「我們公司其實很想導入 AI，但現在 ERP、CRM、內部系統都已經用了很多年，裡面還有一大堆資料……難道要全部重做嗎？」這是企業開始評估 AI 導入時，很常出現的一個問題。

好消息是：多數情況下，不需要為了 AI 把原本的系統全部推翻重來。現在企業導入 AI 的方式，可以是既有系統繼續負責它原本擅長的事情，再透過 API、MCP 等方式，讓 AI Agent 在適當的權限範圍內，讀取資料、使用功能，甚至協助完成部分工作流程！也就是説——不必把舊系統汰換成新 AI 系統，而是「讓 AI 學會使用企業既有系統」。

企業需要的 AI，不該是另一個聊天室

這幾年大家都已經很熟悉對話式的AI，像是使用 ChatGPT，寫 Email、整理會議紀錄、翻譯文件、產生企劃、回答問題... AI 在問答方面，的確是非常方便！但對企業而言，問答以後的「執行力」才是效率的關鍵！

當我們想問：「這個客戶上一張報價單是多少金額？」AI 如果無法讀取公司的 CRM、ERP 或資料庫，還得是我們自己去查。又或者你告訴 AI：「這個需求確認了，幫我建立一張 Jira 任務並指派給設計部。」如果 AI 只能回答：「好的，以下是建議填寫的 Jira 任務內容……」最後還是我們自己複製、貼上、開系統、填表單。

這就像找到了一位非常聰明的同事，他明明有很聰明的大腦、有超會回應的嘴巴，但因為沒有公司電腦的操作權限，所以你們之間，只停留在對話 — 就結束了，討論了很多，但沒有一個任務成功執行完。

下一階段的企業 AI，就是要解決這件事情。

AI Agent 是什麼？
它和一般 ChatGPT 最大差別在哪？

簡單來說：一般 AI 擅長「回答你該怎麼做」，AI Agent 則進一步被設計成「協助你把事情做完」。

例如，一位業務主管可以直接在 Slack 詢問：「幫我整理今天還沒回覆的詢價客戶。」

AI Agent 可以依照權限：

• 查詢 CRM 中今天的新詢價
• 比對目前聯絡狀態
• 找出還沒有回覆的客戶
• 整理客戶需求
• 提醒負責業務
• 必要時建立待辦事項

再例如，專案主管可以說：「找出這週有延期風險的專案。」

AI 不只是回答「你可以檢查專案進度」。而是真的進入 Redmine 或 Jira，讀取：

• 任務截止日期
• 尚未完成項目
• 負責人
• 任務關聯
• 延遲天數
• 歷史紀錄

最後整理成主管真正可以採取行動的資訊 — 這時候，AI 才真正開始進入企業工作流程。

那 AI 要怎麼看懂/操作公司原本的系統？MCP !

答案是：透過 MCP（Model Context Protocol）！ 這也是它開始受到關注的原因。

我們可以把 MCP 想像成：是公司系統與 AI 之間的一個標準化插槽
（hmm...像是 Type-C 孔那樣的感覺，可用以連接手機（系統）與電腦（系統））。

假設企業現在有各種系統：

• ERP → 訂單與庫存
• CRM → 客戶資料
• Redmine / Jira → 專案與任務
• 知識庫 → SOP、規範、FAQ
• 內部系統 → 報價、簽核、表單

過去要讓 AI 使用這些系統，通常需要針對不同服務個別進行功能開發、 串接 API；現在，透過 MCP 則可以把系統中「允許 AI 使用的功能」整理成標準化工具。

例如：

• 查詢客戶資料
• 查詢訂單
• 搜尋歷史報價
• 建立專案任務
• 更新任務狀態
• 填寫表單
• 搜尋公司 SOP

AI Agent 就可以依照使用者的需求，選擇適合的工具完成工作，所以！企業 AI 導入才不一定要重新開發一套系統！
真正需要做的是「保留、持續使用原系統，再建立一層安全的 AI 連接能力」如此一來，原本累積十年的資料，也不用搬家才能使用 AI，這對很多企業來說非常重要。

CRM 裡可能已經累積十年的客戶資料。

ERP 裡有歷年商品、採購、訂單紀錄。

專案系統裡則有過去幾年的開發歷程與問題處理方式。

... 這些資料本來就是公司的重要資產。

“導入 AI 不該是把這些「資產」全部砍掉重練，而是要思考 AI 加入後：
「要完成這個任務，需要看到、使用哪些資料？」
以及
「AI 可以操作哪些功能？」”

因此，一個好的企業 AI Agent 並不是取得所有資料、擁有所有權限，而是依照它的職責，只開放必要的資訊與功能。例如：

• 客服 AI 可以查詢訂單，但沒有修改價格的權限。
• 專案 AI 可以建立任務，但刪除專案前，必須經過真人主管確認。
• 業務 AI 可以整理客戶需求，但正式報價仍由真人業務送出。

這樣的 AI 在做的已經不是「對話」而是在「進行」真正的企業作業流程，這才真的對企業有幫助。

AI Agent 的價值是：
能夠幫真人把工作接手、並做得夠漂亮

「我們不認為所有業務流程都應該完全自動化，因為很多『服務』最有價值的地方，仍然是真人的經驗與判斷。」

以客製化服務為例：
AI 很適合負責前期的：詢問 → 整理 → 分類 → 查詢 → 建立系統紀錄
真人則可以把時間留給後期的：判斷 → 建議 → 設計 → 溝通 → 建立信任

最理想的企業 AI 協作，不是取代人類，而是：
讓真人不需要一直做「複製 A 系統內容貼上 B 系統欄位」這類的「重複動作」

另一個常見提問是：
「導入 AI，會不會要再學一套新系統？」

這真的是個誤解！既然是「導入 AI 至工作流程」，就該盡可能出現在大家熟悉的工作流裡。

• 可以在企業內部通訊軟體 slack 裡，直接 @AI 說：「幫我查一下 A 客戶目前進度。」
• 也可以在 Redmine / Jira，直接將某個Issue的 Assignee 分派給 AI ，
  請他完成後更新工作紀錄並派給下一個對應的人
• 在企業 Web 系統，搜尋匡加入個語音喚醒按鈕，讓使用者直接用自然語言搜尋資料或完成操作

也就是說：不需要特別去找 AI，而是讓 AI 出現在大家原本工作的地方。

OK，那企業導入 AI 的第一步
是不是該來挑選聰明的模型？

「 ChatGPT、OpenAI、Claude、Gemini……有很多模型欸！」模型是蠻重要的，但對企業的導入 AI 的專案而言，
更為重要的問題通常是：

「目前公司哪一段工作流程，最值得讓 AI 幫忙？」

可以先找符合以下特徵的工作：

• 每天或每週重複發生
• 需要跨系統查資料
• 有大量複製貼上
• 需要整理文字或文件
• 需要人工進行初步分類
• 常常需要填寫系統表單
• 需要一直追蹤任務
• 有明確的 SOP

AI 做完之後，還可以先讓真人複驗執行結果，加入真人的判斷來看 AI 是否如預期正確執行。

「先讓 AI 完成一條真正有價值的工作流程，才是更實際的開始」

約沛科技如何協助企業導入 AI Agent？

約沛科技長期從事企業客製化系統與軟體整合開發。現在我們更希望協助企業做的，是：

把真正有能力的 AI，帶進企業已經存在的工作環境裡。例如整合：

• ERP
• CRM
• Redmine
• Jira
• 企業內部系統
• API
• 資料庫
• 知識庫
• Slack
• Telegram
• AI Agent
• MCP Server

從需求盤點、AI 工作流程設計，到系統串接、權限規劃與實際開發，讓 AI 不只是存在另一個聊天視窗裡，而是真正成為企業工作流程中的一員！我們自己內部也已將 AI Agent 與 Redmine、MCP 等技術實際運用在專案管理與軟體開發流程，因此特別清楚一件事：

「真正有用的企業 AI，不只是回答得很聰明，而是知道公司的資料在哪裡、知道下一步該做什麼，並且在適當的權限之下，真的把事情往前推進。」

想導入 AI，不必把公司的系統砍掉重練

我們可以先想想：

「目前公司系統，如果加入了：可以理解自然語言、會查資料、會整理資訊，也會操作系統的 AI 同事，我最希望先把哪一件工作交給它？」

答案，很可能就是您們公司最適合開始 AI 導入的地方。
請記得，不用一次改變整間公司！只要先讓 AI 真正幫你完成一件工作，就已經是很好的第一步。