案例性質：以下是一個 SasaDaily 假設示範案例，用來說明小型企業如何使用 Google Workspace Studio 建立 AI 工作流程。公司、人數、案件量與流程成果均為教學情境，不是真實企業公開案例。
一家 7 人的小型食品原料批發商，每天都會收到很多客戶 Email。
有人問：
「這款可可粉有沒有其他包裝規格？」
有人附上一份 PDF：
「這是我們現在使用的配方，想找類似原料。」
有人一次問：
價格。
最低訂購量。
交期。
產地。
規格。
樣品。
還有人直接附上三、四份文件。
公司原本的處理方式非常人工。
業務打開 Email。
下載附件。
建立客戶資料夾。
把 PDF 放進 Drive。
再開 Sheets。
輸入公司名稱、詢問品項、數量與日期。
接著把 Email 內容複製到 Chat：
「這個客戶要找這種原料，誰處理？」
最後才真正開始看客戶需要什麼。
問題是：
業務還沒開始賣東西，前面已經先做了一堆搬資料的工作。
他們沒有先讓 AI 自動報價
公司準備導入 Google Workspace Studio 時，第一個想法原本是：
收到詢價後。
AI 自己分析需求。
查價格。
算運費。
直接回覆。
這聽起來很完整。
但團隊最後沒有這樣做。
因為正式價格可能受到：
- 數量。
- 客戶等級。
- 進貨成本。
- 庫存。
- 運費。
- 付款條件。
- 特殊折扣。
影響。
同一個產品，不一定每個客戶都能拿到相同條件。
所以他們先把工作拆成：
資料處理。
和：
商業決定。
第一類交給 Flow。
第二類先留給人。
第一條 Flow 只做五件事
公司最後選的第一條工作流程非常普通。
第一步：收到符合條件的詢問 Email
Flow 從 Gmail 開始。
不是所有信都處理。
只挑符合公司設定條件的客戶詢問。
例如：
有指定收件信箱。
或符合特定工作條件的郵件。
這就是整條流程的觸發點。
第二步：把附件整理到 Drive
很多詢價都會附：
產品照片。
規格表。
舊供應商資料。
PDF。
試算表。
公司以前要手動：
下載。
重新命名。
找到資料夾。
再上傳。
現在這類重複工作可以先交給 Flow。
但有一個重要原則：
原始 Email 仍然保留。
因為如果附件放錯地方，人還能回頭找到原始來源。
這正好符合昨天教的：
低風險、可驗證。
第三步：讓 Gemini 先整理「客戶到底要什麼」
接下來才使用 AI。
不是問：
「這個客戶應該報多少錢？」
而是先請 Gemini 整理：
- 詢問什麼產品。
- 預計數量。
- 需要什麼規格。
- 希望什麼時間。
- 有沒有要求樣品。
- 還缺哪些資料。
這一步的目的是：
整理。
不是：
決定。
差別很大。
例如一封很亂的 Email
客戶可能寫：
「我們是做烘焙的，目前想找無糖可可粉，一個月大概會用一些，但還不確定，附件是現在的規格，希望顏色不要差太多，下個月可能先試一批，請問可以寄樣品嗎？價格也一起提供。」
以前業務要自己從這一段找資訊。
現在 Gemini 可以先整理成：
需求產品。
使用情境。
目前已知數量。
規格附件。
樣品需求。
仍然缺少的資訊。
業務看到的是：
已整理過的案件。
而不是重新讀一遍所有零散文字。
第四步：在 Sheets 建立一筆詢價紀錄
公司原本有一張詢價追蹤表。
所以 Flow 可以把前面已確認可以紀錄的資料放進 Sheets。
例如：
客戶。
產品類型。
案件狀態。
負責人。
是否有附件。
是否需要補資料。
這裡最重要的不是：
「AI 可以自動填 Sheet，好厲害。」
而是：
不要讓業務每天重複輸入同樣的資料。
第五步：在 Chat 通知負責業務
資料整理完成。
案件建立完成。
最後 Flow 再通知負責人。
例如：
有新詢價。
附件已歸檔。
需求摘要已建立。
目前仍缺一項資料。
請業務查看。
到這裡：
自動化停止。
為什麼不直接讓 AI 回信？
因為下一步開始，事情可能進入商業承諾。
例如客戶問：
「如果一次買 500 公斤，可以給多少折扣？」
AI 可以整理這個問題。
甚至可以準備：
回覆草稿。
但最後價格仍然由業務確認。
因為真正影響報價的資料，可能不只出現在這封 Email 裡。
還可能包括：
歷史成交條件。
庫存。
進貨成本。
運費。
客戶信用。
主管授權。
所以第一版 Flow 不直接寄正式價格。
這就是今天教的「內部結果」和「外部行動」
前面幾步大多屬於：
內部結果。
整理。
分類。
存檔。
紀錄。
通知。
一旦進入：
正式報價。
確認訂單。
答應交期。
修改付款條件。
就開始產生：
外部影響。
這時加入人工確認，比追求完全無人更合理。
公司把工作分成三條路
第一條：可以自動走到底
例如：
一般產品詢問進件。
附件歸檔。
需求整理。
Sheets 紀錄。
內部通知。
這些可以高度自動化。
第二條：AI 做到草稿後停下
例如：
產品比較。
樣品回覆。
一般詢價回覆。
缺少資料提醒。
Gemini 可以準備草稿。
但人確認後才寄。
第三條：一定轉人工
例如：
正式價格。
特殊折扣。
信用條件。
確認訂單。
退款。
付款。
改變正式交易條件。
這些不讓 Flow 自己決定。
這樣做看起來少自動化了一點
但其實沒有。
假設一封詢價原本需要業務先花：
開信。
下載。
歸檔。
複製。
輸入。
通知。
之後才真正處理客戶。
現在前面這些工作都已經完成。
人真正需要做的是：
判斷。
這才是自動化真正應該節省的時間。
不要用「有沒有人工」判斷自動化成功
錯誤的衡量方式是：
「最後還要人按確認，所以沒有完全自動化。」
比較好的衡量方式是：
原本一件工作需要多少人工時間？
以及：
現在人還剩哪些事情必須親自做？
如果 AI 把大量重複行政拿走。
最後只留下：
判斷價格。
確認資料。
維持客戶關係。
這已經是非常實際的改善。
接著公司遇到第一個例外：客戶沒有寫數量
假設客戶只說：
「我要詢問這款奶粉原料，麻煩報價。」
沒有：
數量。
包裝。
交貨地點。
需要日期。
這時 Flow 不應該自己猜。
也不應該因為：
「流程一定要跑到底」
就產生一份看起來完整的詢價。
正確做法是：
標示資料不足。
資料不足不是 AI 失敗
這一點很重要。
有些人會覺得：
AI 如果不能回答，就代表 Agent 不夠強。
其實不是。
如果原始資料根本不存在：
最強模型也不應該替客戶編一個數量。
好的 Flow 應該產生：
目前知道什麼。
還缺什麼。
下一步請誰補。
然後停。
第二個例外：附件裡的資料和 Email 不一致
例如：
Email 說需要 25 公斤包裝。
附件卻標示 10 公斤。
這時也不能讓 Gemini 自己選一個。
系統應該標出：
資料矛盾。
然後交給業務確認。
這比 AI 自己推測：
「大概客戶最新的是 Email。」
安全很多。
第三個例外：同一封信被重複處理
自動化還有一種很常見的錯誤：
同一件事情跑兩次。
例如：
Flow 被重新觸發。
同一客戶在 Sheets 出現兩筆案件。
業務收到兩次通知。
甚至後面又產生兩份回覆。
所以公司不能只看：
Flow 有沒有成功。
還要檢查：
同一件工作是不是只執行一次。
第四個例外：Drive 存檔失敗
假設 Gemini 已經成功整理。
但附件沒有真的進 Drive。
如果流程仍然往下跑：
Sheets 顯示：
案件完成。
Chat 通知：
資料已整理。
實際上：
附件不見了。
這就是昨天快問快答提到的：
AI 做對，不代表整條 Flow 做對。
所以企業真正要驗證的是最後工作成果。
這家公司應該追蹤哪些數字？
不要只看：
Workspace Studio 執行了幾次。
更值得記的是：
一、每週進來多少詢價
這是基礎量。
二、有多少案件成功完成整理
不是只看 Flow 顯示成功。
而是實際資料完整。
三、有多少案件因資料不足停止
這不是壞事。
反而可以看出：
客戶最常漏掉什麼資訊。
四、有多少案件需要人工修改 AI 摘要
這可以看 AI 整理是否真的穩定。
五、每件案件節省多少人工整理時間
這才接近真正的效率。
六、有多少錯誤是在最後人工確認時被攔住
這可以幫助公司知道：
哪個步驟還不適合繼續自動化。
不要先寫「導入後效率提升 70%」
這是一個假設案例。
我們不知道這家公司真正能省多少。
實際企業也不應該在上線前先假設：
一定省 50%。
一定省兩個人。
一定提高多少營收。
比較好的方式是：
先記原本花多少時間。
再跑一段時間。
最後比較：
AI 介入後。
真正人工時間下降多少。
錯誤有沒有增加。
案件處理有沒有變快。
假設公司每週收到 180 封詢價
以下數字只用來示範怎麼算，不代表任何真實公司成果。
假設：
每週 180 封。
其中：
120 封屬於一般詢價。
30 封資料不足。
20 封需要特殊報價。
10 封涉及正式交易或特殊條件。
那就不需要讓全部 180 封走同一條路。
120 封一般詢價
可以讓 Flow 做：
收件。
附件歸檔。
整理。
建立紀錄。
通知。
這就是主力自動化。
30 封資料不足
不要繼續跑。
標示缺口。
準備補資料提醒。
由規則決定是否產生草稿或通知業務。
20 封特殊報價
AI 可以整理：
客戶要什麼。
歷史資料需要查什麼。
缺少什麼。
但：
價格由人決定。
10 封正式交易
訂單。
付款。
信用條件。
退款。
直接進：
人工確認。
不是因為 AI 沒有用。
而是這些工作的錯誤成本更高。
Workspace Studio 在這個案例真正做的是什麼？
不是代替業務賣食品原料。
而是把原本散落在：
Gmail。
Drive。
Sheets。
Chat。
之間的重複工作接起來。
Google 官方將 Workspace Studio 定位為跨 Google Workspace 服務自動化日常工作的工具，也可以把 Gemini 放進 Flow，執行分析、撰寫或判斷等 AI 步驟。
所以這類案例最合理的價值不是：
「AI 幫公司自動成交。」
而是：
資料進來之後，不要再靠人一直搬。
這和傳統 Gmail 規則有什麼不同？
傳統規則很適合：
寄件者是某人。
標題包含某個字。
就移到某個資料夾。
Workspace Studio 加入 Gemini 後，可以多處理一層：
內容理解。
例如客戶沒有寫：
「我要詢價。」
但內容明顯是在問：
規格。
數量。
價格。
樣品。
AI 可以協助整理真正意圖。
但也正因為加入了 AI 判斷：
企業更需要保留例外處理。
第一步不要把公司全部信箱交給 Flow
這家公司如果只需要處理：
詢價信箱。
就從這個範圍開始。
不要為了方便，一開始就讓同一條流程處理：
財務。
人資。
主管信箱。
全部客戶往來。
真正好的 Agent 權限原則仍然是：
完成工作需要多少，就給多少。
如果未來接到其他系統呢？
Workspace Studio 也可以透過 Integrations 或其他方式，把部分 Flow 延伸到第三方服務。
但這時公司要重新檢查：
資料會被送到哪裡？
第三方拿到什麼？
需要什麼授權？
有沒有必要？
Google 官方也提醒，第三方整合可能讓 Flow 與其他服務交換 Google Account 相關資料，因此不能因為「可以連」就全部打開。
所以第二階段不應該是「多接十個 App」
如果 Gmail → Drive → Sheets → Chat 已經穩定：
下一個問題不是：
還能接什麼？
而是：
哪一個人工瓶頸現在最浪費時間？
也許是：
建立樣品申請。
追蹤缺少資料。
安排業務 Follow-up。
再選一個。
慢慢增加。
公司每增加一個自動步驟，都重新問三個問題
這一步拿到什麼權限？
如果權限太大：
縮小。
這一步會不會產生外部影響？
如果會：
增加人工確認。
失敗時會怎麼辦？
如果答案是：
「不知道。」
那就還不能正式上線。
可以直接使用的 Workspace Studio 商業流程 Prompt
你是我的中小企業 AI 工作流程顧問。
我的公司：
[產業]
團隊人數：
[人數]
目前使用：
Gmail：
[用途]
Drive：
[用途]
Sheets：
[用途]
Chat：
[用途]
其他工具：
[列出]
目前每天重複工作：
[描述]
我要使用 Google Workspace Studio 建立第一條真正能上線的 Flow。
請不要以「完全無人化」為目標。
第一步：
把整個工作拆成實際步驟。
第二步：
每一步標示：
高頻或低頻。
低風險或高風險。
容易驗證或難以驗證。
第三步：
只把同時符合：
高頻。
低風險。
可驗證。
的步驟優先放進第一版 Flow。
第四步：
再檢查每一步：
需要讀取什麼。
需要建立什麼。
需要修改什麼。
需要哪些權限。
只提供完成任務所需要的最小權限。
第五步：
任何涉及：
正式報價。
價格變更。
付款。
退款。
合約。
信用條件。
刪除重要資料。
對外正式承諾。
一律標示：
人工確認。
第六步：
設計至少五個例外：
資料不足。
資料互相矛盾。
附件缺失。
權限不足。
外部服務失敗。
重複執行。
AI 無法判斷。
對每種例外決定：
繼續。
重試。
要求補資料。
停止轉人工。
第七步：
第一版 Flow 最多只保留 5 個主要步驟。
最後告訴我應追蹤：
每週執行量。
完成率。
資料不足率。
人工修改率。
每件人工處理時間。
被人工確認攔下的錯誤。
不要虛構 ROI。
只有取得實際執行數據之後，再評估這條 Flow 是否真的值得擴大。
這家公司真正省下的是什麼？
不是業務。
而是：
業務前面那些不是業務的工作。
下載附件。
搬檔案。
複製文字。
建立紀錄。
通知同事。
這些工作很重要。
但通常不是客戶願意付錢給公司的核心價值。
真正需要人的地方是：
了解客戶。
判斷需求。
談條件。
確認價格。
處理例外。
建立信任。
所以 AI 自動化真正好的方向，不是：
把人拿掉。
而是：
把人從沒有必要一直重複的工作裡拿出來。
今天最容易犯的錯
看到 Workspace Studio 可以跨 Gmail、Drive、Sheets、Chat 自動化：
就把整個：
詢價 → 報價 → 下單 → 收款
一次做完。
這不是最好的第一步。
第一版可以只做到：
詢價 → 歸檔 → 整理 → 紀錄 → 通知。
跑穩。
確認真的省時間。
再決定下一步。
今天最重要的商業判斷
這家 7 人食品原料批發商導入 Workspace Studio，真正值得學的不是：
「Google 又有一個 AI Agent。」
而是：
一家沒有大型 IT 團隊的小公司，也可以開始把散落在既有工作工具裡的重複行政接起來。
但成功關鍵不是：
自動得最多。
而是：
自動對地方。
先把高頻、低風險、可驗證的工作交出去。
權限只開需要的。
涉及正式價格與交易時停下來。
資料有問題時不要猜。
最後用實際人工時間與錯誤來判斷：
這條 Flow 到底值不值得繼續。
真正成熟的 AI 工作流程，不是從頭到尾都沒有人的流程。
而是：
電腦負責重複，人負責判斷；AI 知道什麼時候可以繼續，也知道什麼時候應該把決定權交回人。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 商業案例｜2026/07/30：活動場地業者怎麼用 AI 郵件助手？從詢價、場勘安排到合約附件，減少漏信與錯誤承諾
