在 AI 還沒變成所有人都在講的詞之前，我已經開始讀了。
2022 年，ChatGPT 還沒出來。我在讀尤瓦爾·赫拉瑞的《人類大歷史》，讀到一個讓我停下來的問題：當資訊不再是稀缺資源，什麼才是真正的競爭優勢？ 那個時候我還沒有答案，但我知道這個問題值得花時間想清楚。
所以我開始花時間——聽書、聽 Podcast、看各種技術頻道，不是跟風，是想搞懂底層在發生什麼。GPT 誕生那個夜晚，我不是剛認識 AI，我已經在等它了。
我的判斷一直是：自動化不是技術升級，是企業體質的重整。 不是把現有流程搬進系統，而是重新設計流程的邏輯——把交錯繁雜的工作，一根一根梳開，才能編成穩定又高效的輸送帶。這不靠工具決定，靠設計決定。
我父親從 1980 年代開始做，做到現在。公司不大，但很穩——穩到所有的流程都用最傳統的方式撐著：LINE 群、Excel、紙本對帳、靠記憶判斷哪個客戶急、哪個廠商的信要先回。
我大學電機系畢業，回來幫忙之後，第一個感覺不是「這家公司很難做」，而是：有太多時間花在不應該花時間的地方。
每天早上第一件事是打開收件匣，手動掃 100 多封信，判斷哪個是廠商催單、哪個是客戶詢問、哪個是物流異常。然後一封一封歸類到不同的 Gmail 標籤。這件事每天要花將近一個小時。每天。
2024 年底，我決定認真做這件事。第一個動手的是 Gmail。
我寫了一套分類系統：用規則層先過濾高頻的信（廠商、物流、蝦皮、政府文件），再用 Claude AI 處理規則判斷不了的邊界案例。真正需要我人工決策的信——退貨申請、客訴、廠商急件——直接推通知到 Telegram。
規則層 + Claude Haiku 雙層架構，自動分類到 50+ 巢狀標籤。急件即時推 Telegram，不等隔天早上才看到。
跑起來之後的感覺很奇怪。不是「哇好厲害」，而是：這應該早就這樣了。這些信根本不需要我每天盯，它們有固定的模式、固定的來源、固定的處理方式。我只是把規則寫清楚，讓電腦代勞。
有了時間，我開始看下一個問題。
廠商開會。每次跟日本那邊開完，大家各自散去，然後沒有人記得誰說了什麼、誰要做什麼。事後追記錄要花兩個小時，還不一定準。
我把這個流程改成：把錄音檔丟進 iCloud 資料夾，系統自動轉錄、自動摘要、自動列出行動清單，然後把結果推到 Telegram。30 分鐘的會議，30 秒看完摘要。
Whisper 本地轉錄 + Claude Haiku 摘要。TL;DR 三句話 + 重點五到七條 + 行動項目，自動推 Telegram。支援中、日、英。
業務處理訂單的方式是：客戶傳一份訂購清單，業務手動對照型錄確認品番、規格、庫存，再建 Excel。這個過程很慢，而且很容易出錯——型錄有幾百個品項，打錯一個字就是出錯誤的料。
我做了一個工具：客戶傳訂購需求，AI 自動解析、對應正確品番、輸出格式化的訂單。不用翻型錄，不用手打，對錯率大幅下降。
輸入客戶的訂購需求，自動識別品番、對應庫存品項、輸出格式化訂單。PIAA 雨刷系列 300+ 品項全覆蓋。
PIAA 的核心產品是雨刷。雨刷的銷售跟天氣直接相關——快下雨了，通路就應該確認庫存、準備補貨。但以前這個「提醒」是靠業務自己記、自己主動聯絡，不穩定，而且常常太晚。
我做了一套天氣推播系統：每週日自動分析氣象資料，如果有有效的降雨特報，自動推給通路，附上建議補貨提醒的文案。把不確定性變成可預期的業務訊號。
做這四套系統的過程裡，我花了很多時間思考一件事：這些問題不是紳新國際特有的。
每一個傳統貿易商、代理商、分銷商——信件太多、訂單手打、開會沒記錄、業務訊號靠直覺——這些幾乎是同一套問題。不是你的公司有問題，是這個產業的資訊流長期沒有被好好設計過。
而 AI 現在已經強到可以解決這些問題了。不需要很大的預算，不需要換掉現有系統，不需要有工程師。你需要的是有人幫你把問題描述清楚、把工具接對地方、確認真的跑起來。