讓 AI 讀懂排給人看的 Excel
不要求資料正規化、不改變交付檔案的樣態，由 AI 判讀非結構化文件，匯入系統前由人把關
Overview
| 客戶 | 台灣自有品牌零售企業（20 餘家實體門市＋電商通路） |
| 領域 | 包款與配件零售、海外採購、倉儲物流 |
| 專案期程 | 9 個月 |
| 角色 | 首席顧問／轉型架構師 |
現實：Excel 是排給人看的
在多數中型企業，Excel 不是資料庫，而是排版工具。一張供應商訂單，是公司與工廠之間的溝通文件：版單圖直接貼進儲存格、建議售價寫在某一列的標籤旁邊、同一個欄位在不同訂單裡落在不同位置。它的讀者是人，所以「A 欄永遠是貨號、B 欄永遠是顏色」這種假設從來不成立。
結果是同一份資料在多處人工重複：每張訂單進來，商品資料要在 ERP、銷售系統、各平台與多份 Excel 之間重複建檔，共 4 處手動重複；發票到貨後，到貨數與餘數再逐筆回填。
常見的解法是先要求「資料正規化」：設計一份固定欄位的模板，請同仁與工廠改用它。這條路在現實中很難走下去——它把系統的需求轉嫁給人，增加同仁與工廠的負擔，也破壞了原本運作良好的溝通方式。模板推不動，自動化就卡在第一步。
這個計劃選擇了另一條路：
現實 → 不改變交付檔案的樣態與行為 → 由 AI 判讀非結構化資料 → 匯入系統前保留人工檢視與調整。
原則一：不改變交付檔案的樣態與行為
訂單格式與內容維持不變，公司與工廠之間仍用相同的溝通方式與基本欄位；僅為 AI 讀取做少量版面最佳化（例如版單圖儘量放大），主要欄位與呈現方式都不動。
同仁的操作也幾乎不變：把訂單或發票放進指定資料夾、按一個選單。唯一新增的約定是檔名規則（帶訂單號、批次），讓系統能判斷「這張處理過沒有」。
讓系統適應人的工作方式，而不是要求人適應系統。
原則二：RPA 與 AI 分工，由 AI 判讀非結構化資料
AI 讀的不是固定欄位，而是像人一樣讀版面。但 AI 並不是整條流程的主角——設計上把工作切成兩種：規則確定的交給 RPA，需要「看懂」的才交給 AI。
- RPA 負責流程與規則：收檔、依檔名辨識訂單號與批次、防止重複處理、搬移已完成與失敗的檔案、失敗自動重試、依「欄位編碼對應表」標準化、產出 ERP 可匯入的檔案。這些步驟每次都該得到一樣的結果，不需要判斷。對應表由同仁自行維護，新增色碼或類別不必改程式。
- AI 負責判讀：從排給人看的版面裡找出貨號、顏色、尺寸、價格、材質——這正是規則寫不出來、過去只能靠人眼的部分。
兩者也刻意互相校驗：
- AI 之前先擋：一張訂單只能有一個款號、款號要與貨號一致。不符合的整張不處理，移到錯誤資料夾，並告訴同仁怎麼修。
- 能直讀就不靠 AI：建議售價以標籤定位、直接讀儲存格（隱藏列也讀得到）；格子與 AI 讀到的值不同時，採格子並提醒。
- AI 讀完再核對：發票讀入後，再與發票原始表格比對訂單號與色碼；對不上的列標出來請人抽查，不會默默寫入。
這樣的分工讓 AI 只用在真正需要它的地方：結果更可預期，出問題時也容易分辨是規則還是判讀出了錯。
原則三：匯入系統前，人一定看過
AI 的判讀結果不會直接寫進 ERP，中間永遠隔著一層人工檢視與調整（Human-in-the-Loop）。這一層依幾個設計原則運作：
- AI 的結果先進暫存區，不直接進系統：同仁在暫存區檢視、補上需要判斷的欄位、修正讀錯的地方。
- 分清楚誰負責哪一欄：每一欄標明由系統或由人填，同仁知道該看哪裡、該補哪裡。
- 人的修改要被保留，也要被下一次匯出捕捉到：重新讀入不會蓋掉人填的內容；人改過的資料會自動列入下一次匯出。
- 最後一步由人執行：系統只產出匯入檔，同仁核對後自己匯入系統。
- 異常要附處理方式：出錯時告訴同仁下一步怎麼做，處理完才算結案。
AI 讀錯的地方，在變成系統錯誤之前就被人攔下；資料的責任也始終留在使用者手上。
同一份資料走完整條價值鏈
這套做法沿著商品價值鏈展開，同一份資料從訂單開始，一路接到發票、到貨，最後配到每一家門市。每一段都依同樣的分工運作：
- AI 做什麼：讀懂訂單與發票，把版面上的資訊整理成可以前後勾稽的資料。
- 人檢查什麼：補上需要判斷的欄位、核對對不上的地方，並做最後的配貨決定。
- 出錯怎麼修：資料不齊或對不上時，流程先停下並標出問題，不會默默往下走；修正後重新讀入即可，不會產生重複資料，也不會蓋掉人已經改好的內容。
在價值鏈的銷售端，同一個「系統整理、人判斷」的原則延伸到定期產出銷售排行、每週門市調貨建議、Looker 互動銷售圖表、設定與追蹤銷售目標、區主管班表，以及 NotebookLM 門市知識庫。
量化成效
- 商品建檔：從 4 處手動重複建檔、貨號手動編碼、手動記錄每一筆新建商品貨號，到 AI 讀入訂單建立一份商品主檔；定義貨號規則後自動更新貨號總表，不需手動維護
- 商品建檔 ERP 匯入：從約 15 分鐘縮短到 5–10 分鐘，不再手動輸入金額，並省下兩張手工表
- 定期產出銷售排行：從每週 2.5–3 小時縮短到約 15 分鐘，省下約 80% 的時間，一年約 104–130 小時
- 設定與追蹤銷售目標：從每月約 60 分鐘縮短到約 8 分鐘，省下約 87% 的時間
- 商品入庫配貨自動化：從每日 2–3 小時縮短到約 5 分鐘
產出規模：9 項交付工具、5 層單一事實來源（帳號、商品、到貨、銷售、知識）、13 份交接文件。使用者對商品建檔的評價是「完成百分之百」。
省下的時間是可衡量的結果；但這套做法更重要的價值是結構性的——訂單第一次成為可追溯的權威來源，而同仁與工廠幾乎不必改變工作方式。
給經營者的一句話
導入 AI 不一定都要改變既有的做事方式，而是在優化流程的過程中，找到 AI 能夠協助的切入點。在這個案例中，切入點是讓 AI 去適應人的文件，再讓人守住進入系統前的最後一關。