不用換系統也能導入 AI｜連鎖品牌漸進式導入做法

不用換系統導入 AI 要弄清的是 AI 需要哪些資料、既有系統能不能提供、哪些應用不必動到核心、投入之後怎麼判斷有沒有用、什麼情況才真的需要動系統。比較少被提到的是：多數連鎖品牌卡住的原因不是沒有 AI 工具，是資料散在幾套系統裡湊不齊。

AI 導入的門檻其實在資料，不在模型。銷售預測需要足夠長度的乾淨銷售紀錄，補貨建議需要準確的庫存與在途資料，客群分析需要能串起來的會員與交易紀錄。既有系統只要能穩定輸出這些資料，就不需要為了導入 AI 而換系統；反過來說，換了新系統但資料仍然對不起來，AI 一樣做不出東西。

▍三種落點，按要不要動核心分級

第一種完全不動核心系統。把既有系統的資料匯集到一處，AI 在這份資料上做分析與建議，結果以報表或建議清單呈現，由人決定要不要照做。銷售預測、門市分群、商品關聯分析、異常偵測都屬於這一類，也是最適合先做的。

第二種是單向回寫。AI 產出的建議寫回既有系統成為預設值，例如建議訂量帶入訂貨單、建議售價帶入待審清單，但保留人工調整與核准。這一類要動到既有系統的少數欄位，測試範圍可控。

第三種要改流程與核心邏輯。自動定價、自動排班、自動補貨不經人工確認，這一類影響營運規則，也需要相當高的資料品質與一段時間的信任建立。多數品牌不會從這裡開始。

▍先做哪一個：看資料現成度

判斷順序建議是資料現成度優先，而不是效益大小。已經有兩年以上乾淨紀錄的領域先做，資料還在人工整理階段的領域先補資料。

原因是效益最大的應用往往資料要求最高。強行先做，結果會是模型輸出看起來合理但實際不準，用過幾次之後沒人再信任它，後續要重新推動反而更難。

▍怎麼判斷有沒有用

AI 應用的驗證要在導入前就定好比較基準。做銷售預測，就先記下目前人工判斷的誤差水準；做異常偵測，就先統計目前靠人發現的比例與平均發現時間。沒有基準，上線後只能憑感覺討論好不好用。

驗證期間建議並行：AI 給建議、人照舊判斷，兩邊都記錄，一段時間後比較。這種做法比直接切換慢，但它產出的是可以拿去說服門市與主管的依據。

富啟科技的做法是先把跨系統的資料整理成可用的基礎，再談 AI 應用要落在哪一層。這與直接導入 AI 工具的差別在於：工具本身不負責資料在幾套系統之間對不對得上，而連鎖環境裡的資料落差幾乎都出現在系統之間的接縫上，不先處理，工具再好也算不出可信的結果。

▍小結

AI 導入的門檻在資料，不在模型。三種落點按要不要動核心分級，先做完全不動核心的分析型應用。選題順序看資料現成度而不是效益大小，因為效益最高的應用資料要求也最高。導入前要先定比較基準，並用並行期產出可驗證的依據。

▍常見問題

Q1：舊系統的資料格式很亂，還能做 AI 應用嗎？

可以，但要先評估整理的工作量。亂通常有三種：主檔不一致、歷史資料缺漏、單位或口徑不統一。前兩種可以處理，第三種要看能不能追溯出原始定義。實務上會先挑一個資料相對完整的領域試做，而不是一次整理全部。

Q2：導入 AI 需要多少歷史資料？

取決於應用類型與商品的季節性強弱，沒有一個通用數字。比較穩的判斷方式是資料要能涵蓋完整的營運週期，包含旺季與淡季，否則模型看不到波動的全貌。缺少的部分寧可先不做該項應用。

Q3：AI 給的建議門市不採用怎麼辦？

先看採用率與採用後的結果。持續不採用通常有兩種原因：建議本身不準，或建議沒有考慮門市知道的在地因素。前者要修資料與參數，後者要把拒絕原因結構化收集起來，回頭補進判斷條件。單純要求門市照做，通常撐不過一個月。

既有系統的資料開放程度、歷史紀錄的完整度、營運上最想解決的問題都不一樣，適合先做的 AI 應用也不同。富啟科技可以協助評估資料現況並排出導入順序，歡迎與我們聯絡，取得客製化建置方案與報價。

電話 (02)2516-6100｜手機 0979-382-058｜LineID：@964dmmig

地址：台北市南京東路二段178號6樓

▍延伸閱讀

〈連鎖品牌漸進式系統整合｜既有系統保留的做法〉

〈連鎖展店後系統卡在哪｜套裝系統的常見功能限制〉

〈連鎖系統廠商怎麼評估｜專案型系統商選型清單〉