讓工作不再重來｜企業有 Agentic Workflow，我有自創 AI 工班
企業談代理型工作流，我用複製、貼上、說白話、施工日誌與人工驗收，長出自己的 AI 工班法。
最近看到科技界有一個詞：Agentic Workflow。
Google 翻譯說是：代理型工作流。
看起來很高級。
像新聞裡科技業年會，
投影片出現的那種文字。
我剛開始看，霧煞煞。
但看著看著，居然覺得：
欸？
好像我這個非工程小白正在用土方法欸～
我自創的 Agentic Workflow？
只不過企業用 API、系統串接、自動化平台。
我用的則是：
複製、貼上、說白話。
開收工卡、施工日誌、最後我驗收。
土。😅
但底層邏輯，看起來，像欸～。
一、企業談？
企業 Agentic Workflow 說，除了讓 AI 回答問題，還要：
拆解任務、使用工具、讀取資料、進行協作、接續流程，甚至在某些情境，幫人完成一段工作。
讓 AI 不再只是「聊天機器人」。
開始像一個能接任務的小助理，或像一個可以派工的數位員工。
企業想：
讓 AI 進入流程。
讓 AI 自己判斷下一步。
讓 AI 串接不同系統。
讓 AI 減少人的重複工作。
看起來很厲害。
但對我們這種非工程背景的人、第一線工作者、小組織、社福單位來說，問題就來啦：
我們沒有高端工程團隊。
沒預算買大系統。
不懂怎麼寫 API。
也不可能一下子把工作流程全部 All in 給不懂的 AI 自動化吧！
那怎麼辦？
二、我後來摸索：從玩 AI，到自創 AI 工班
我這一年多使用 AI，發現：
如果只是跟 AI 問答，那它就真的只是聊天工具。
可是如果開始想：
誰負責整理？
誰負責判斷？
誰負責驗收？
哪裡不能碰？
哪裡留紀錄？
哪一步一定要自己看？
那 AI 就能變成一個可以分工的工作團隊。
我自己宣布～這套方法是：
AI 老闆娘工班管理法。
名字土。
自己懂。
而且我的工班 AI 們，真的叫我「老闆娘」喔。😁
我不是工程師，
我不會寫程式，
也沒想過打造出企業級系統。
所以我就：
把工作拆小。
把需求講清楚。
把範圍框起來。
把紀錄留下來。
把最後決定權守住。
變成我自創的 AI 工班法。
三、我的 AI 工班怎分工？
我自創的工作流裡，沒有把不同 AI 全部混用。
我不會，而且那應該會讓自己崩潰。
它們角色不一樣。
ChatGPT：總控與判讀
相處最久，最了解我。
我請 ChatGPT 幫我看方向、整理架構、判斷內容。
像特助，也像總編輯兼工頭。
負責幫我問：
這件事值得做嗎？
這篇文章放哪一類？
這個流程會不會太複雜？
這樣做會不會讓我更累？
有沒有更簡單的方法？
Claude / Cowork：施工整理
當任務比較像大量整理、長文歸納、檔案處理、流程草稿時，我就請 Claude 或 Cowork 協助施工。
它比較像工地工人。
但工人不能亂衝喔。
我是先讓 GPT 給範圍，說清楚：
這一輪只做什麼。
不做什麼。
不能碰哪些資料。
不能寫回正式檔案。
做完要回報什麼。
Codex：驗收與糾錯
有些工作我不會讓同一個 AI 自己做完就自己說通過。
這太不安全了。
所以我就讓另一個 AI 只讀檢查。
它不用改東西。
只負責找錯、對照、提醒風險。
芬寶：AI 工班老闆娘，最後裁定
最後，決定權一定要回到我，也就是人，手上。
AI 可以整理。
AI 可以建議。
AI 可以提醒。
AI 可以幫我釐清混亂。
但它不能一條龍到最後判斷。
尤其涉及個案資料、公司正式流程、工作倫理、人的處遇時，最後一定要人來裁定。
這是底線。
四、企業追全自動，我不懂但怕暴衝，所以先學踩煞車
很多科技討論都在追捧自動化。
最好 AI 可以自己讀資料、自己判斷、自己執行、自己更新。
但我在支持服務或小組織工作現場，需求下：
AI 不是越自動越好。
AI 反而要越可控越好。
第一線服務工作有很多資料，不只是資料。
它背後有人。
有脈絡。
有情緒。
有制度邊界。
有不能隨便被簡化的現實。
我的 AI 工班制度，最重要的不是叫 AI 做更多、全都做。
要先想好規定：
你不能做什麼。
你不能碰哪裡。
你不能自己宣布完成。
你不能把推測寫成事實。
你不能越過人類主管。
這是我一路摸索出來的防呆控制權。
五、我的三句核心方法：給範圍、留日誌、守控制權
如果把這套方法濃縮成三句話，就是：
1. 給範圍
不對 AI 說：「幫我整理全部。」
這句話太可怕了。
AI 聽到「全部」，會因為設定有符合使用者需求，
就腦補、收到命令、然後來吧！衝～
比較安全的方法還是應該：
一輪只整理一段。
只判斷分類。
只找錯字。
只做摘要。
只提出風險。
不要改原文。
不要新增資料。
不要碰正式檔案。
範圍清楚，AI 才不會亂衝。
2. 留日誌
AI 很會工作，但也很會腦霧。
一個視窗關掉，
一段對話太長，
一個工具換到另一個工具，
前面做過什麼，就斷片。
我就拿出以前做 PM 的方式：
相信 AI 能力，
但也該留下紀錄文件。
每一輪工作，要留下：
這次做了什麼。
沒有做什麼。
改了哪些檔案。
有沒有碰正式資料。
有沒有處理個資。
下一步停在哪裡。
誰做的、誰驗收。
施工日誌，看起來囉嗦。
但，它是保險絲。
沒有日誌，AI 工班就像一群沒有交接簿的臨時工。
今天，認真勤奮。
明天，全部重來。
3. 守控制權
這最重要！
AI 可以幫忙，
但控制權不能交出去。
特別是：
正式資料不能讓 AI 隨便寫回。
個資不能直接餵進工具。
公司制度不能讓 AI 自行解釋。
服務紀錄不能讓 AI 腦補。
人的處遇不能由 AI 決定。
AI 可以給選項，
但最後要由人判斷。
AI 可以幫我整理混亂，
但不取代我對現場的責任。
六、非工程師版本的 Agentic Workflow
後來發現，
我這套土法煉鋼，和企業 Agentic Workflow 的底層邏輯有點像。
企業：多代理協作。
而我：AI 工班分工。
企業：任務拆解。
而我：一次只給一段。
企業：記憶與反思。
而我：施工日誌與 PMO 白板。
企業：治理。
而我：不要亂碰資料，人類最後裁定。
企業：數位員工。
而我：AI 小助理要說人懂的話，也要守規矩。
差別是：
企業從大系統開始。
我則是從一份卡住的紀錄開始。
企業由上而下設計流程。
我是從每天最痛的地方，一點一點長出工作方法。
企業用預算買整合。
我用 Google Sheet、Docs、NotebookLM、AI 對話，把散落的資料慢慢接起來。
企業追全自動。
我只要求不重來、不失憶、不越界。
這就是我的 Bottom-up Workflow。
由下往上長出來的工作系統。
七、為什麼這對小組織很重要？
很多小組織的痛點是：
人少。
事多。
資料散。
交接難。
紀錄補不完。
做過的事情留不下來。
一個活動辦完，經驗散了。
一次會議結束，重點散了。
一段服務完成，脈絡散了。
換一個人接手，又要從頭問起。
這才是真正消耗人的地方。
AI 如果只是幫忙寫漂亮文字，價值有限。
但如果 AI 可以幫我們把散落的語音、LINE 訊息、會議紀錄、服務筆記，整理成可回頭查、可交接、可延續的資料，那價值就不一樣了啊。
它不是讓人偷懶。
它是讓人的努力不要消失。
這對小組織、社福現場、支持服務工作，也很重要。
因為我們沒有太多時間體力可以一直重來。
八、我用 AI 魔法變出工班
我不相信 AI 一鍵完成所有事。
一鍵完成，也可能一鍵亂掉。
我比較相信：
一段一段做。
一步一步查。
一輪一輪驗收。
做完留下紀錄。
該停就停。
該問人就問人。
AI 很強，
但人不能因為它強，就把方向盤交出去。
我把 AI 當工班，
是因為如果沒有人當工頭，
AI 很容易變成一群很努力、很熱心、但不知道現場限制的工人。
它會蓋很快。
但可能蓋錯地方。
九、給非工程小白的提醒
如果不是工程師，
不會寫程式，
沒有預算買系統，
也不必怕。
AI 超給情緒價值，又很耐煩。😁
就先從小地方開始。
不可能一開始就打造 AI 系統。
就先想：
現在最常重複做的是什麼？
最常找不到的是什麼？
最怕交接斷掉的是什麼？
哪一種資料最需要留下？
然後「只挑一件事」開始。
例如：
把一段語音整理成會議摘要。
把一篇長文拆成 FB 貼文。
把一份紀錄整理成三段式服務紀錄草稿。
把一次 AI 工作過程留下施工日誌。
把常用指令整理成固定模板。
這就是我工作流的開始。
不可能一開始就很厲害。
能重複，那就很厲害啦。
十、結語：讓 AI 取代一直要重來的工作
對我來說 AI 最重要的是：
讓做過的事留下來。
讓明天接手的人不用從零開始。
讓有限的體力用在真正需要的地方。
讓服務現場的經驗，慢慢變成可以交接的資產。
企業有企業級 Agentic Workflow。
小組織也可以有自己的 AI 工班。
不一定很高科技。
但有邊界。
有紀錄。
有控制權。
有人最後的選擇權。
我不是工程師。
我只是用比較白話的方法，
慢慢讓 AI 變成一個能交接的工作團隊。
我的 AI 老闆娘工班管理法。
也是我和小組織的基本想望：
讓工作不再重來。
#Bottom-upWorkflow
#AI工作流
#AI工地管理學
#芬寶方法
#對話式寫作511
留言
張貼留言