「AI-ready」聽起來很技術，意思其實很簡單：AI 接上你的系統之後，查得到資料、看得懂資料、算出來的數字可以信，而且不會看到不該看的東西。
做到這樣，不一定要換系統。多數公司是一步一步補起來的，而且順序比工具重要。順序錯了，常常是 AI 接好了，答案卻沒人敢用。
第一步：同一件事，只有一種寫法
先挑一個最常被問到的主題，例如營業額或庫存，把相關資料整理一遍：
- 同一個商品只有一個品號、一個名稱
- 同一位客戶只建一筆資料，不要「王小明」和「王小明先生」各一筆
- 門市、倉庫、通路的名稱統一
不用一次整理全部。整理好一個主題，AI 在這個主題上就答得準。整理的過程中你多半也會發現，有些重複資料其實一直在拖慢月結。
第二步：讓 AI 讀得到
AI 要讀資料，需要一條穩定的路。最理想的是系統本身有接口（API），AI 要用時直接去查，拿到的永遠是最新數字。
舊系統沒有接口的話，常見的折衷有兩種：
- 定時把資料同步到另一個資料庫，AI 只讀那份複本
- 每天固定匯出一次，至少讓 AI 拿到前一天的資料
選哪一種，看你需要多即時。老闆每天早上看昨天的業績，前一天的資料就很夠；門市要隨時查庫存，就得有接口。
第三步：把資料的意思寫下來
很多欄位的意思，只存在資深同事的腦袋裡。這一步就是把它寫出來，做成一份「資料說明」，像這樣：
| 系統裡的寫法 | 實際的意思 |
|---|---|
ST_CD = A01 |
台北信義店 |
STS = 3 |
已出貨、還沒收款 |
AMT |
含稅金額，單位新台幣 |
（表格內容為示意，每家公司的系統寫法不同。）
聽起來很瑣碎，卻是最常被跳過、也最影響正確度的一步。這份說明不必一次寫完，從第一步整理過的主題開始就好。順帶一提，新同事看了也能少問很多問題。
第四步：讓權限跟著人走
AI 查資料時，應該用「提問的那個人」的身分去查。店長問，就只查得到自己那間店；業務問，就看不到成本和毛利。
傳統 ERP 常用擋畫面的方式管權限，這一步可能要動到系統。短期做不到的話，至少先限制 AI 能讀的範圍，例如只開放銷售和庫存，財務、薪資先不開。
第五步：先讓 AI 打草稿，人來按確認
前四步做完，AI 已經可以幫你查資料、回答問題。要讓它開始「動手做事」，例如開採購單、調整庫存，建議先用草稿的方式：AI 把內容準備好，負責的人看過、按下確認才生效。
同時讓系統留下紀錄：這個答案用了哪些資料，這張單是誰確認的。日後數字有疑問，才查得回去。
不用五步都做完才開始
我們常建議這樣分段：
- 第一、二步做完：可以讓 AI 每天或每週整理資料摘要
- 第三、四步做完：可以開放同事直接問 AI 問題
- 第五步做完：再讓 AI 碰會改到資料的工作
想快速檢查自己做到哪裡，可以對照這幾題：
- 最常問的三個問題，需要的資料都在系統裡嗎？
- 這些資料有沒有重複、或同一樣東西好幾種寫法？
- AI 有沒有穩定的方式讀到資料？
- 主要欄位的意思，有沒有寫下來？
- 店長和會計問同一個問題，看到的範圍會不一樣嗎？
- AI 會不會直接改到資料？
什麼時候該考慮換系統
如果第二步和第四步怎麼做都卡住，例如系統廠商已經不再維護、接口開不出來、權限也改不動，那補強的成本可能比換系統還高。這時可以考慮從一開始就為 AI 設計的系統，差別可以參考傳統 ERP 和 AI Native ERP 差在哪。
還不確定從哪裡下手，也可以先挑一個流程試試看，做法寫在中小企業 AI 導入從哪裡開始。
常見問題
資料整理要花多久？
看資料量和亂的程度。建議先只整理一個主題，做完大概就知道整體要花多少力氣，再決定要不要擴大。
一定要工程師才能做嗎？
第一步和第三步，熟悉業務的同事反而比工程師適合，因為他們知道資料實際代表什麼。第二步和第四步會動到系統，就需要工程師或原系統廠商協助。
變成 AI-ready 之後，用哪一家的 AI 都可以嗎？
大致上可以。資料整理好、接口開好，之後換不同的 AI 工具，也不必從頭來過。這也是先把基本功做好的好處。
想知道你的系統現在走到第幾步，歡迎預約聊聊，我們會一起看你的資料和流程。