最近大家其實卡在同一個地方
最近很多老闆開始把 AI 接進公司流程：財報摘要想快一點、會計分類想少花幾小時、工程團隊也想讓 AI 幫忙看 GitHub 上的修改。我前幾天聽一位做 B2B 軟體的老闆阿葵說，他原本以為最難的是選哪個模型，結果真正讓他冒汗的是另一件事：AI 很認真，但它拿了別家公司資料，還把一段陌生留言當成工作方向。這就麻煩了。
AI 會拿錯公司、聽陌生留言，通常是任務規範與可信來源沒先講清楚。
先替你做判斷
這篇不是在提醒你少用 AI，而是提醒你：企業AI導入要先把「它可以看什麼、不能信什麼、做完誰確認」講清楚。財報、會計、GitHub 看起來是 3 種事故，其實都在考同一件事：流程有沒有防呆。
為什麼最近一直在同一個地方跌倒
你會先在哪些地方撞到這個坑？通常是公司最想省時間、但責任又很重的流程。財報，也就是公司對外或對內看的營收、成本、獲利資料，最怕 AI 把「跟你有關的新聞」誤當成「你的公司財報」。最近開發者社群裡就有人修一個類似問題：系統要抓某家公司 earnings，簡單講就是財報與法說相關內容，結果送出來的是別家公司新聞。對你來說就是，報告看起來像真的，但公司已經錯了。這很危險。 會計也一樣。像 Xero（一套常見的雲端會計系統）這類工具近來一直把 AI 加進小企業與會計師工作裡，方向很合理，因為發票、收據、分類、對帳真的很耗時間。一間 12 人公司，如果每週花 6 小時整理費用，AI 幫忙先分類確實有價值。但如果供應商名稱相近、費用科目沒有規範、同一筆支出在兩個系統都出現，AI 可能會把省下來的時間變成月底追錯帳的時間。這才是成本。 GitHub 是另一個老闆常低估的地方。GitHub，簡單講就是工程團隊放程式碼、討論修改、追蹤工作進度的平台；留言、分支、修改紀錄都可能在裡面。現在有些團隊會讓 AI agent，簡單講就是能自己讀資料、改檔案、跑任務的 AI 工作角色，去看這些內容。問題來了：如果一段外部留言被放進討論區，而 AI 又有寫入權限，它可能分不清那是可信同事的指示，還是路過的人留下的話。你有沒有想過，如果下週你的工程流程也接上這種自動化，誰能對 AI 說話這件事，現在有寫清楚嗎？先想這題。
真正讓事情失控的，不是表面那一層
真正讓事情失控的原因，通常不是 AI 不會，而是它太會把「看起來相關」的東西拿來用。人看到一份報告會先問：這家公司是哪一家？這份資料是誰給的？這段留言有沒有權限？但 AI 在很多工作流裡，會先把附近能讀到的內容拿進來，再努力完成任務。用白話講，它像一個速度很快的新同事，但還沒學會你公司裡哪些資料算數、哪些只是參考。這就是落差。 財報場景最明顯。你叫它抓 A 公司財報，如果搜尋結果或資料庫裡同時有 A 公司、A 公司競爭者、同產業新聞，它可能會把「相關產業消息」寫進「公司財報重點」。文字很順，格式很漂亮，錯誤卻藏在第一層判斷。對老闆來說，這不是少打一個字，而是你可能拿錯資訊去開經營會議。方向會偏。 會計場景的問題比較安靜。AI 幫你把餐費、交通、軟體訂閱分類，看起來每筆都有理由，但如果你沒有先定公司自己的科目規則，它就會照一般常識猜。一般常識不等於你公司的帳務規範。例如同一個雲端服務，有些公司列研發費，有些公司列管理費；一張跨月發票，有些公司依付款日，有些公司依服務期間拆分。AI 沒有被告知，就會自行補空白。這一步常常出事。 GitHub 留言則是權限問題。近期有開發者提醒，當 AI 能讀取工作討論又能寫入程式碼時，沒有把可信來源與外部留言分開，會讓陌生內容進到任務流程。這類問題常被稱為指令夾帶，簡單講就是有人把「請照這樣做」藏在看似普通的留言或文件裡，讓 AI 誤以為那是正式指令。對中小企業來說，啟示很直接：只要 AI 有權限動到公司資料或系統，它聽誰的，就不再只是聊天問題。這是管理問題。
如果你只想先止血，先照這樣做
現在先做什麼？不要先開 20 個功能，先替每個 AI 任務寫一張「任務卡」。不用寫得像法務文件，但要讓一個新同事看完也知道該怎麼做。任務卡裡最重要的是 3 句話：這次只處理哪一家公司或哪一個帳期；只能使用哪些資料來源；輸出後由誰確認。這 3 句話，比換模型更早要處理。先管入口。 拿財報來說，你可以要求 AI 每次輸出前先列出資料來源與公司識別資訊，例如公司全名、股票代號、報告期間、資料日期。它如果列不出來，就不要讓它直接寫結論。這不是多一道形式，而是讓錯誤早一點浮出水面。很多財報錯誤不會出現在語氣裡，會出現在來源裡。先看來源。 拿會計來說，別只叫 AI「幫我分類費用」。比較穩的說法是，把你公司自己的科目規則先放在前面，像是軟體訂閱怎麼列、差旅怎麼拆、招待費上限怎麼看，然後要求它標出不確定的項目。重點不是讓 AI 裝得很有把握，而是讓它知道哪些地方要舉手。會計最怕假確定。 拿 GitHub 來說，規範要更硬一點。GitHub 上的留言可以很多，但不是每段話都有資格變成 AI 的工作指令。你要先把可信角色說清楚：哪些人可以派任務、哪些留言只能當參考、哪些外部內容要忽略。若 AI agent 有寫入權限，最好讓它先產出修改建議，再由人按下合併或發布。它可以加速，不該默默替你越級。 如果你只想記一個防呆句，就記這句：AI 接任何公司流程前，先問「它憑什麼知道這是真的？」這句話可以用在財報、會計、工程、客服紀錄、合約摘要。只要答不出來，就先不要把結果放進正式決策。這句很值錢。
最容易讓你以為有答案，其實還沒收尾的三個誤區
最容易白忙的誤區，是把問題全部推給工具能力。看到 AI 拿錯公司，就換模型；看到會計分類不穩，就換外掛；看到 GitHub 留言影響流程，就把 AI 關掉。這些動作有時候會短暫止血，但沒有處理同一個破口：你的工作範圍和可信來源沒有被寫進流程。下次還會換地方冒出來。別只換工具。 另一個誤區，是以為「人工複查」四個字就夠了。複查如果沒有檢查點，通常只是在最後讀一遍順不順。財報要查公司與期間，會計要查科目與例外，GitHub 要查指令來源與寫入權限。每個場景的複查點不同，不能只靠感覺。要查對地方。 還有一個容易忽略的現實：AI 做得越順，人越容易放鬆。以前同事交來一份很粗的表，你會多看兩眼；現在 AI 交來一份格式漂亮、語氣穩定、表格整齊的內容，你反而可能比較快按通過。你有沒有想過，如果隔壁同行先把這套防呆流程補起來，他們省下的是時間，你留下的可能是反覆返工？這裡有差距。
送出前最後看一眼，不然很容易重工
送出前最後看一眼，可以用 5 個問題收住。這次 AI 處理的是哪家公司、哪個帳期或哪個工作分支？它用到的資料來源有沒有列出來？有沒有混入外部留言、舊版本資料或同名公司資訊？它有沒有把不確定的地方標出來？最後是誰負責按下確認、合併、付款或對外送出？這 5 題答得清楚，企業AI導入就比較像流程，不像賭運氣。先求可控。
如果下次又遇到，先照這篇的順序走一次
下次你要把 AI 接進新流程時，先不要從「哪個工具最強」開始。把這篇打開，挑一個最接近的場景：財報、會計、GitHub，先寫出資料來源、任務範圍、確認人。若只是內部草稿，可以輕一點；若會影響金流、程式碼或對外說法，就要更嚴。沒有單一正解，要看風險。
讀者最常問的幾個問題
可以，但比較穩的做法是先讓 AI 做整理、比對、提醒，不要一開始就讓它直接產生最後版本或自動送出。像財報摘要、費用分類、異常金額提示，這些都能省時間；但付款、報稅、對外公告這類會產生責任的動作，現階段仍要有人最後確認。先從低風險流程開始。
GitHub 是很多團隊放程式碼與工作討論的地方，簡單講就是工程工作的共同桌面。如果公司讓 AI 讀取那裡的留言、分支和任務說明，陌生留言就可能被 AI 誤當成工作指令。對老闆來說，這不是技術小事，而是權限與責任範圍問題：誰能改流程、誰能下指令、誰能讓 AI 寫入系統，都要先說清楚。
要看草稿後面會不會進入正式流程。如果 AI 只是幫你把會議紀錄整理成摘要，風險較低；如果摘要會變成報價依據、財務判斷、工程修改方向，就要加上來源標記和人工確認。很多問題不是出在草稿本身，而是草稿被太快拿去當結論。這一步很容易被忽略。
先檢查 3 件事：AI 讀到的資料來源是否可信、任務範圍是否寫得夠清楚、輸出結果是否有人負責驗證。工具選型可以慢一點，但這 3 件事如果沒有先定，換再多工具也容易重演同樣問題。第一個月先求穩。
