--- title: "AI 導入前要記哪些數字？沒有「原本基準」，之後很難判斷有沒有用" slug: ai-adoption-baseline-before-after url: https://legendarynext.com/posts/ai-adoption-baseline-before-after published_at: 2026-09-16 author: "時代領航團隊" category: "時代領航 • 商戰力" access: public_access --- # AI 導入前要記哪些數字？沒有「原本基準」，之後很難判斷有沒有用 > 工具上線前先留下可以比較的起點，否則一個月後只能靠感覺判斷 By **時代領航團隊** - 官方營運中心 | 2026-09-16 AI 導入前要記哪些數字？沒有「原本基準」，之後很難判斷有沒有用很多公司導入 AI 的方式是這樣：先買工具。先串流程。先讓團隊開始用。過一個月之後才問：「所以到底有沒有比較好？」這時最常遇到的問題不是沒有成果，而是沒有辦法比較。因為沒有人記得原本花多少時間、原本錯幾次、原本一個月花多少錢，甚至不知道原本這段流程平均多久才完成。沒有導入前的基準，導入後就很容易只剩主觀感受。「好像比較快。」「大家比較方便。」「應該有省時間。」「感覺不能停。」這些感覺可以當線索，但不適合拿來決定要不要長期投入。基準不是做報表，而是留下可以比較的起點創業公司不需要為了評估 AI，先做一套很複雜的數據系統。真正需要的只是先回答：如果今天完全不用這個工具，這件事原本是怎麼完成的？你可以從四種最容易取得的資料開始。第一種是時間。一個人每週大約花多少時間在這件事？從開始到完成平均多久？最常卡在哪一段？第二種是次數。一週會發生幾次？一個月大約處理幾筆？有多少次需要人工補資料？第三種是錯誤與重工。最常錯在哪裡？錯一次要花多久修？有沒有漏單、漏通知、重複輸入？第四種是成本。除了工具月費，原本需要多少人力時間？是否還有外包費、加班、重做或補救成本？你不需要全部都有。挑和這個 AI 專案目的最相關的兩到三個就夠。不同 AI 用法，基準不能用同一套如果你用 AI 寫行銷內容，最重要的基準可能不是「寫一篇要多久」，而是你原本要花多久做出可以拿去測試的版本，以及這些版本最後有沒有帶來點擊、詢問或成交。如果你用 AI 整理行政資料，基準可能是每週處理時間、漏填欄位、重複輸入次數。如果你用自動化做 Email 或客戶提醒，基準可能是原本人工寄送需要多久、是否常漏寄，以及客戶有沒有完成下一步。所以不要先找一張網路上的「AI KPI 清單」照抄。先回到你要改善的那段流程。真正要問的是：這段流程現在最讓我損失的是時間、錯誤、機會，還是成本？為什麼很多工具用了之後就很難停？因為沒有基準，就會產生一個很常見的心理：「都已經用了，停掉是不是會更麻煩？」這時決策就不是看工具價值，而是看習慣。如果導入前有基準，你就能比較得更清楚。例如：原本每週花 8 小時，現在 3 小時。原本每月漏掉 6 次通知，現在 1 次。原本每筆資料平均要人工處理 12 分鐘，現在 5 分鐘。這些資料不一定代表工具必須留下，但至少你知道它到底改變了什麼。延伸閱讀：〈AI 導入到底有沒有回本？創業者別只看省了多少時間〉。基準也能幫你看出「其實不是工具問題」有時你記錄兩週之後會發現，原本以為很浪費時間的工作，其實一週只做一次，而且每次只花十分鐘。這時即使能自動化，優先順序也未必高。反而另一件每天重複二十次、常漏資料的工作，更值得先處理。這就是基準的另一個用途：不是證明 AI 有用，而是幫你判斷「這個問題值不值得解」。創業公司最怕的不是沒有工具，而是把有限預算花在看起來先進、實際影響很小的地方。今天可以做的最小紀錄挑一個你準備導入 AI 的流程，連續記錄五個工作天。只記三件事：1. 今天做了幾次？2. 總共花多少時間？3. 有沒有出錯或需要重做？五天之後，你就會有一個最基本的起點。接著再導入工具，用同樣方式記錄。不需要做漂亮簡報，也不用一次追十個數字。因為最有用的不是數據很多，而是前後能比較。下一步可以接著看：〈AI 自動化出錯一次，前面省的時間可能都沒了：怎麼看重工與漏單成本？〉。如果你在做這個紀錄時發現，真正難的不是「怎麼量 AI」，而是公司本來就沒有清楚的產品、市場、廣告、現金或營運判斷，那 AI 成效自然也很難獨立看懂。這時更重要的是先整理整體創業順序，再決定工具要放在哪一段。《手把手帶你創業：0～3,000萬的實戰課》會把這些經營判斷拆開，而不是只教你追更多工具。不要一次追十個指標，先找一個最接近問題的數字另一個常見錯誤，是知道要量成效之後，反而開始蒐集太多資料。工時、成本、點擊、回覆速度、錯誤率、滿意度、成交率全部都想看，最後表格越做越大，卻沒有人真的用它做決策。比較實際的方法，是回到最初的問題。如果你導入 AI 是因為客服太耗時，就先看每週客服工時與重複問題量。如果是因為資料常漏，就先看漏填與重工次數。如果是因為內容測試太慢，就先看從想法到可以上線測試需要多久。先把一個主要指標看清楚，再補一到兩個防止誤判的輔助指標。例如工時下降了，但錯誤率大增，就不能只說效率變好。基準的目的不是證明工具成功，而是讓你有機會發現：有些改善只是把成本從一個地方搬到另一個地方。