AI Operations 2026年4月17日 7 min read

小店老闆的 AI 轉型三步驟:先做人類決策,再談自動化

80% 的老闆導入 AI 會卡在第一步,因為他們把『工具』當成『決策』在買。寫給想認真開始、但還沒找到施力點的亞洲小店主——三個月內會有感的三步驟。

有一個早上我打開 Telegram,看著堆積的通知,突然愣住。

我根本不知道,我要對這些東西做什麼。

那個愣住的感覺持續了幾秒。然後我關上手機,去泡了一壺咖啡,坐下來想了一件事:我花這麼多時間搭的這些自動化,到底是在服務誰?

那是我開始搞 AI 自動化大概半年之後的事。n8n 排好排滿、Claude 每天生草稿、Discord 準時播報——從外面看,這是一套很健全的系統。問題在:它產出的每一件事,我都不知道要拿來做什麼。

那一刻我才意識到一件事——自動化之前那個「人的決策」,才是整件事能不能真正運作的地方

寫這篇,是因為最近愈來愈常被問:「Penso,我想幫我的店導入 AI,應該從哪裡開始?」

我的答案不是從工具開始。是從決策開始。


為什麼 80% 的老闆第一步就卡住

我觀察過身邊至少 20 個想導入 AI 的店老闆,包括我自己。大多數人的失敗點都在同一個地方:

他們把「工具」當成「決策」在買

意思是——老闆心裡想的是:「我店裡亂糟糟的,買一套 AI / 裝一個系統,它會幫我變整齊。」

這個想法聽起來合理,但它錯在一個假設:以為工具能替你決定什麼是重要的

工具不會。工具只會執行你給它的指令,而且執行得很忠實。如果你的指令本身不清楚,工具就把不清楚的事重複一百次給你。自動化的本質不是讓你少想,是把一個你已經想清楚的決策,打包成不需要手動觸發的機制

沒想清楚的決策 + 強大工具 = 每天自動產生的雜訊。


步驟一:列出你每天重複的「決策」,不是「動作」

第一步很關鍵,但大部分人做錯。

錯誤的做法是:列出你每天做的事情。比如「打卡進貨、回客人訊息、對 POS、貼粉專、整理收據」。

這是動作清單,不是決策清單。

正確的做法是:把每個動作背後的「判斷」挖出來

以月島為例,我的動作清單曾經長這樣:

動作每週頻率
打電話給供應商下單3-4 次
回客人訂單訊息50+ 次
看 POS 報表7 次
貼粉專3 次

把它挖成決策清單之後:

決策每週頻率判斷依據
今天要補多少草莓?3-4 次接下來 3 天預估銷量、季節、配方
這個客人的問題我要怎麼回?50+ 次訂單金額、客人熟悉度、問題類型
生意有沒有出問題?7 次對比上週同時段、熱門品項變化
這週要講什麼故事?3 次當季氣味、角色進度、店內狀態

你看差別。

動作是你手的動作,決策是你腦的動作。自動化做的不是你的手,做的是你的腦——前提是那顆腦袋想的事情有辦法說清楚。

花一週時間,認真寫下你每天的決策。不是「我做了什麼」,而是「我在什麼時候、根據什麼、決定了什麼」。

這一步做完,你就贏了大多數買課程買工具的人。


步驟二:選一個最痛的決策,做代理人 proxy

不要全部一起自動化。選一個

挑選邏輯:頻率高、有明確輸入、出錯後果可承受

以月島為例,我第一個挑的是「庫存補貨決策」。原因:

  • 頻率高:每週要做 3-4 次
  • 有明確輸入:Loyverse 銷售資料 + BOM(配方用料)+ 當前庫存
  • 出錯後果可承受:算錯了,頂多多買或少買,不會傷到客人

你的店可能不一樣。你的第一個決策也許是:

  • 「客人問『今天還有什麼』時我要怎麼回」(餐飲)
  • 「這張訂單要不要接」(接案工作室)
  • 「這個月哪個客人該追蹤」(服務業)

選一個就好。不要貪心。

然後做一件關鍵的事——做代理人 proxy,不是直接自動執行

Proxy 的意思是:讓 AI 幫你想出一個「建議」,推到你的手機上,由你按確認或修改。它不直接動手。

我當時的流程長這樣:

Loyverse 抓昨日銷售

Claude 對照 BOM 反推用料

對照當前庫存 → 算出「建議補貨量」

Telegram 推給我:「建議補草莓 2 kg、千層皮 3 kg」

我回 ✅ 確認、✏️ 修改、或 ❌ 拒絕

確認後才寫進採購單

這個階段很重要——不是讓 AI 做決定,是讓 AI 幫你做決定的草稿


步驟三:先通知、不自動執行——讓代理人跑 2 週才放權

第三步是多數人不願意做的事:忍耐

讓那個代理人跑至少兩週,你只負責確認或修改它的建議。兩週中如果它每次的建議都跟你自己想的差不多,才考慮放權讓它半自動執行。

為什麼?兩個原因。

原因一:你在校準它,不是它在服務你。這兩週是訓練期——你每次修改它的建議,都是在告訴系統「嘿,你漏掉了這個因素」。等到它連續兩週命中率 > 90%,放權才安全。

原因二:你在校準你自己。你以為你每天在做「庫存決策」,但很多時候你其實是憑直覺。寫出來、對照 AI 的建議,你才會發現自己真正的判斷依據是什麼。這件事比自動化本身還有價值。

放權的順序我會建議這樣:

  1. 前 2 週:AI 只推建議,你全手動確認
  2. 第 3-4 週:AI 的建議低於某個金額門檻(比如單次採購 NT$500 以下)可以自動執行,超過要你確認
  3. 第 2 個月以後:高信心的品項全自動,你只收摘要

注意:跟花錢、改客人資料、對外發布內容有關的動作,我建議永遠留在手動確認。這是我踩過坑之後定下的一條硬規則——就算跑了一年,我 Blog 文章和採購大筆訂單還是人按鈕。


一個真實案例:月島的庫存補貨代理人

讓你有畫面感,我把月島第一個代理人的前後對比攤開來。

導入前(2025 年中):

  • 每週三、五晚上花 1 小時估計下週用料
  • 用 Excel 手動對配方、對庫存
  • 月均 6-8 次出錯:少拿、買錯規格、忘了補冷藏
  • 出錯一次的影響:臨時跑材料行、週末出品少一樣、客人失望

導入代理人後(2026 年 3 月):

  • 每天早上 8:00 收一則 Telegram:「建議補草莓 X、千層皮 Y」
  • 我在通勤路上按 ✅ 或微調
  • 月均出錯 < 1 次(而且那一次通常是我自己按錯)
  • 每週省下的時間:約 2.5 小時

這一個代理人,就幫我省掉一整個週末晚上。而且它不是我花錢買的——它是我花兩週時間,把「庫存補貨」這件事的判斷邏輯想清楚之後,用 n8n + Claude 自己搭的。

那兩週想清楚的事,比那套系統值錢 10 倍


今天可以做的一件事

找一張 A4 紙,對折。

左邊寫「我這週做了哪些動作」。右邊寫「這些動作背後,我在做什麼決策」。

先寫 10 行。

你會發現一件事:你每天其實沒有做那麼多決策。大部分「忙」是在執行早就決定好的動作。真正耗你腦力的決策,可能只有 3-5 個。

挑那 3-5 個裡面最痛的一個,就是你導入 AI 的起點。

不是工具的起點。是你自己想清楚的起點。


最後

自動化系統看起來是技術問題,做久了才發現是哲學問題。

你在打造一個替身——一個在你睡覺、備料、跟家人吃飯的時候,替你執行決策的替身。那個替身的品質上限,是你對自己決策的清晰度。

所以寫清楚決策,比買工具早一步。把「為什麼做」想清楚,比學「怎麼做」早一步。

下一篇,我會拆我現在在月島同時跑的三個代理人架構——庫存代理人、銷售摘要代理人、內容 review 代理人。每一個都會告訴你它卡過什麼、怎麼校準的、現在的命中率如何。

如果你正在走這條路,或打算開始走,歡迎私訊我聊聊你那個最痛的決策。我不會給你「正確答案」——我自己也還在摸——但至少可以幫你把問題問得更清楚一點。


FAQ

我列出來的決策太多,不知道從哪個開始? 挑「你一邊做一邊心裡會煩的那個」。理性上可能不是最重要的,但情緒上最有感的那個。人對這件事的動力會持續最久,代理人的校準期才撐得過去。

我的判斷很靠直覺,寫不出明確依據怎麼辦? 那就更該寫。逼自己寫的過程,你會發現「直覺」裡其實有 3-5 個真實的判斷變量,只是你從來沒把它們攤開。攤開之後你會更信任自己的直覺,也更能教給代理人。

代理人跑了兩週表現不好,是不是我選錯決策了? 不一定。可能是「輸入資料不乾淨」(例如庫存數字沒即時更新)或「判斷依據還沒說清楚」。先別急著換決策,先檢查 input 和 prompt。這兩個改完再沒進步,才考慮換題目。

如果我根本沒在做重複決策,我是不是不需要 AI? 可能是。也可能你把決策外包給焦慮了——每件事當下看都很新,其實背後有重複的模式。建議找一個同產業、認真在做的人聊聊,旁觀者比較容易看出你的重複模式。

More logs are being generated from the Penso-OS source of truth.

Back to logs