IL 301 · 模組 2

流程與使用者訪查

記錄現況流程的實際運作、不同案件與人員的工作難度差異，以及不願使用 AI 的真實原因。

已完成 0 / 3

學習目標

60 分鐘

IL 101 與 IL 201 已經畫過一次現況流程圖，但從 Charter 核准到 Pilot Kickoff 通常已經過了數週到數月，流程可能已經改變。IL 301 的流程訪查不是重複畫圖，而是重新驗證：現在的實際做法，是不是還跟文件上寫的一樣？

現況流程重新驗證清單
項目	重新驗證的問題
步驟順序	實際執行順序是否和舊流程圖一致？有沒有新增的例外處理步驟？
處理時間	每個步驟現在實際花多久？是否因為人力異動而改變？
覆核與重做	目前覆核比例與重做比例是多少？是否比 IL 101 baseline log 記錄的更高或更低？
系統與工具	是否換過系統、新增了新的工具或表單？

注意

常見錯誤：直接沿用 IL 101 的 baseline log 作為 Pilot 的比較基準，卻沒有確認現況是否已經改變。若現況已經改變，必須重新採樣，否則後續評估的「進步」可能只是基準過時造成的假象。

重點: 流程訪查的重點是重新驗證現況是否還跟舊文件一致，而不是假設一切都沒有變。

60 分鐘

把整個流程的處理時間當成單一平均值，會掩蓋掉真正重要的變異：新手與資深人員的處理時間可能差三倍，簡單案件與複雜案件的處理時間可能差十倍。Pilot 的比較基準必須先切分出這些差異，否則平均值會讓 AI 的效果看起來被高估或低估。

工作難度差異的常見切分維度
維度	SYN-CS-001 範例
案件類型	normal／missing_context／conflicting_sources／outdated_source／no_answer／restricted_access 六類，各自難度不同
人員資歷	新進客服（<3 個月）／資深客服（>1 年）處理相同案件的時間差異
尖峰／離峰	尖峰時段處理品質是否因為時間壓力而下降
系統穩定度	系統當機或延遲時，人工流程如何應變

資訊

記錄差異的目的不是要挑出「最難的案件」來否定 AI 的價值，而是要讓後續 Module 6 的評估能對照相同難度的案件，避免把「AI 只處理了簡單案件」誤判成「AI 全面提升效率」。

重點: 沒有先切分工作難度的基準，後面的評估很容易把「案件變簡單」誤判成「AI 變厲害」。

60 分鐘

Pilot 常見的失敗原因不是技術做不到，而是使用者實際上沒有真的使用，或者陽奉陰違地繞過 AI 輔助。與其等 Pilot 結束才發現採用率低，不如在訪查階段就先聽懂抗拒背後的具體原因。

不願使用 AI 輔助的四種常見類型
類型	具體徵兆	對應方向
技能型	不熟悉新介面、不知道怎麼判斷 AI 建議是否可信	教育訓練、提供可核對的引用來源
信任型	曾經被錯誤建議誤導過、擔心 AI 犯錯自己要負責	透明呈現信心程度、明確人工核可流程
流程型	AI 輔助讓原本一步變成兩步（先看 AI 建議再自己重做一次）	重新設計流程，讓 AI 真正減少而非增加步驟
誘因型	擔心效率提升後工作量或人力配置被縮減	在 Kickoff 就與 Sponsor 對齊人力政策，公開溝通

練習：進行三場合成訪談（使用 SYN-CS-001）
以示範服務公司 A 的三位合成客服人員為訪談對象：一位新進、一位資深、一位曾因系統問題被客訴的同仁。
訪談 1：新進客服
記錄她對 AI 建議可信度的疑慮，屬於技能型還是信任型？
訪談 2：資深客服
記錄他認為 AI 輔助是否讓流程變成兩步，屬於流程型嗎？
訪談 3：曾被客訴的同仁
記錄他對「AI 建議出錯誰負責」的看法，並判斷這是信任型還是誘因型疑慮。
整理成訪查摘要
把三場訪談的疑慮各自歸類，並各自寫出一個具體的對應方向。

自我檢測

某位資深客服反映「用了 AI 建議之後，還是要自己重新查一次才能確定對不對，感覺變成做兩次工」，這最主要屬於哪一種不願使用的類型？

流程型：AI 輔助沒有真正減少步驟，反而讓流程變長誘因型：擔心工作量被縮減技能型：不熟悉如何操作新系統

重點: 不願使用 AI 的原因很少是單純「不想改變」，拆解成技能、信任、流程、誘因四種類型，才能對症設計 Module 4 的解決方案。