問題不是「它做不做得到」
談生成式AI應用時，最常被問的是「這個ChatGPT做得到嗎」。這個問法會把人帶向錯的方向，因為多數任務它「做得到」——會產出一個看起來完整、語氣專業的答案。真正的問題是：這個產出你敢不敢直接用，如果不敢，那要花多少時間查核。
所以與其問技術做不做得到，不如用四個判準先把任務分類。以下四個都可以拿手邊的實際工作直接對照。
判準一：核心動作是規則執行，還是判斷
一個實用的分法，是把AI系統分成三類：對話型（回答問題）、工具型（完成特定動作）、以及流程自動化型。而流程自動化的定義本身就講清楚了它的位置——用AI去處理過去需要人類判斷力的步驟。
這句話反過來就是一條判準：先問這項工作的核心動作是規則執行還是判斷。如果是規則執行（照固定條件分類、照格式轉換、照清單比對），那其實常常不需要生成式AI，用一般的程式邏輯更穩、更便宜、而且結果可重現。生成式AI的價值在需要判斷、需要理解語意、需要處理非結構化文字的地方。
拿生成式AI去做純規則的事，是最常見的浪費——你付了不確定性的代價，卻沒有換到判斷力。
判準二：這項工作離「跟外界規律互動」有多近
同一個部門裡，不同工作適合的程度差很多，不該一刀切。
比較好用的分層方式是：越靠近「跟外部世界規律互動」的工作，越適合先交給AI——像是第一線接觸、常見問題應答、初步資料整理，這些工作的輸入輸出相對固定、錯了也容易被發現。而越靠近「內部要下決策」的工作，越該保留人在迴圈裡，因為那裡才是專業判斷與創造力真正發生的地方。
所以判斷不是「客服部門要不要用AI」，而是「客服部門裡哪幾件事是規律互動、哪幾件是要下判斷」。
判準三：先定義容錯門檻，再決定交不交出去
導入之前有一個常被跳過的步驟：明確定義這項任務允許的容錯範圍是什麼。
很多人的預設是「不能出錯」，然後用這個標準去衡量所有任務，結果不是全面不敢用，就是用了之後被一次小錯嚇回去。實務上比較可行的做法，是對每一項任務各自問一次：這裡出錯的後果是什麼？錯了多久會被發現？發現之後補救的成本多高？
有些任務的合理標準是「不能有會影響對外承諾的重大錯誤」，而不是「一個字都不能錯」；有些任務則真的一次都不能錯。這兩種任務不該套用同一套標準，也不該用同一種方式交給AI。
判準四：先盤點任務本身帶有哪種已知風險
認識一項工具時，它的限制與風險應該是使用前的必要前提，而不是用了之後才處理的意外。
套用在任務分類上，就是在問「AI做不做得到」之前，先盤點這項任務本來就帶有哪一種已知風險類型。常見的幾種：涉及對外承諾的數字（報價、交期、規格）、造成不可逆結果的決定（送出、付款、刪除）、牽涉個資或法規遵循的內容。
只要任務落在這幾類裡，預設就該是「AI產出當草稿、人做最後確認」，而不是先交出去再看看會不會出事。
最常被漏算的一項：查核成本
市場上常見的一個陷阱，是把「產出順利完成」跟「產出是對的」畫上等號。我們觀察到企業導入生成式AI時，很少事先把「查核這個產出要花多少額外時間」算進省下的時間裡。
一個流程沒有報錯，不代表它做對了。真正決定一項任務適不適合交給生成式AI的，往往不是AI跑得多快，而是查核成本是不是比自己做還低。查核成本一旦逼近或超過自己動手的成本，這項任務就不該完全交出去。
這裡還有一個常被誤解的地方。當工作量已經超過一個人能逐一覆核的規模，原本的做法本來就是「抽查加信任」，而不是每一件都驗證。這種情況下，生成式AI真正該補位的位置是擴大能被覆核到的量——例如先做初步篩選、標出可疑的部分讓人優先看——而不是取代那個「該不該相信這一件」的判斷者。
整理成一張表
| 任務特徵 | 建議做法 |
|---|---|
| 規則清楚、條件固定、結果要可重現 | 用一般程式邏輯，不必用生成式AI |
| 非結構化文字的理解、摘要、初步分類 | 適合交給生成式AI |
| 對外規律互動、錯了容易被發現 | 可以交，但保留回報機制 |
| 涉及對外承諾數字、不可逆動作、個資合規 | AI產草稿，人做最後確認 |
| 查核成本接近或高於自己做 | 不要完全交出去 |
| 公司真正的專業判斷所在 | 留給人，AI只做輔助資料整理 |
怎麼開始：挑一件任務試，而不是全面導入
把判準看完之後，比較務實的下一步不是全公司推廣，而是挑一件任務先試。挑選的標準有三個：這件事每週都會重複發生（否則省下來的時間看不出差別）、錯了不會造成不可逆的後果、而且你有辦法判斷產出對不對。
第三個條件最容易被忽略。如果一件事你自己也不確定怎樣算對，那你既無法驗收，也無法在它出錯時發現——這種任務不適合當第一個試點，不是因為AI做不好，而是因為你沒有辦法知道它做得好不好。
試的期間值得記兩個數字：這件事原本花多久、現在含查核花多久。多數人只記前者，於是省下的時間看起來很漂亮，實際上查核的時間被算成了「順手做的」。兩個數字都記下來，兩三週之後就能看出這項任務該繼續交出去、該調整做法，還是該收回來自己做。
結語
「ChatGPT什麼都能做」跟「ChatGPT什麼都該交給它做」是兩件事。把手邊的工作用上面四個判準走一遍，通常會發現真正適合交出去的比想像中少，但那幾件交出去之後省下的時間，比亂交一通後花在收拾上的時間划算得多。
如果你正在盤點公司裡哪些工作適合導入生成式AI應用、卻不確定該怎麼劃線，可以先進行一場「AI導入探索會議」——這是初步對談，目的是一起看你目前的工作內容裡哪幾段值得先處理、哪幾段該保留人工判斷，這個階段還沒有到出具診斷報告。在文末表單簡單描述你目前的狀況，我們收到後會主動與你聯繫，安排時間對談。
