案例性質:以下為 SasaDaily 假設示範案例。公司、人數、案件量、工時、Copilot Credits 與改善幅度全部是教學試算,不是 Microsoft 公開客戶成果。

一家 6 人的小型商用影印機維修公司。

公司每天幫:

辦公室。

補習班。

診所。

小型企業。

處理影印機與複合機的:

故障。

保養。

耗材。

零件更換。

真正讓老闆頭痛的:

不只是修機器。

還有修完之後一大堆:

行政操作。

每一張維修單都要在兩套系統之間來回

例如技師回報:

設備序號。

故障狀況。

更換零件。

維修完成時間。

內勤接著要:

打開原廠或供應商 Portal。

搜尋設備序號。

確認零件。

查目前供貨狀態。

查保固資訊。

再打開公司用了十幾年的 Windows 維修系統。

找到同一台設備。

把:

維修狀態。

零件狀態。

下一步。

逐欄填回去。

最大的問題是:

這套舊 Windows 系統沒有 API。

所以即使公司已經開始用 AI:

最後這一段還是得靠人:

點。

找。

複製。

貼上。

儲存。

一天重複幾十次。

所以這家公司不是先叫 AI「幫忙修機器」

Computer Use 第一個工作非常小:

只處理維修行政資料。

不判斷故障原因。

不決定該換什麼零件。

不決定價格。

不自己採購。

技師仍然負責:

真正檢查設備。

Computer Use 只負責:

把已確認的資料搬到該去的地方。

這條流程需要哪些資料?

第一:

公司維修單。

包含:

案件編號。

設備序號。

已確認維修結果。

已確認更換零件。

第二:

供應商 Portal。

查:

零件狀態。

供應狀況。

保固資訊。

第三:

舊 Windows 維修系統。

存放:

客戶設備。

歷史維修。

案件狀態。

第四:

公司正式規則。

哪些欄位:

AI 可以改。

哪些:

不能改。

哪些情況:

一定轉人。

先把工作切成三類

這就接上今天的一分鐘教學。

第一類:可以做

Computer Use 可以:

搜尋設備序號。

查零件狀態。

讀取保固狀態。

搜尋相同維修案件。

更新內部維修進度。

寫入已確認的零件狀態。

儲存低風險內部欄位。

第二類:不能做

Computer Use 不可以:

修改零件售價。

修改客戶報價。

建立正式採購單。

付款。

退款。

變更客戶合約。

改使用者權限。

刪除歷史維修紀錄。

第三類:一定停

只要遇到:

設備序號對不上。

同一個序號找到兩筆設備。

維修單和供應商資料矛盾。

找不到指定零件。

保固狀態不清楚。

需要新的帳號權限。

出現以前沒看過的登入要求。

客戶要求正式報價。

需要購買零件。

發生保固責任爭議。

就:

停止。

交給人。

完整流程怎麼跑?

第一步:技師完成現場工作

例如:

已確認更換進紙滾輪。

技師在維修單上留下:

設備序號。

零件。

實際完成內容。

這時:

AI 不需要重新判斷故障。

它只接:

人已經確認的結果。

第二步:Computer Use 搜尋供應商 Portal

使用:

設備序號。

零件編號。

查到:

零件供應狀態。

保固資訊。

但這一步只讀。

不採購。

第三步:先做資料比對

如果:

維修單設備序號。

供應商資料設備序號。

公司舊系統設備序號。

三邊一致。

才繼續。

如果不一致:

停。

這非常重要。

因為最糟糕的不是:

Computer Use 完全不能操作。

而是:

它非常順利地把資料更新到錯的客戶。

第四步:開啟舊 Windows 維修系統

這就是 Computer Use 真正有價值的地方。

公司沒有:

維修系統 API。

所以 Agent:

直接使用 GUI。

搜尋案件。

打開紀錄。

找到指定欄位。

輸入:

已確認資訊。

第五步:只更新低風險欄位

例如:

技師已完成。

零件等待中。

零件已到貨。

等待客戶安排時間。

這些是:

內部流程狀態。

但如果畫面出現:

報價。

折扣。

正式採購。

付款。

合約。

就不繼續。

第六步:留下結果

每一件工作至少記:

案件編號。

原始設備序號。

實際修改欄位。

是否成功。

是否要求人工。

用了多少 Computer Use Steps。

是否發生重試。

第七步:人處理例外

例如:

供應商顯示:

不在保固。

客戶卻說:

還在保固期。

Computer Use 不需要判斷:

誰對。

它只需要:

標記資料衝突。

然後停。

由人:

查合約。

查購買日期。

聯絡供應商。

做真正決定。

正式報價也不能因為資料齊全就自動送出

例如系統已經知道:

零件成本。

工時。

客戶資料。

AI 甚至可以:

整理報價草稿。

但真正:

報多少?

要不要折扣?

是否免工資?

是否屬於保固?

這些會直接影響:

公司收入。

客戶權利。

所以:

人核准。

正式採購也一樣

AI 可以查到:

零件缺貨。

另一個零件有貨。

甚至可以把:

供應商。

料號。

數量。

交期。

整理好。

但真正送出採購單以前:

仍然由人確認。

原因很簡單:

Computer Use 的任務是:

減少重複操作。

不是:

把公司的商業決策權一起交出去。

用一組假設數字看看值不值得做

假設這家公司每天:

30 件維修行政案件。

原本每件平均:

4 分鐘。

每天就是:

120 分鐘。

一個月以:

22 個工作天。

計算。

等於:

44 小時。

但不是 30 件都要完全自動

假設實際測試後:

21 件:

資料完整、屬於低風險流程。

6 件:

資料需要補充。

3 件:

涉及報價、採購、保固爭議等人工工作。

所以 Computer Use 真正自動處理:

大約 70%。

這反而很正常。

人工時間怎麼算?

假設:

21 件一般案件交由 Computer Use 處理。

團隊每天抽查:

5 件。

每件抽查 1 分鐘。

共:

5 分鐘。

剩下 9 件例外或高風險案件:

仍由人處理。

假設每件平均:

4 分鐘。

共:

36 分鐘。

再加:

每天 10 分鐘查看異常與 Log。

總人工時間:

約 51 分鐘。

原本:

120 分鐘。

假設情境下:

每天減少約:

69 分鐘。

一個月大約省多少行政時間?

69 分鐘 × 22 天。

大約:

25 小時。

注意:

這不是 Microsoft 保證的節省量。

只是:

示範怎麼計算。

真正導入時:

一定要換成自己的實際數字。

再來算 Computer Use Credits

Microsoft 目前標準 Computer Use 模型:

每個 Step 使用:

5 Copilot Credits。

假設這條簡單流程:

平均每件使用 6 Steps。

一天自動處理:

21 件。

就是:

126 Steps。

一天約:

630 Copilot Credits。

一個月 22 天:

約:

13,860 Copilot Credits。

但實際帳單不會只有這個數字

因為你的 Agent 還可能有:

其他模型呼叫。

其他工具。

其他工作流程。

重試。

所以 13,860 Credits:

只是這個假設 Computer Use 區段的試算。

不是完整 Copilot Studio 帳單。

目前一個 Capacity Pack 可以怎麼理解?

Microsoft 目前公開的 Copilot Studio Capacity Pack:

每月 25,000 Copilot Credits。

公開價格:

每月 200 美元。

如果這家公司只有上述:

13,860 Computer Use Credits。

單看這條假設流程:

會落在一個 25,000 Credit Pack 的容量內。

但是:

不要因此直接寫成:

「這套自動化每月一定只要 200 美元。」

因為公司還可能使用其他 Copilot Studio 功能。

也可能採用:

Pay-as-you-go。

或其他授權方式。

所以真正應該算的是:

每件完成工作成本。

假設一個月:

21 件 × 22 天。

等於:

462 件 Computer Use 案件。

如果公司真的為這一個 Agent 使用一個:

200 美元 Capacity Pack。

非常粗略地看:

200 ÷ 462。

約:

0.43 美元/件。

但這仍然只是:

容量試算。

不是 Microsoft 提供的單件固定價格。

而且未使用的 Credits:

也不能假裝不存在。

更重要的是把人工時間也放進去

假設行政人員一小時成本:

你可以填自己的實際數字。

例如:

[每小時人工成本]

原本:

44 小時。

導入後:

約 18.7 小時。

兩者差距:

再加上 Copilot Studio 成本。

才是真正 ROI。

不是看到:

AI 一個 Step 5 Credits。

就直接說:

划算。

這家公司真正追五個 KPI

KPI 一:正確完成率

100 件裡:

多少真的更新到正確案件?

不是:

Agent 顯示 Success。

KPI 二:人工介入率

多少工作最後:

還要人接手?

這個比例長期下降:

才代表流程真的成熟。

KPI 三:每件人工分鐘

原本:

4 分鐘。

導入後:

平均還剩多少?

這是最容易直接換算價值的數字。

KPI 四:每件 Copilot Credits

不要只看:

每月總 Credits。

要知道:

哪種案件特別容易:

多 Step。

重試。

耗用成本。

KPI 五:正確停止率

這一個常常被忽略。

例如:

30 件裡有 3 件:

應該停。

Computer Use 三件都停:

是好事。

不要把:

轉人工。

全部算成 Agent 失敗。

哪些例外一定要另外統計?

例如:

序號不一致。

零件找不到。

需要新登入。

Portal 改版。

保固衝突。

需要採購。

如果你發現:

每週有 40% 都因同一問題停止。

真正要做的可能不是:

一直修改 Prompt。

而是:

改善資料來源。

或重設流程。

Computer Use 不一定是永久解法

這點也很重要。

假設公司兩年後:

換了新的維修系統。

終於有:

正式 API。

這時候應該重新評估:

還要不要繼續讓 AI:

開畫面。

點按鈕。

如果可靠 API 已存在:

通常更值得把流程:

改成 API。

所以 Computer Use 最適合的角色:

不是永遠取代系統整合。

而是:

先把沒有 API 的缺口接起來。

這家公司第一個月怎麼上線?

第一週:只讀

Agent 可以:

搜尋。

查資料。

但不改任何紀錄。

人確認:

它是不是找得到正確設備。

第二週:允許低風險更新

只開:

內部維修狀態。

例如:

等待零件。

完成維修。

待安排。

第三週:開始自動跑部分案件

只挑:

資料完整。

規則固定。

低風險案件。

仍然抽查。

第四週:比較實際結果

看:

人工時間。

Credits。

正確率。

介入率。

哪一種案件常出錯。

再決定:

要不要擴大。

而不是第一天:

全部 30 件都自動跑。

可以直接使用的商業流程 Prompt

你是我的 Computer Use 維修行政流程設計助手。

公司類型:

商用影印機與複合機維修公司。

目前工作:

技師完成維修後,

內勤需要從供應商 Portal 查詢設備、零件與保固資料,

再把已確認的資訊更新到沒有 API 的舊 Windows 維修系統。

請不要設計成全自動處理所有案件。

先把工作分成三類。

第一類:Computer Use 可以直接完成

只包含:

搜尋設備。

搜尋案件。

查詢零件。

讀取保固狀態。

比對已確認資料。

更新低風險內部狀態。

請替每一項工作列出:

輸入資料。

操作步驟。

完成標準。

可以修改的欄位。

第二類:禁止 Computer Use 執行

至少包含:

修改正式價格。

提供折扣。

建立正式報價。

送出正式採購。

付款。

退款。

刪除歷史紀錄。

修改帳號與權限。

變更合約。

第三類:遇到就停止

至少包含:

設備序號不一致。

同一序號找到多筆資料。

維修單與供應商資料矛盾。

零件資料缺失。

保固狀態不明。

要求新的登入方式。

要求額外權限。

出現未預期畫面。

即將進入價格、採購、付款、合約或保固責任決策。

停止後不要猜。

不要自己選一個答案。

只回報:

做到哪一步。

發現什麼差異。

需要人確認什麼。

再替這條流程建立五個 KPI:

正確完成率。

人工介入率。

每件人工分鐘。

每件 Copilot Credits。

正確停止率。

最後替我設計四週導入方式:

第一週只讀。

第二週低風險寫入。

第三週部分自動執行。

第四週比較實際數據。

不要把「Agent 成功執行」當成「商業流程成功」。

今天最容易犯的錯

看到一天:

30 件行政工作。

就想:

30 件全部自動。

真正比較好的目標可能是:

先把最無聊、最固定的 20 件拿走。

剩下 10 件:

本來就值得人看。

第二個容易犯的錯

發現報價資料全部都有。

就讓 Computer Use:

順便送出報價。

不要。

資料完整。

和:

有權代表公司做價格承諾。

是兩回事。

第三個容易犯的錯

只看:

Automation Success Rate。

例如:

「成功 98%。」

卻沒有檢查:

是不是更新到正確設備。

是不是有人重新修改。

是不是該停的案件也被硬做完。

所以真正 KPI 應該看:

Outcome。

不是:

只有 Execution。

第四個容易犯的錯

把人工介入全部當成浪費。

不是。

遇到:

保固爭議。

正式採購。

報價。

資料矛盾。

Agent 正確停下:

反而表示:

邊界有效。

真正不好的情況是:

本來該停,它卻為了完成任務繼續猜。

這家公司最後真正買的是什麼?

表面看:

它買了一個:

「會操作滑鼠鍵盤的 AI。」

但真正要買到的成果應該是:

技師不用回公司補一堆行政。

內勤不用每天把同樣資料抄兩次。

舊系統暫時不用立刻花大錢重做。

而:

價格。

採購。

付款。

客戶承諾。

仍然有人負責。

這才是:

Computer Use 比較合理的商業價值。

今天最重要的商業判斷

Computer Use 最適合的第一個案例:

通常不是:

「公司最重要的工作。」

而是:

「公司每天一直做、沒有 API、做錯容易發現,而且不直接改變錢與權利的工作。」

像這家假設影印機維修公司:

真正值得先自動化的不是:

維修判斷。

不是:

報價。

不是:

採購。

而是:

查資料。

比資料。

更新狀態。

如果一個 Agent:

每天真的替六個人的小公司拿回:

一個小時。

而且沒有因為追求全自動:

把付款、報價與客戶承諾一起放出去。

這種看起來不起眼的 AI:

反而比很多炫目的 Demo:

更接近真正的企業生產力。

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|2026/08/03:活動器材租賃公司怎麼用 Claude Cowork?從詢價附件、庫存核對到出貨文件,正式報價與排程變更先停

今日 AI 工具|2026/08/03:Claude Cowork 電腦操作,讓 AI 開檔案、點網頁、操作桌面,但高風險動作要先關掉權限

AI 一分鐘教學|2026/08/03:讓 AI 操作電腦前,先要求它「只盤點,不修改」