許多企業一聽到 AI Agent 就想直接串接工具，卻忽略了最關鍵的前置準備：知識整理。本文整理中小企業在導入前必須盤點的 5 種知識類型，避免走冤枉路。
💡 中小企業導入 AI Agent 前，最關鍵的不是選工具，而是先把企業知識整理清楚。
本文重點
實作步驟
常見錯誤
很多中小企業主在接觸 AI Agent 時，第一個反應是：「我可以用 ChatGPT 嗎？」或是「可以幫我做一個聊天機器人嗎？」這兩個問題都沒有錯，但它們都跳過了一個最根本的問題：你的企業知識，在哪裡？
AI Agent 不是魔法棒。它的回答品質，完全取決於它能從哪裡「查到什麼」。如果你沒有把企業的核心知識整理好，給 AI 的就只是一堆散亂的文件、過期的 PDF、或是老員工腦袋裡說不清楚的「默契」。
這也是為什麼木塑創投在協助企業導入 AI Agent 之前，一定會先做「知識盤點」，而不是直接上工具。
本文整理了中小企業在導入 AI Agent 前，最應該先盤點的 5 種知識類型。如果你能在 AI 導入前把這些整理好，後面的每一步都會快三倍。
SOP 是最明顯、也最容易被低估的一種企業知識。很多公司都說「我們有 SOP」，但實際看進去，那些 SOP 可能是：
AI Agent 需要的 SOP，不是形式上的流程圖，而是可以被查詢、可以被判斷的結構化步驟。舉例來說，「新客戶詢報價時，業務需要先確認哪些條件才能給折扣？」這種判斷邏輯，就需要清楚寫在 SOP 裡，AI 才能協助業務做出正確回應。
整理 SOP 的第一步，不是用 AI 幫你寫，而是找到你公司裡「最懂的那個人」，一起把判斷條件說清楚。
客服是 AI Agent 最快能發揮效益的場景，但也是最常被草率對待的一種。很多企業的 FAQ 是這樣的：
要讓 AI Agent 能正確回應客服問題，你需要的是真實情境下的問法，不是你想像中客戶會怎麼問。最有效的做法是：翻開你的 LINE 訊息記錄、Email 往來，把過去半年最常出現的問題整理成問答對，再補上「這種情況應該怎麼回、不能怎麼回」的判斷邏輯。
這個過程，木塑創投稱之為「話術萃取」。它是 LINE AI 客服能不能成功的關鍵。
報價是中小企業最敏感、也最容易出錯的知識。很多公司的報價，是老闆或資深業務「看感覺、看客戶、看時機」決定的。這沒有對錯，但當你想讓 AI 協助業務做初步報價判斷時，這些「感覺」就必須被翻譯成可執行的規則。
比如說： - 訂量超過 500 件可以談到幾折？ - 什麼客戶類型不接？ - 哪些規格組合成本過高，應該主動建議替代方案？
這些判斷邏輯，不需要寫成程式碼，但至少需要被整理成可以查詢的條件清單。AI Agent 才能在業務詢問的當下，給出有依據的建議，而不是亂猜。
當客戶問「你們的服務和 XX 公司有什麼不一樣？」時，你的 AI Agent 能回答嗎？
很多企業的產品或服務知識，只有簡報、官網文案、或業務各自的版本。這些知識分散在各處，格式不一，而且往往只有表面介紹，沒有深度說明。
要讓 AI Agent 能夠有效回應這類問題，你需要整理的包括： - 產品規格與使用情境 - 與競品的差異點（以客戶角度描述） - 客戶最常有的疑慮與對應回答 - 服務流程的每一個環節說明
這不是要你寫一本教科書，而是要把「一個剛入職兩週的新員工最需要知道的事情」整理清楚。AI Agent 的知識庫，其實就是你公司最好的新人訓練手冊。
這是最難整理、但也是最有價值的一種知識。
每個企業都有幾個「關鍵人物」——老闆、資深工程師、頂尖業務、老師傅——他們的腦袋裡有大量「只可意會」的判斷能力。這些判斷能力，往往是公司競爭力的核心，卻也是最脆弱的地方：這些人一旦離職或退休，這些知識就跟著消失了。
把隱性知識轉成 AI 可以學習的格式，需要一個系統性的訪談過程。你不能只問「你怎麼做這件事？」，而要問「在什麼情況下，你會做這個決定？」、「你遇過最難判斷的情況是什麼？最後怎麼解決？」
木塑創投的核心服務之一，就是協助企業把這種隱性知識轉換成可查詢、可訓練、可擴張的 AI Agent，讓老師傅的經驗不再只存在於一個人的大腦裡。
如果你現在開始盤點，建議依照以下優先順序：
不需要一次全部整理完。很多企業從第一個場景開始，完成後再展開下一個，反而走得更穩。
AI Agent 的導入，不是一個技術問題，而是一個知識管理問題。工具可以在幾天內串接完成，但知識整理需要時間，也需要方法。
如果你的企業準備好踏出這一步，木塑創投可以協助你從知識盤點開始，逐步建構屬於你自己企業的 AI 知識體系。從 SOP 數位化、FAQ 整理、到 AI Agent 上線，我們陪你走每一步。
