SOP 如何整理成 AI 可以回答的知識？先做 POC，讓問題告訴你該整理哪裡

公司作業流程SOP 要變成 AI 可以回答的知識，不是先把所有文件重寫一遍，而是先做 POC。

POC 就是小範圍試跑：選一組 SOP、放進 AI 知識庫，用真實工作問題測試 AI 能不能找得到、答得準、講得清楚、知道何時轉交真人。測不過，再回頭補情境、補規則、補 FAQ。這樣整理 SOP，才不會變成文件大掃除，而是一次精準的知識訓練。
企業現場觀察：SOP 有些像說明書，有些像便利貼
企業裡的 SOP，通常不是整齊劃一的。
有些寫得很詳細，連表單欄位、簽核順序、系統畫面都寫清楚。
有些寫得很簡單，只留下幾句流程摘要。
有些版本很多，大家都看過，但不確定哪一份才是最新版。
有些根本不在文件裡，而是在老員工的經驗裡。
所以，當企業想建立 AI 知識庫時，不需要一開始就問：
「我們要不要把 SOP 全部重寫？」
比較好的問題是：
「這些 SOP 能不能支撐 AI 回答真實工作問題？」
這件事不要用猜的，要用 POC 測。
AI 像一位剛入職的新員工。你不用第一天就把全公司教材重編一遍，而是先給他一份教材，請他回答現場最常遇到的問題。答得好，代表教材夠用；答不好，才知道要補哪一頁。
POC 是什麼？不是展示，而是試跑
POC 是 Proof of Concept，中文可以理解為「概念驗證」或「小範圍試做」。
在 AI 知識庫裡，POC 不是要證明 AI 很神，也不是做一場好看的 Demo。
POC 的真正目的，是回答三個問題：

1. 現有 SOP 能不能被 AI 找到？
2. AI 能不能根據 SOP 回答員工的真實問題？
3. 哪些 SOP 需要補強，才能讓 AI 回答得更可靠？

說白話一點，POC 就是讓 SOP 先上場跑一小段路。
不用一開始就修全公司文件。
先看它跑不跑得動。
跑不動，再看是鞋子不合、路線不清，還是地圖少畫一段。
為什麼要先做 POC，而不是先整理所有 SOP？
因為 SOP 的品質不會平均分佈。
有些 SOP 已經可以直接用。
有些只缺一點使用情境。
有些缺角色分工。
有些缺例外處理。
有些則是看起來有 SOP，其實真正的判斷都在主管腦中。
如果一開始就全面整理，容易變成大型文件工程：開會、改格式、補欄位、重新編號、審核版本，忙了很久，卻還不知道 AI 到底能不能用。
POC 的價值，就是先把問題照出來。
AI 不是魔法棒，它比較像放大鏡。
SOP 清楚，它放大效率。
SOP 缺資料，它幫你看見缺口。
SOP 寫得太抽象，它會讓你知道哪裡需要補白。
如何做 SOP 的 AI 知識庫 POC？
POC 不需要複雜，建議用四個步驟就好。
第一步：選一個高頻場景
不要一開始選全公司 SOP。
先選一個高頻、重複、低風險的場景，例如：

• 客服客訴處理、業務報價查詢、新人報到流程、請款與核銷流程、產品保固查詢、訂單變更流程等。

假設我們選「客服客訴處理 SOP」。
放進 POC 的資料可以包含：
客訴處理 SOP、產品保固規則、退換貨條件、客服標準回覆、常見客訴案例、主管升級處理原則。
這樣範圍夠小，問題也夠真實。
第二步：設計 30 題真實測試題
測試題不要由資訊部門憑空想，應該請第一線同仁提供。
題目要像員工真的會問的話，而不是文件標題。
以客服客訴為例，可以設計這些題目：
客戶說產品不能開機，第一步要請他提供什麼資料？
客戶沒有發票，還可以受理保固嗎？
產品已超過保固期，但客戶很不滿，客服可以怎麼回？
客戶要求退費，客服可以直接答應嗎？
什麼情況需要轉交主管？
客戶只傳照片，沒有訂單編號，下一步怎麼做？
客戶說已經反映三次了，這算不算升級案件？
客戶要求今天一定要處理完成，可以承諾嗎？
如果產品是人為損壞，客服怎麼說比較合適？
客訴紀錄要填在哪個系統欄位？
這些題目有一個共同特色：它們不是問「SOP 第三條是什麼」，而是問「我現在遇到狀況，下一步該怎麼辦」。
這才是 AI 知識庫真正會遇到的問題。
第三步：用 5 個標準檢驗 AI 回答
POC 不是看 AI 回答得順不順，而是看回答能不能用。
可以用五個標準檢驗。
1. 找得到
AI 能不能找到對應 SOP 或資料？
如果問「客戶沒有發票還能保固嗎？」AI 卻找不到保固規則，代表文件標題、分類或內容描述可能需要調整。
2. 答得準
AI 的回答有沒有符合公司規則？
例如 SOP 明明寫「退費需主管覈準」，AI 卻回答「可以直接協助退費」，這就不通過。
3. 說得清楚
AI 有沒有講出下一步？
不好的回答是：
「請依公司流程處理。」
好的回答是：
「請先確認訂單編號、購買日期與產品照片；若符合保固條件，可建立客訴紀錄；若涉及退費，需轉交客服主管確認。」
AI 不是隻要有禮貌，還要有行動指引。
4. 知道邊界
AI 是否知道哪些問題不能自己決定？
折扣、退費、合約、重大客訴、特殊交期，通常都要轉交真人。
一位好用的 AI 知識助理，不是什麼都搶著回答，而是知道什麼時候該說：「這題需要主管確認。」
5. 引用正確
AI 回答時，能不能指出依據哪份 SOP 或哪條規則？
如果 AI 答案看似合理，卻找不到來源，主管很難放心。
AI 知識庫要能被信任，不能只會說，還要說得出根據。
第四步：用測試結果決定 SOP 要怎麼修
POC 完後，不要只寫「成功」或「失敗」。
要把每一題分成四類。
A 類：可以直接使用
AI 找得到、答得準、說得清楚，也引用正確。
這類 SOP 不用重寫，只要維持版本管理。
B 類：資料找得到，但回答太空
例如 AI 一直回答「請依流程辦理」。
這代表 SOP 有流程名稱，但缺少操作步驟或下一步指引。
調整方式：補上明確步驟。
C 類：答案不穩定，因為規則太模糊
例如 SOP 寫「金額較大需主管覈準」。
AI 不知道「較大」是多少。
調整方式：把模糊文字改成判斷條件。
例如：
「單筆退費超過 3,000 元，需客服主管覈準。」
D 類：SOP 裡根本沒有這個情境
例如員工常問「客戶沒有發票怎麼辦」，但 SOP 沒寫。
調整方式：補 FAQ 或例外處理。
這就是 POC 最有價值的地方：它不是叫你全面重寫，而是告訴你哪裡值得整理。
具體例子：一份客訴 SOP 怎麼通過 POC？
原本 SOP 寫：
「客服收到客訴後，需建立紀錄，依情況處理，必要時通知主管。」
這句話人看得懂，但 AI 很難回答細節。
POC 測試題：
「客戶說產品用了兩週就故障，要求退費，客服可以直接答應嗎？」
AI 可能回答：
「請依客訴流程處理，必要時通知主管。」
這個答案不夠用。
原因不是 AI 不聰明，而是 SOP 沒有寫清楚：
退費誰能決定？
兩週內故障算什麼情境？
要先換貨、維修還是退款？
客服能不能承諾？
要收集哪些資料？
調整後 SOP 可以補成：
「客戶提出退費要求時，客服不得直接承諾退費。請先確認訂單編號、購買日期、產品照片與故障描述。若產品仍在保固期內，優先依維修或換貨流程處理。若客戶堅持退費，需建立客訴紀錄並轉交客服主管覈準。」
再測一次，AI 就比較可能回答：
「客服不能直接承諾退費。請先收集訂單編號、購買日期、產品照片與故障描述；若仍在保固期內，優先依維修或換貨流程處理；若客戶堅持退費，需建立客訴紀錄並轉交客服主管覈準。」
這才是 SOP 變成 AI 可回答知識的過程。
不是把文件寫得更長，而是把關鍵判斷補上。
管理建議：POC 要小，但題目要真
企業做 SOP AI 知識庫 POC，記住三個原則。
第一，範圍要小。
先選一個部門、一個流程、一批 SOP，不要一開始全公司一起做。
第二，題目要真。
測試題一定要來自第一線，不要只用主管想像中的標準問題。
第三，判斷要具體。
不要只問「AI 好不好用」，而是檢查找得到、答得準、說得清楚、知道邊界、引用正確。
POC 通過後，再擴大。
POC 沒通過，就回頭補資料。
這才是比較務實的 AI 知識庫導入方式。
FAQ：SOP 如何透過 POC 變成 AI 可以回答的知識？
POC 是什麼？
POC 是小範圍試做，用來驗證一個想法是否可行。在 AI 知識庫裡，POC 是把一批 SOP 放進系統，用真實問題測試 AI 能不能回答，並找出 SOP 需要補強的地方。
POC 要怎麼測試？
先選一個高頻場景，例如客服客訴或業務報價。接著整理 30 到 50 題第一線常問的問題，讓 AI 根據 SOP 回答，再檢查答案是否找得到資料、答得準、說得清楚、知道何時轉交真人，並且能引用正確來源。
POC 沒通過代表 AI 工具不好嗎？
不一定。常見原因是 SOP 缺少使用情境、角色分工、判斷標準、例外處理或 FAQ。POC 沒通過，反而能幫企業看見資料缺口，知道要從哪裡補強。
SOP 寫得很詳細，還需要 POC 嗎？
需要。SOP 詳細不代表 AI 一定能回答得好。POC 可以檢查 SOP 是否能支撐真實問題，而不只是文件看起來完整。
POC 後 SOP 要怎麼調整？
根據測試結果調整。找不到資料，就改善分類與標題；回答太空，就補步驟；規則模糊，就補判斷標準；沒有情境，就補 FAQ 或例外處理。
下一步建議
如果你的企業已有 SOP，但不知道哪些文件適合先放進 AI 知識庫，可以先從「AI 知識庫 / RAG 導入顧問」開始。
做法不是一開始重寫全部 SOP，而是先選一個高頻場景做 POC：
用真實問題測試 AI，找出 SOP 缺口，再精準補強。
不要急著整理所有文件。
先讓 AI 試著回答，答案會告訴你，資料該整理在哪裡。
________________________________________