台灣企業怎麼建立 FDE 能力？一份不從買工具開始的 90 天作戰表
先選一個高價值流程，組成業務與工程聯合小隊，四週做出真實原型，八週進入受控生產，十二週決定擴張、重做或停止。
用 12 週取得下一個投資決策所需證據
目標不是做完所有功能，而是判斷應該擴張、重做或停止。
| 決策面 | 核心 KPI | 通過條件 |
|---|---|---|
| 價值 | 時間、成本、營收、錯誤或風險 | 相較基準有可解釋改善 |
| 品質 | 正確率、完成率、例外率 | 符合場景風險容忍度 |
| 經濟 | 單次任務成本、人工覆核成本 | 擴張後仍有合理 ROI |
| 採用 | 週活躍、持續使用、繞過率 | 第一線願意把它放進日常工作 |
| 重用 | 連接器、評估、治理、流程模板 | 下一個場景可直接沿用 |
依 FDE 的診斷、原型、部署與沉澱閉環延伸設計，屬 XMY 實戰方法。
台灣企業導入 AI 最常見的起手式，是先買帳號、辦課程、成立群組，再請各部門提案。三個月後通常得到很多心得、幾個 Demo，以及一個沒有人敢放進生產的聊天機器人。FDE 方法的順序相反：先挑一個值得改的真實流程，再為它組隊與選工具。
第 1 到 2 週：選問題，不選模型
候選場景必須同時符合四個條件：每週高頻發生、錯誤或等待有明顯成本、資料在合理時間內可取得、結果可以量測。不要一開始選『全公司知識庫』，範圍太大；可以選『客服退貨案件分類與回覆草稿』或『採購異常單據檢查』。
為場景建立基準線：現在每件花多久、每月多少件、錯誤率、等待時間、人工成本與客訴或風險是多少。沒有基準線，AI 上線後只剩感覺很好。
第 3 到 4 週：用真實資料做可被否定的原型
原型必須使用經過遮罩或授權的真實資料，並由真正執行工作的人操作。先測最常見情境，再刻意加入困難案例。每次錯誤要分類：模型理解、資料缺漏、規則衝突、系統整合或使用方式。分類的目的，是避免所有問題都用『再調 Prompt』處理。
第 5 到 8 週：進入受控生產
選一小群使用者與有限案件，讓 AI 在真實流程中運作。重要動作保留人工核准，所有輸入、輸出、工具呼叫與覆核結果都留下紀錄。這階段同時量測品質、速度、成本、採用與例外。
FDE 要與 IT、資安或法遵一起決定資料權限、保存期限、供應商邊界與停止機制。治理不是阻擋創新，而是讓成功案例能安全擴張。
第 9 到 12 週：做商業決策，不做成果發表會
期末只有三種決策：擴張、重做、停止。擴張代表 KPI 明顯改善、風險可控、使用者願意持續使用；重做代表問題值得解，但資料或方案需調整；停止代表價值不足或成本過高。停止不是失敗，而是 90 天內避免更大投資。
小隊至少需要五種責任
- 高階贊助者：排除跨部門障礙，對投資決策負責。
- 流程負責人：定義 KPI、例外與真正成功條件。
- 第一線使用者：持續測試，不讓專案只活在會議室。
- FDE／AI 工程：原型、整合、評估、監控與產品回饋。
- IT／資料／治理：權限、系統、資安與合規邊界。
最後一定要留下可重用資產
除了上線結果，還要留下資料定義、評估題庫、連接器、權限規則、人工覆核流程、成本紀錄與失敗清單。下一個場景若能重用其中一半，FDE 飛輪才開始轉。
90 天不是保證 AI 成功，而是保證公司在可控時間內得到足以做下一個決策的證據。
對一人公司也適用，只是角色可能由同一人兼任。範圍更要小、KPI 更要清楚、自動化前保留人工核准。AI 不是省掉判斷，而是把判斷集中在最值錢的位置。
資料來源與閱讀邊界
本文以 華西證券《FDE：AI 商業模式黏合劑》（2026-08-11）第 7、9、11、15 頁為導讀。本站未公開或直接重製原始研報頁面；文中圖表依可辨識資料重製，約數、指數與預測均明確標示。
研報是資料起點，不是本站結論。本文為產業研究與個人觀點，不構成投資、交易、招募或法律建議。
這是「FDE × 企業 AI 落地」第 12 篇。整套策展只追一個問題：AI 如何從模型能力，變成企業每天可驗證的營運能力？