讓 AI 幫上忙，我先把目標縮小了

今天來講講，AI 在工作上實際幫了我什麼。

我的工作是捷運工地的安衛督導。每次去工地，總會開個十來條缺失。每一條都有照片、說明、地點，還要判斷缺失類別、法源依據，最後整理成督導紀錄。

這些資料到了廠商手上，要再整理成改善文件；到了監造手上，又要整理成檢查紀錄。同樣的照片、同樣的基本資料，每個人都要重複做一次。

我一直想，能不能讓基本資料只填一次？業主記錄缺失，廠商補上改善，監造確認結果，各自做好自己的工作，文件就自動生成、歸檔。

多好，多麼美妙的世界。

我曾經請廠商做這樣的系統，來來回回溝通很多次，結果卻越做越複雜。原本三十分鐘能完成的紀錄，用了系統，我估計至少要一個小時以上。

後來，這件事就不了了之了。

一開始，我想得太簡單了

一開始，我對 AI 的期待也很高。我把照片、文字說明和想要的成果都交給它，以為這樣就能自動做出督導紀錄。

我甚至期待，它能直接看出照片裡有哪些缺失，連文字都幫我寫好。

結果，做出來的東西根本不能用。光是修改它產出的資料，就比我從頭自己做還花時間。

為什麼 AI 產出的資料不能用？因為這份工作有很多需要判斷的地方。這個缺失該歸在哪一類？適用哪個法源依據？照片裡的狀況，究竟該怎麼描述？

這些我平常做得很自然的判斷，交給 AI 時，才發現沒有那麼容易說清楚。

我試著拆成更小、更詳細的步驟，但一直來回溝通也很累。自己花三十到六十分鐘就能完成的事，跟 AI 耗了一個上午，還是做不出能用的成果。

於是我退而求其次：先不要自動化，先做一個能查歷史資料的檢索系統，讓其中一個環節方便一點就好。

我先請 AI 整理過去的督導資料。

接著，每次督導完，我都讓它試著判斷缺失類別、法源依據。不確定的地方，就請它問我；判斷錯了，我就告訴它哪裡要改。

這個過程花了時間，也需要耐心。

但慢慢地，需要我補充、修正的地方越來越少。原本常常要來回確認的判斷，後來幾乎第一時間就能做對。

回頭看，歷史資料提供了參考，每次實際使用，我再指出錯誤、補充判斷的依據。那些原本只有我知道的判斷，也在這個過程中逐漸變得清楚。

大概過了三、四個月，流程竟然就慢慢串起來了。

現在，我只要上傳照片、輸入文字說明，系統就能幫我生成督導紀錄。

以前一份至少要三十到六十分鐘，有時候更久。現在整個流程大約十分鐘，而且大部分時間都是電腦在跑，我實際操作只要幾分鐘。

這樣的紀錄，我每個月要做七、八件。省下來的時間，真的差很多。

最大的收穫是，我開始有餘裕想：還能怎麼做得更好？

是不是能納入更多歷史資料？是不是能把廠商的改善資料也串進來，讓他們少做一些重工？

當初想像的完整系統，還沒有全部實現。但自己的督導紀錄流程，已經先往前走了一大步。

這次的經驗讓我覺得，用 AI 很值得慢慢累積。

先把最終想做到的事告訴它，請它試試看。通常沒辦法一次到位，那就請它協助拆解，再把每一步拿來試。一邊做、一邊修正，慢慢讓流程變得好用。

有時候，花了一整天，也只讓工作輕鬆一點點。但只要這個改善能留在往後的工作裡，下次就能少做一點。每次輕鬆一點，累積起來也很可觀。

而且，這些嘗試會讓你更清楚：哪些地方已經做得到，哪些地方還卡著。等到 AI 再進步，就能拿那些卡住的地方重新試一次。

到時候可能又會驚嘆：

「哇，上次怎麼試都跨不過去的坎，這次怎麼這麼輕鬆就過去了！」

我還沒做到當初想像的全部，但現在每個月要做七、八次的工作，已經輕鬆很多。這就讓我有力氣，繼續往下一步走。