財務對帳：月底請款時，會計是不是要花好幾天把報價單 PDF 的數字，一行一行手打進舊的 ERP 或 Excel 裡？
- 第一線業務：業務每天下班是不是還要額外花時間，在 CRM 系統裡補打當天的客戶拜訪紀錄？
- 跨部門簽核：一份新進員工的設備申請單，是不是夾在經理桌上，然後 HR 人工去催，最後再人工發表單給 IT 開權限？
還不確定第一刀該從哪裡切，可以先看第一個 AI 專案該挑什麼的篩選標準，再回來寫提案。
適合度快速判斷表
| 流程特徵 | 適合提案的程度 | 判斷理由 |
|---|---|---|
| 每天／每週固定發生、規則寫得出來 | 高 | 省下的時間看得見，也算得出來 |
| 資料在兩套系統之間人工搬運 | 高 | 錯誤成本明確，改善幅度容易展示 |
| 需要判斷但有明確 SOP 可依循 | 中 | 先讓 AI 出草稿，人按確認 |
| 牽涉對外承諾（報價、賠償、合約） | 低 | 要留人工核決，自動化價值有限 |
| 一個月只發生兩三次 | 不建議 | 維護成本永遠賺不回設定成本 |
| 流程本身還在每個月改規則 | 不建議 | 你會變成全職維護工，而不是架構師 |
三個我要說的「不建議」
不建議把「還沒有人說得清楚的流程」拿來當第一案。 如果你問三個承辦人得到三種答案，那不是自動化題目，是流程盤點題目。硬做的結果是 AI 把內部的混亂原封不動放大，然後大家怪你。
不建議一開始就碰有法遵責任的流程。 財務核銷、個資調閱、合約審查這類流程做起來最有成就感，但只要出一次錯，你的專案會直接被貼上「風險來源」的標籤，之後連小案子都推不動。
不建議在沒有人願意當業主的情況下硬推。 沒有部門主管願意掛名，代表這件事對他不是痛點，只是對你是機會。這種案子通常會在導入期的第一個抱怨出現時無人聲援。想更完整地看失敗模式，AI 導入為什麼失敗那篇整理得比這裡細。
📐 提案：用算盤說話的 ROI（投資回報率）提案術
你不能跟主管說：「做這個很好玩，而且 AI 很強。」 你要做的是攤開成本效益分析，讓對方看得懂錢從哪裡省下來。
提案書該有的四個區塊
一份會被批准的提案，結構通常長這樣：
- 【目前痛點】：誰、多久做一次、每次花多久、錯了會怎樣。全部用「可查證的內部數字」，不要用形容詞。
- 【解決方案】：用什麼工具、資料從哪來、哪一段是 AI 做、哪一段是人做。
- 【花費與回本】：一次性建置成本、每月訂閱成本、預估省下的工時，以及回本時間。
- 【退場機制】：出事怎麼辦、怎麼關掉、關掉之後流程還跑不跑得動。
📌 假想案例：客服第一線分類與回覆自動化
⚠️ 以下每一個數字都是為了示範算式而編的假想值，不是任何公司的實測數據，也不是市場行情。 你真正該做的是把這些欄位換成貴公司的內部數字——人事成本問 HR、票量匯出後台、工具月費去官網當期方案頁查。抄範本裡的數字送出去，是提案最快被拆穿的方式。
【目前痛點】
- 客服團隊每天投入固定工時處理即時通訊管道的顧客查詢，內容以訂單進度、退貨申請、產品規格為主。
- 其中相當高比例的問題，答案早就寫在既有的 FAQ 文件裡，只是每次都要有人重打一次。
- 因為人力被重複問答吃掉，真正需要判斷的退貨案件被排到後面，衍生二次客訴。
【解決方案】
- 用 Dify 匯入公司既有的 FAQ 與退換貨條款當知識庫（RAG 限制回答範圍，避免亂給退費承諾）。
- 透過 Make 串接官方帳號與出貨物流查詢。
- 顧客查詢訂單時，系統即時撈物流狀態，用一致的語氣回覆進度。
- 偵測到高情緒字眼或需要核決的情況，直接轉真人並在內部通訊軟體通知。
【花費與回本】
- 一次性建置：內部人力 × 開發天數（把你自己的工時也算進去，別做白工）。
- 每月固定成本：模型 API 用量 ＋ 自動化平台方案費。金額請自己去查當期官網方案，別抄任何範本。
- 省下的工時：（每天重複問答時數 × 可自動化比例 × 人數 × 每月工作天數）× 每小時人事成本。
- 回本時間：一次性建置 ÷ 每月淨節省。這個數字越短，通過機率越高。
【退場機制】
- 前 30 天為試運行，所有 AI 回覆先經人工確認再送出。
- 效果未達預期可一鍵停用 AI 模組，回到原有流程，不影響現有作業。
當這份文件送到高層桌上，你就不再只是一個執行者，而是一個直接參與開源節流的營運幕僚。試算的細節與最常被漏掉的隱藏成本，AI 導入 ROI 怎麼算那篇有完整的欄位拆解。
🧰 提案前要準備什麼（沒備好就不要進會議室）
技術通常不是瓶頸，下面這四件事沒準備好，簡報再漂亮都會卡住。
- 先拿到「現況基準線」。 沒有 before，就沒有 after。進會議室之前，你要先有這條流程目前的真實數據：一週幾件、平均處理多久、錯誤率多少。這些數字要來自系統匯出或實際計時，不是憑感覺推估——你自己編的基準線，會在驗收時反過來咬你。
- 確認資料拿得到、而且拿得合法。 你要用的資料在哪個系統、誰有權限開、能不能匯出、含不含個資。這關過不了，後面全部是空談。
- 先問清楚「誰簽核、誰負責」。 AI 出錯時由誰承擔，要在導入前就寫進提案，不是出事後才討論。這也是主管最在意、卻最少被主動回答的一題。
- 找到你的共同提案人。 直屬主管、或是最痛的那個部門主管，至少要有一個人願意跟你一起掛名。詳見下一節的死因一。
🤝 落地：不要動了別人的蛋糕
AI 導入的失敗，多數不是因為模型不夠聰明，而是因為人的阻力。這比技術難解得多，也比技術更常被低估。
那位客服主管心裡可能想的是：「你把我團隊的工作都做完了，那我的編制是不是會被砍？」
所以在導入期，你要反覆傳達的定位是：「這個 AI 是 Copilot（副駕駛），不是替代方案。」
你不是來裁員的。你是來把那些每天複製貼上到手腕發炎的事情清掉。導入初期一定要設定 Human-in-the-Loop（人類把關機制）：系統做完的決策先送到收件匣，讓人按一個確認再發出。這一步會讓效率打折，但它是換取信任的成本，值得付。
等到一段時間過去，同事開始說「這禮拜沒有它我會做不完」，你的位置就穩了。至於員工端的抗拒從哪裡來、怎麼化解，員工為什麼抵抗 AI那篇講得更完整。
想學習具體的技術實作？看看零代碼工作流自動化和企業大腦 RAG 建置。也可以回到 AI 架構師技能樹了解完整學習路線。
⚠️ 提案失敗的三大死因（以及怎麼避免）
很多人做出了漂亮的 ROI 提案，結果還是被否決。不是方案不好，是踩到了組織政治的地雷。
死因一：跳過直屬主管，直接找高層
你發現了一個能幫公司省下大量人力的機會，於是熱血沸騰地跑去找總經理報告。結果你的直屬主管覺得被架空，之後處處給你穿小鞋。
正確做法： 先讓直屬主管成為「共同提案人」。把功勞分給他，讓他帶著方案往上報。你得到實績與經驗，他得到管理績效——這是雙贏，不是委屈。
死因二：第一次就提太大的案子
「全公司 AI 轉型計畫」聽起來很壯觀，但決策者聽到的是「花一大筆錢做一件不確定會不會成功的事」。
正確做法： 先提一個「三週內可完成、預算落在小額核決權限內」的 PoC（概念驗證），例如只自動化客服的 FAQ 回覆。等小案子跑出真實數據，再用結果推動下一個更大的案子。用零代碼工具做 PoC 的速度通常最快。
死因三：沒有設定「退場機制」
決策者最怕的是：「如果這個系統出包了怎麼辦？」提案裡沒有回答這題，他永遠不敢批。
正確做法： 在提案中明確寫上退場條件——試運行期人工確認、未達預期可一鍵關閉、關閉後回到原流程且不影響現有作業。這段話處理的是決策焦慮，而它往往比技術架構圖更能決定案子過不過。
✅ 怎麼驗收：讓數字自己說話，不要靠感覺
案子通過只是開始。沒有驗收設計的專案，會在下一輪預算檢討時第一個被砍。 上線前就把下面四件事講定：
- 對照基準線，不是對照期待。 拿導入前那條真實數據來比。省下的工時、減少的錯誤件數、縮短的處理時間，每一項都要有 before / after。
- 錯誤要分類，不能只看總數。 把錯誤拆成「答錯內容」「該轉人工卻沒轉」「格式或流程出錯」三類。三種的修法完全不同，混在一起看只會得出「好像還好」這種沒用的結論。
- 看使用者願不願意用。 同仁如果私下繞過系統、自己重做一遍，那再漂亮的節省數字都是假的。採用率是最誠實的指標。
- 設定停用條件。 錯到什麼程度就暫停、由誰喊停、暫停期間流程怎麼跑。這條寫在前面，比出事後才吵有效得多。
驗收也不是一次性的。流程改版、系統更新、供應商調整模型，都會讓表現漂移；把回測排成每季固定作業，比一次性的上線驗證重要得多。
坦白說一句保留： 這套提案法能提高你被看見的機率，但它不能替你解決一件事——如果你的公司沒有把「營運改善」納入考績與晉升的制度，做得再好也可能只換來一句口頭稱讚。 遇到這種情況，比較實際的選項不是繼續加碼證明自己，而是把這些實績整理成作品集，去換一個會為它付錢的位置。
❓ 常見問題 FAQ
AI 自動化顧問的市場行情是多少？
台灣市場沒有公開且可查證的統一報價表，我也不打算給你一個憑印象編的區間——那種數字拿去報價只會害你。比較務實的做法是自己往回推：把預估投入的工作天數乘上你想要的日費率，再加上導入後三個月的維護時間，然後對照這個案子替客戶省下的成本是不是明顯大於報價。如果你連客戶端能省多少都算不出來，那不是報價問題，是需求還沒釐清。
老闆聽不懂技術，ROI 提案要怎麼寫才有說服力？
三個原則：一是用「時間 × 人事成本」把目前的浪費換算成金額，數字要來自系統匯出或實際計時；二是用「建置成本 vs 每月淨節省」算出回本時間，越短越容易過；三是附一個能實際操作的 Demo。Demo 一定要用真實或明確標示為測試的資料，用假數據充場面一旦被追問就全盤崩潰，而且會賠掉你之後所有提案的可信度。
導入 AI 後員工真的不會被裁嗎？
我不敢替任何一間公司保證。誠實的說法是：自動化本身通常帶來的是「工作內容轉移」，但要不要順勢縮編，是經營層的決定，不是技術的必然結果。你能做的是在提案階段就把轉移路徑寫清楚——省下來的時間要移到哪些更有價值的工作上。沒有這一段，部門主管會直接把你當成來搶飯碗的人，然後全力阻擋。
提案通過了，但公司不願意調薪怎麼辦？
先確認一件事：調薪通常綁在職等與考績制度上，一個專案很難單獨撬動它。可以爭取的替代方案包括專案獎金、職稱調整、把這條流程正式納入你的職務說明書（之後升等時它就是實績），或是爭取更大的第二案。如果連續做出成果、制度上仍然完全沒有回應路徑，那答案其實已經很清楚了——把實績整理成作品集，市場會出價。
沒有工程背景，可以做這種提案嗎？
可以，而且有時候更有優勢。這份工作真正稀缺的能力是「看得懂流程哪裡在流血」，而不是寫程式。熟悉業務的人往往比工程師更快找到痛點，技術面可以先用零代碼工具補上。真正的門檻在於：你能不能把痛點翻譯成一份主管看得懂、算得出回本、也知道出事怎麼辦的文件。