01 / THE STARTING POINT
他想讓業務跑快一點。
問題,卻在另一個地方。
訪談一開始,問題聽來並不複雜。一位剛加入公司的合夥人,希望盡快展開業務。他找到顧問,提出一個許多企業都熟悉的需求:能不能讓業務外展自動化?
站在他的角度,這個要求十分合理。新客戶要開發,市場不能等;如果系統能協助整理名單、安排接觸與追蹤回覆,業務就有機會把時間留給真正的溝通。於是,談話原本像是要走向一套工具的選擇。
但顧問沒有立刻討論功能,而是把問題往前推了一步:現在使用什麼系統?一筆新商機進來後,誰先接手?資料會被放在哪裡?下一個人又從哪裡看見它?
這幾個問題,慢慢牽出兩套平行的工作方式。公司保留著一套約十五年前建置的系統,作為正式紀錄;業務團隊日常真正使用的,卻是較熟悉、也比較容易調整的 Excel。
兩套工具都沒有消失,也各自有存在的理由。只是它們之間沒有自然流動的資料。為了讓正式系統與現場表格維持一致,營運主管得在一筆商機建立後,再親手輸入一次。
表面上,這只是多幾分鐘的行政工作。實際上,它透露出一個更根本的問題:公司的流程並不是由系統串起來,而是靠一個人,日復一日把斷掉的地方接回去。
新商機還沒增加,現有的工作已經在消耗主管的時間。
到這裡,最初的提問已經改變。公司真正需要的,可能不是先把更多名單送進流程,而是先確認:當更多商機進來,既有的資料斷點會不會也被一起放大?
03 / LOOK DEEPER
值得追問的,不只是
「能不能自動化」。
因此,診斷的重心從工具轉向工作本身。不是先列出系統應該有哪些功能,而是先問:團隊為什麼形成現在的做法?哪些選擇是刻意的,哪些只是多年來一路補救留下的結果?
企業裡許多看似不合理的流程,往往都有一段合理的歷史。舊系統可能曾經足夠使用,Excel 也可能在某個時刻解決了現場的燃眉之急。只是當組織變大、角色增加、資料量上升,過去的權宜之計,便逐漸成為新的限制。
訪談後,三個比「選哪一套工具」更重要的問題浮上檯面。
- 01
正式系統與現場做法脫節
公司有一套正式系統,業務卻主要在 Excel 上工作。這不只是使用習慣的差異。它代表原本的工具,可能沒有完整支撐現場真正需要完成的任務。比要求團隊回到系統更重要的,是先理解他們為什麼離開。
- 02
最需要做判斷的人,正在搬運資料
營運主管持續核對兩邊資訊,讓流程得以運作。當關鍵工作依靠資深人員補位,成本就不只發生在輸入時間,也包括被延後的管理判斷、例外處理,以及組織對單一角色的依賴。
- 03
決策者看見的制度,與現場不完全相同
管理端看見的是一套仍在運作的系統,現場感受到的卻是每天必須繞路的流程。若沒有把補救動作、處理筆數與涉及角色整理出來,這些摩擦很難進入正式的決策討論。
這三個發現看似分開,實際上指向同一件事:公司缺少的不是更多資料,而是讓資料成為共同事實的方式。當不同角色各自依賴不同版本,組織就必須用人工對齊。
真正有用的診斷,不會把現場的抱怨原封不動交給決策者,也不會急著把所有問題包裝成技術需求。它要做的,是把「每天很麻煩」翻譯成可被衡量、比較與排序的營運問題。
診斷方法
把現場說的話,變成決策者看得懂的事。
沿著一筆資料問完流程,為重工加上筆數、時間與角色,再整理成可以討論的改善方向。診斷簡報讓窗口與總部第一次用相同的輪廓看見問題。
當問題被說清楚,工具反而不必急著出場。團隊可以先確認資料應該從哪裡進入、誰需要使用、哪些欄位才是真正必要,再決定系統要如何承接。這個次序,避免了企業花力氣把一段尚未理順的流程,原封不動地自動化。
04 / A DIFFERENT DECISION
討論的終點,從一個工具,
走向共同的資料基礎。
當整理好的診斷回到決策端,討論的尺度開始改變。原本的問題是:要用什麼工具加快業務外展?後來的問題則變成:公司要以哪一份資料為準,不同角色又該如何在同一個基礎上工作?
這個轉向很重要。外展工具解決的是流程前端的速度;共同資料基礎處理的,則是商機進入公司之後,能不能被持續、正確地使用。前者讓入口變寬,後者決定資料進來後會不會再次卡住。
診斷簡報把日常零碎的補救工作,整理成決策者能夠看見的路徑:資料從哪裡來、在哪裡被重複輸入、誰承擔這段工作,以及當處理量增加時,瓶頸會如何被放大。
於是,專案不再只圍繞單一外展功能,而是往客製營運系統的方向推進。目標也從「多做一個自動化」,轉為先建立共用的資料來源,再讓業務與營運依各自角色使用同一份紀錄。
因此,這個案例不能被寫成一個「導入後節省多少成本」的成功故事。系統仍在建置,新的流程也還需要經過實際使用驗證。任何工時改善、資料品質或業務成果,都應該在上線後再用數字回答。
但在成效數字出現之前,專案已經完成了一個重要轉變:公司不再只問該買哪個工具,而是開始討論真正要改變的工作方式。這讓後續建置有了更清楚的問題邊界,也降低了做出一套功能完整、卻仍繞不開舊流程的風險。
05 / CONCLUSION
先找出最值得解的問題,
再決定 AI 應該出現在哪裡。
管理者談到自動化時,最容易看見的通常是速度:更快找到名單、更快寄出訊息、更快整理資料。但一段流程的速度,取決於最慢、也最需要人工補位的地方。前端加速,不代表整體真的前進。
這個案例並不只屬於海運物流。任何同一筆資料需要輸入兩次、正式系統之外仍靠表格運作,或少了一位熟手就難以交接的公司,都可能面對相似的問題。
判斷的起點,可以很簡單:挑一筆最常出現的資料,從進入公司開始一路往下追。它被誰接手、存在哪裡、被複製幾次,又在哪個環節需要人為確認?這條路徑,往往比一張功能清單更接近真正的需求。
AI 與自動化當然可以讓工作更快。但它們更重要的價值,是讓資料少繞一段路,讓例外更早被看見,也讓人的時間回到真正需要判斷的地方。
工具不是起點。把問題問準,才是。