「導入 AI 之後，到底省了多少？」這是主管最常問、團隊最常答不出來的問題。原因通常不在 AI，而在導入前沒有留下任何基準，上線後只能說「感覺比較快」。簡單的解法是在動手之前先量三個數字：單次處理耗時、每月處理量，以及錯誤與返工率。這三個數字不用花太多力氣，卻決定了後面每一個決策的說服力。
為什麼導入前一定要先量測基準？
nextOA 的四步工法是「量測基準 → 精簡流程 → 萃取規則 → 上線運行」，量測排在第一步，是因為它同時回答三件事：這個流程值不值得做、做完有沒有進步，以及要不要繼續投資。沒有基準，選題只能靠直覺；上線後比較不出差異；想向老闆爭取第二個流程的預算時，也拿不出證據。
量測基準也能反過來幫你篩選題目。TURBO 五條件裡的 Time-consuming（耗時）與 Repeat（重複）本來就需要數字支持，量過之後才知道哪個流程真的在燒工時，而不是「看起來很忙」。
該量哪三個數字？
1. 單次處理耗時
從開始處理到完成，一件事平均要多久。包含等待、找資料、來回確認的時間，不只是實際動手的時間。很多流程真正耗時的是「等人回覆」，而不是「做那件事本身」，這一點量過才看得到。
2. 每月處理量
一個月會發生幾次。單次耗時再長，一年只做兩次的流程也不值得優先自動化；單次只要五分鐘，但每天做上百次，累積起來可能是最大的工時缺口。耗時乘以處理量，才是這個流程每月實際吃掉的總工時。
3. 錯誤與返工率
每一百件裡有幾件需要重做、更正或被退回。這個數字常被忽略，但它直接影響成效判斷：如果 AI 處理得很快，卻讓返工變多，省下的時間其實又吐了回去。
怎麼用最低成本量？
不需要買系統，也不需要做完整的時間研究。中小企業比較務實的做法是抽樣：
- 選定一段觀察期：連續兩週，或抽一個典型月份，避開月底、年底這類特殊高峰。
- 請實際執行的同仁自己記：用一張簡單的表格，記每件的開始時間、結束時間與是否返工，每天花不到五分鐘。
- 至少收集三十件：樣本太少容易被極端案例影響，三十件左右通常已能看出大致的平均與範圍。
- 同時記下例外類型：哪些案子特別慢、特別容易出錯，這些會是下一步「精簡流程」與「萃取規則」的重要線索。
如果公司已有工單、簽核或系統紀錄，也可以直接從紀錄中撈時間戳記，比人工記錄更準。但不論哪種方式，重點是「導入前量一次、導入後用同樣方法再量一次」，口徑一致才能比較。
量測時常見的三個陷阱
- 只量「理想狀況」：請同仁估算「正常要多久」，結果比實際短很多。實際記錄才包含等待與例外。
- 只看平均值：平均五分鐘的流程，可能有一成案子要花半小時。這些長尾案例通常最需要規則補強，也最容易讓 AI 上線後的體驗不如預期。
- 量完就放著：基準數字如果沒有寫進導入計畫，三個月後沒人記得當初是多少。建議在專案文件中明確記錄量測日期、方法與結果。
量到的數字，怎麼變成上線後的成效報告？
上線運行一段時間後，用同樣口徑再量一次，並對照三個基準：單次耗時降了多少、同一批工時能多處理多少件、返工率是升是降。再搭配「自動處理比例」與「轉交人工的比例」，就能完整描述這個流程目前的狀態。
呈現給主管時，建議用「每月省下幾小時」這種直白的單位，而不是「效率提升百分之幾十」。前者能直接換算成人力成本與可釋出的時間，後者則比較難讓非技術背景的人有感。如果數字沒有如預期進步，也不是壞事，它會明確指出問題出在規則、例外還是流程本身，讓下一輪調整有方向。
小結：先量，再談自動化
導入 AI 不需要從複雜的分析開始，但需要從幾個清楚的數字開始。單次處理耗時、每月處理量、錯誤與返工率，這三個基準花一兩週就能收集完成，卻能支撐選題、驗證成效，以及未來爭取更多資源。下次評估要不要把某個流程交給 AI，不妨先問自己一句：這個流程現在的基準數字是多少？答得出來，再往下走。