最好的首個 AI 項目，通常不是最吸引眼球的示範，而是團隊已經理解、持續重複，而且最希望消失的工作流程。
選擇很重要，因為早期項目會建立公司對 AI 的第一批證據。一套每週穩定節省五小時的窄範圍自動化，能建立信心；一個答案不穩定的廣泛助理，反而會令之後每個項目更難獲批。
七條問題清單
1. 流程是否每星期都會發生？
頻率會累積價值及學習。一年只做一次、每次三小時的工作，通常不是好對象；每天早上重複二十分鐘的工作，可能非常適合。可留意接收、分類、對數、報告、跟進及狀態更新。
2. 有沒有人能解釋現有流程？
如果沒有人能描述步驟、決定及例外，自動化只會揭露模糊之處，而不會替你解決。指定一位流程負責人，提供真實例子並決定甚麼才是正確輸出。
3. 輸入和輸出是否清晰？
好的對象有可觀察的邊界。輸入可以是一封電郵、表格、PDF 或試算表列；輸出可以是任務、已批核紀錄、通知或儀表板更新。「幫團隊做得更聰明」並不是可用邊界。
4. 決策是否可以解釋？
AI 可以分類及擷取資料，但企業仍要定義信心及覆核規則。哪些個案可以自動繼續、哪些需要人員處理，以及資料欠缺時怎麼辦，都應事先說明。
5. 能否提供代表性樣本？
只用理想輸入建造的示範，證明不了甚麼。應收集正常例子、罕見例子及已知失敗，盡可能移除個人或敏感資料，並由了解真實營運的人員測試。
6. 成果能否量度？
選擇一至兩項結果：處理時間、回應時間、錯誤率、積壓、完成透明度，或製作報告所需時間。建造前先記錄基線，否則項目可能看似先進，卻未產生價值。
7. 範圍能否被控制？
首個 Sprint 應盡量只接觸少量系統。「一個輸入、一條決策流程、一個目的地」是很好的形狀。如果概念需要全新公司資料模型、五個部門批准及更換核心平台，應先拆細。
三個常見首個項目
- 要求接收：從訊息或文件擷取資料，判斷類別及緊急程度，建立有負責人的任務。
- 管理摘要：從穩定來源取得資料，發送一致的每日或每週摘要。
- 紀錄控制：取代有重複輸入、責任不清或欠缺歷史紀錄的共用試算表。
首個 Sprint 應避免甚麼
避免高風險自主決策、目標模糊的內部聊天機械人，以及必須所有員工同時改變行為才有價值的項目。也不要只因供應商示範吸引而選擇流程；先由營運成本出發，再選技術。
首個項目的目標不是「採用 AI」，而是令業務其中一部分可量度地改善，並建立一套安全、可重複的方法去建造下一項改進。