兩週、四個人、六項專案：一個財務部門的 AI 學習小組

每個月，財務部門有 48～54 小時花在同一套重複工作上：業績審核逐筆比對、公務車紙本登記、差旅單逐筆加總、同一份資料在好幾個檔案之間手動貼上。換算下來，一年等於有三個多月的完整工時，被綁在重複勞動上。

更麻煩的是，部門裡其實已經有人會用 AI，但成果都集中在同一個人身上。她一請假，其他人還是照舊手工做。

AI 學習小組，是同一個部門的成員每人帶一件真實工作進來，在固定時間分享進度與卡關，一起用 AI 改善工作的學習方式。

01 / 現場紀錄學員做了什麼：每個人帶一件真實工作進來

帶領人自己的起點也很平常：一開始只拿 AI 查資料、翻譯，後來做簡報和公文，再把財務工作的規則一條一條說清楚，才做出業績審核、公務車登記、貸款管理的工具。

小組不從工具教起，而是請每位成員帶一件「重複、耗時、容易出錯」的真實工作，照著七個步驟走：

找出痛點 → 拆解規則 → 建立第一版 → 用真實資料測試 → 找出錯誤 → 回小組分享修正 → 保留可重複的做法

第一週就遇到的狀況是：第一版做出來，結果不如預期，卻分不清是資料的問題、指令的問題，還是規則沒說清楚。這也是小組最有價值的地方，卡住的人可以把真實例子帶回來，大家一起拆。

02 / 現場紀錄成果長什麼樣

小組的成果中，以下是已經有具體數據的四項，包括帶領人自己的兩個案例：

業績審核的 33.3%，指的是 1,070 筆中有 356 筆需要人工複核，人工把時間放在系統標出來的少數筆數上。

小組的六項專案，內容包括差旅申報、銷退扣回、營業申報串接、應收未回自動化、公務車費用對帳與公用事業管理，其中公務車費用對帳與公用事業管理的狀態，是「功能畫面已完成，效益驗證中」。所以這篇只放已經有數據的部分。

小組也很誠實地標出狀態：有些專案「已有實際數據」，有些還在「效益驗證中」，不把規劃中的東西講成已完成。

03 / 現場紀錄一句學員心得

「不是 AI 變聰明，而是我學會把問題問對、把規則說清楚。」 ——財務部門帶領人

小組也坦白說過，一開始的動機不是熱情，而是「開會要有東西報告」。制度讓行動先發生，成就感後來才接手。

04 / 現場紀錄你可以帶走的一個方法

不必先挑最大的工作，先挑一件每個月都會重複、做起來耗時、又容易出錯的事。請 AI 幫忙之前，先把這四件事寫下來：資料有哪些欄位、判斷條件是什麼、有哪些例外、希望輸出長什麼樣。小組發現，第一版失敗時，先回頭檢查這四件事有沒有說清楚，而不是先怪 AI。