先講一個我自己也踩過的狀況。
系統做完，demo 那天所有人都很滿意。三個月後回去看，沒人在用。不是壞了，是沒人記得要用它，也沒人知道它出錯的時候該找誰。
這件事不只發生在我們身上。Gartner 在 2026 年的資料裡說，89% 的 AI agent 試點沒能進到正式營運。McKinsey 的年度調查則說，已經有 78% 的企業至少在一個職能上用了 AI——兩個數字放在一起看才有意思：大家都在做，但大部分都停在做完那一刻。
卡住的地方通常不是模型
我們接手過幾個「上一手做到一半」的案子。拆開來看，理由重複得有點無聊：
第一，沒有人擁有它。系統交付給「公司」，但公司不是一個會按按鈕的人。沒有指定誰負責每天看它、誰有權改它，它就會慢慢變成一個沒人敢動的東西。
第二，跟現有流程沒接上。AI 產出一份報表，但團隊還是習慣打開原本那張 Excel。這時候 AI 不是幫手，是多一份要對照的東西。
第三，壞掉的時候沒有 B 計畫。自動化一定會有失敗的那一次。事先沒說好「失敗就退回人工、並且通知誰」，第一次出錯之後大家就默默不用了。
這三件事都跟模型好不好無關。它們是流程問題，只是穿著技術的外衣出現。
我們現在的做法
先問一句：這件事現在是誰在做？
如果答不出具體的人，那多半還不到做系統的時候——先把流程講清楚比較快。如果答得出來，接著問三個：他每天花多久、做錯的後果是什麼、做完之後資料去哪裡。
這三題答完，通常就會發現真正該自動化的不是原本以為的那一段。
早餐店連鎖那個案子就是這樣。一開始講的是「想要一個報表系統」，聊完才發現痛點在四家店的資料格式不一樣，人得先手動對過一次才能做報表。真正要解的是資料進來的那一段，不是產出報表那一段。
一個不太受歡迎的建議
先做小的，而且先做會痛的那個。
大家通常想先做最有展示效果的功能，因為好交代。但展示效果好的功能往往不是每天要用的功能，做完沒人碰，就變成上面說的第一種死法。
會痛的那個不一樣。它每天都在痛，所以只要有效，不用推廣也會有人用。
這樣做的代價是：第一版看起來會很不起眼。你得接受一個「只解決了一件小事，但真的每天有人在用」的系統，而不是一個功能很多、但月底才有人打開一次的系統。
我們寧可交付前者。
如果你手上剛好有一個做到一半、或者做完沒人用的系統，免費需求診斷可以先幫你看是卡在哪一段。不合適的我們也會直接說。