作者：王駿瑋 David Ishayahu ・ 2025-01-15 ・ 8 分鐘
你的同業開始用 AI 了，你要不要跟？
這個問題本身就問錯了。
「要不要用 AI」是策略層的問題，跟「要不要買新設備」差不多。真正該問的是戰略層的問題：AI 會改變你這個產業的哪一個環節？改變之後，你目前的獲利模式還站不站得住？
這篇文章不教你怎麼用 ChatGPT，也不會叫你去學寫程式。我要給你三個老闆該問自己的問題、一個真實案例、和一張可以每季拿出來用的檢查表。
很多老闆一聽到 AI，要嘛覺得「跟我沒關係，那是大公司的事」，要嘛焦慮地想「我是不是該買什麼 AI 系統」。兩種反應都跳太快了。先坐下來，花 30 分鐘問自己這三個問題。
注意，問的是「哪些工作」，不是「哪些人」。
一個業務助理每天花 3 小時整理報價單、1 小時回覆制式詢問、2 小時跟客戶確認需求細節。AI 可以吃掉前兩項，但第三項需要人的判斷力和關係經營。
把你公司裡每個角色的日常工作拆成「任務清單」，逐項標記：這件事能不能交給 AI？能交多少？這就是你的 AI 影響地圖。
這是替代品威脅。你的客戶本來只能找你做的事，AI 出現之後，他能不能自己做了？
舉個例子：以前小公司要做基本的帳務處理，一定得找會計師事務所。現在有 AI 記帳工具，月費幾百塊就能處理八成的日常帳務。你的客戶不是消失了，是他的需求升級了。他不再需要你幫他「記帳」，他需要你幫他「看懂帳、做決策」。
這是新進入者威脅。AI 降低了哪些行業的進入門檻？
以前要開一間翻譯社，你需要養 5 個專職譯者。現在一個人加上 AI 翻譯工具，就能處理以前 5 個人的量。你的技術門檻如果是「量」而不是「質」，AI 會把這道門檻直接抹平。回頭看看你的行業，你的護城河是建在「做得多」還是「做得好」上面？
台北一家小型會計師事務所，6 個人，年營收約 800 萬。客戶主要是 20 家中小企業的月記帳和年度稅務申報。
去年開始，老闆發現同業有人打出「AI 記帳，月費 2,000 元」的廣告。他慌了。因為他的記帳客戶每家月費大概 8,000 到 15,000 元，記帳收入佔事務所營收將近六成。
他第一個想法是「我也來買 AI 系統，壓低價格跟他們拼」。這就是典型的「用策略回應戰略問題」。AI 記帳工具的價格戰，你一間 6 人事務所怎麼拼得過平台公司？
後來他冷靜下來，用前面三個問題重新想了一遍。
AI 替代了什麼任務？「輸入發票」「核對科目」「產出月報表」。這三件事佔了他員工每天 60% 的工時。AI 確實做得比人快，也更少出錯。
客戶有什麼新選擇？客戶可以自己用 AI 工具記帳了。但他問了幾個客戶，發現他們真正在意的不是「帳有沒有記好」，而是「我下一季該不該擴廠」「這筆投資的稅務影響是什麼」。這些問題 AI 工具回答不了。
誰會進入市場？記帳市場的門檻被 AI 壓低了。但「財務顧問」的市場門檻反而提高了，因為客戶需要能同時懂稅法、懂產業、懂他公司實際狀況的人。
他做了三件事：
半年後的結果：客戶數從 20 家降到 22 家（砍了 3 家舊的、新簽了 5 家），但月均營收從 65 萬提高到 78 萬。更關鍵的是，新客戶的黏著度高很多，因為他們買的不是記帳，是決策支援。
用數據科學的框架來看，這個老闆做對的事情是：他沒有在舊戰場上跟 AI 搶生意，而是用 AI 省下來的人力去打一場新的仗。
買了 AI 客服系統，但回覆腳本還是十年前寫的。買了 AI 排程工具，但排程邏輯還是老闆拍腦袋決定的。AI 是引擎，流程是方向盤。你換了引擎卻沒轉方向盤，車跑得更快，但方向一樣是錯的。
「導入 AI，砍掉三個人。」這句話聽起來很爽，但接下來你會發現：剩下的人不信任公司、不敢學新東西、害怕自己是下一個。AI 省出來的人力應該拿去做「以前沒人力做的高價值工作」，不是直接裁人。
聽到同業用了什麼 AI，馬上也想用。但你有沒有先問你的客戶：他們最痛的是什麼？他們願意為什麼付錢？很多時候客戶要的不是你有多先進，是你有多懂他。CertiCarb 做碳盤查也是這個邏輯：企業需要的不是「有 AI 的碳排計算」，是「算出來的數字可以直接拿去跟客戶和法規對接」。技術是手段，客戶的問題才是目的。
每季花 30 分鐘，跑一遍這張表。不用請顧問，自己就能做。重點是逼自己把模糊的焦慮變成具體的判斷。
| 檢查項目 | 健康狀態 | 該擔心了 |
|---|---|---|
| 你能列出 AI 會影響 你公司的哪 3 個任務 | 列得出來，而且已經在實驗 | 「不知道」或「應該不會影響吧」 |
| 你知道客戶因為 AI 多了哪些替代選擇 | 清楚知道，並已經調整服務內容 | 「我的客戶不會用 AI」 |
| 你有沒有用 AI 省下 人力去做更高價值的事 | 有，而且已經看到效果 | AI 省下的人力直接裁掉了 |
| 你的服務定位有沒有 因為 AI 而調整 | 已經從「做什麼」轉向「為什麼」 | 跟五年前賣一樣的東西 |
| 你有沒有做過一次 小規模的 AI 實驗 | 有，不管成功失敗都學到東西 | 「等穩定再說」「等同業先試」 |
五項裡面如果有三項以上落在「該擔心了」那欄，你不是「還在觀望」，你是已經在落後了。
落後不可怕，可怕的是你不知道自己在落後。想用數據更系統性地分析你的產業正在被哪些外力改變，CloudApps 的數據科學方法論提供了一套完整的分析框架。
還在猶豫 AI 對你的行業影響有多大？加 LINE 跟我們聊，每週分享一個「老闆能直接用的 AI 判斷框架」。
公司越小，越該想清楚。大公司導入 AI 失敗，頂多浪費一個部門的預算；小公司導入錯了，可能三個月的現金流就燒完。但反過來說，小公司決策快、沒有組織包袱，找對一個切入點，效果反而比大公司明顯。重點不是「要不要用 AI」，是「AI 會改變我這行的哪個環節」。
AI 取代的是任務，不是整個人。一個會計師的工作裡有「輸入發票」「核對數字」「跟客戶解釋報表」「判斷稅務風險」。AI 能搶走前兩項，但後兩項需要人的判斷力和信任關係。該擔心的不是員工會不會消失，是員工空出來的時間你有沒有給他更有價值的事做。
列出你公司裡「重複、規則明確、資料量大」的工作。報價計算、出貨排程、發票整理、庫存盤點，這些通常是 AI 最能幫忙的。挑一個最痛的、最花人力的，先做一個小實驗。不要一次想改造整間公司。
本內容僅供參考，不構成投資建議或法規遵循之保證。 文中之案例為情境模擬，實際效果取決於產業特性、企業規模、競爭態勢與內部執行力度。 具體的商業決策請結合公司實際情況評估。
