直接回答：不用先整理好——但要「找得到」。「等我們資料整理好再來」是我們最常聽到的緩兵之計，而它的結局十次有九次是：永遠不會開始。因為「整理資料」本身就是那件沒人有空做的事——這正是 AI 該接手的工作，不是它的入場門檻。
先搞清楚：你的資料現在是哪一級？
我們評估時第一件事就是幫你分級，因為不同級別的導入路徑和時程差很多：
| 級別 | 你的現況 | 導入路徑 | 到可用的時間 |
|---|---|---|---|
| A：有系統 | ERP、進銷存、共用磁碟有在用，檔案大致有歸位 | 直接串接建索引 | 約 1–2 週 |
| B：散裝 | Excel 每人一套、檔案在各自電腦、LINE 群組藏了一半決策 | 先圈出「要納入的範圍」再匯入，不求全 | 約 2–4 週 |
| C：紙本+人腦 | 圖面和單據在鐵櫃，關鍵邏輯在老師傅腦裡 | 掃描+OCR 批次處理，口頭經驗用訪談補 | 約 4–8 週，分批上線 |
重點：三級都能導入。差別只在路徑和時間，沒有哪一級是「不夠資格」。
哪些整理 AI 自己會做？哪些非得你的人不可？
AI 能代勞的（不用花你人力）：掃描檔辨識成文字（OCR，含手寫單據大部分可辨）、自動分類歸檔、重複檔案挑出來、不同檔名的同一份文件比對。這些以前要專人做幾個月的事，現在是導入過程的標準動作。
只有你的人能做的（也是評估時我們真正要你安排的）：
- 判斷「哪個版本算數」：同一張圖面有 v3 和 v5，哪個是現行有效？這是業務判斷，AI 不能替你決定。實務做法：指定一位懂流程的人，每週花 2–3 小時回答這類問題即可，不需要專職。
- 機密分級：哪些文件全公司能問、哪些只有主管能問（例如成本表、薪資）。這張清單列不出來，知識庫就不該上線。
- 劃範圍：從哪個部門、哪幾年的資料開始。質重於量——近兩年、最常被問的那些，優先。
情境試算（示意）：模具廠十年的資料怎麼上
一家模具廠有十年的報價單、圖面和修模紀錄，散在共用磁碟和三台電腦裡。錯誤做法是「全部整理完再上線」——光盤點就要兩個月。實際做法：
- 第 1 週：只匯入近兩年的報價單與對應圖面（約幾千份），知識庫先能回答「這家客戶上次類似件怎麼報」。
- 第 2–3 週：業務邊用邊回報「查不到什麼」，缺什麼補什麼——用使用行為決定整理優先序，不是憑空猜。
- 舊檔案和紙本：排在之後用 OCR 批次處理，上線不等它們。
這個順序的好處：第一週就有感、員工看得到用處，而不是花兩個月整理後熱情已經燒完。
誠實講一個例外
如果你的目標不是知識庫，而是要用歷史數據做預測（例如需求預估、良率分析），那資料的欄位一致性就真的要先處理——這種案子我們會在評估時直接告訴你前置清理需要多久、值不值得。問答型知識庫對資料亂度的容忍度高，預測型分析對資料品質的要求高，兩者不能混為一談。
常見問題
紙本圖紙和手寫單據真的能用嗎？
能。掃描後 OCR 辨識，印刷體辨識率很高，手寫看字跡——辨不清的部分會標記出來交給人確認，不會默默猜。
資料裡有錯的舊文件，AI 會不會學錯？
知識庫回答時會附出處，錯的答案查得到來源——發現錯文件就移除或標記作廢，隔天生效。這比「錯的經驗在老員工腦裡口耳相傳」容易修正得多。
這些整理服務要另外收費嗎？
OCR、分類、匯入屬於導入工作的一部分，包在專案裡；若紙本量特別大（上萬張）掃描人力會在評估時單獨列給你看，不會事後追加。
想知道你的資料是哪一級、路徑怎麼走？免費評估第一步就是幫你分級。相關閱讀：《老師傅的經驗怎麼變成知識庫》。
最後更新：2026 年 7 月
