醫療業成本陷阱生成式 AI
醫院用 AI 寫理賠文件，兩年多花 9.42 億美元
技術成功了，誘因結構失敗了：AI 加速寫文件，也加速產生費用。
情境
美國醫院導入生成式 AI 撰寫理賠文件，文件產出變快、變複雜，但實際照護沒有對應變化。
做法
藍十字藍盾協會分析兩年醫療支出，發現 AI 輔助的理賠文件推高支出約 9.42 億美元。
結果
成本不減反增，病歷複雜度上升，實際照護品質未見提升。
學到的教訓
導入 AI 前先問「這條流程的成本怎麼算」。如果產出直接連結費用，效率會直接變成費用膨脹。
FIELD NOTES · 陪跑筆記
陪跑筆記案例庫
真實輔導現場與內部實作中看到的 AI 轉型故事
當前類別：全部8 則案例
AI 代理監督債中階主管
思科配發 9 萬名員工 AI 代理，同一週算出每週多花 6 小時當保母
省下的工時記在效率欄，新增的監督工時沒有科目。
情境
思科向全球約 9 萬名員工全面配發個人 AI 代理，財務揭露草稿八成由 AI 代理操刀。
做法
同一週研究指出，辦公室員工每週可能要多花超過 6 小時檢查 AI 產出、補充背景、修正錯誤。
結果
員工從「做十件事」變成「盯著三個代理做三十件事」，職稱與工作說明沒改，預算表上找不到這一項。
學到的教訓
導入 AI 代理省下的工時要記，為了讓它不出錯而新增的工時更要記。沒有科目的成本不會被管理。
客服裁員與回聘AI 依賴
Klarna 裁掉 700 名客服後，CEO 承認品質下降並重新僱人
被裁掉的是「執行流程的人」，被請回來的是「做判斷的人」。
情境
Klarna 大舉裁撤客服，宣稱 AI 能處理相當於 700 名人力；隨後客戶滿意度下滑。
做法
CEO 公開承認公司把成本放在體驗前面，開始重新招募人員。
結果
回鍋員工平均薪資比離職前高出約 25%，實際付出高於當初省下的人事成本。
學到的教訓
AI 能處理可預測的部分，剩下帶著情緒、脈絡與關係的狀況仍需要人。判斷與關係無法被壓縮。
零售業需求預測人機協作
統一超商用 AI 訂貨，鮮食廢棄率從 8.2% 降到 4.1%
庫存預測直接影響損益，是零售 AI 最容易算 ROI 的入口。
情境
全台超過 7,000 家門市，每日需預測 3,000+ SKU 需求量，人工訂貨標準不一、廢棄率高。
做法
導入 AI 自動訂貨，整合天氣、節慶、歷史銷售、商圈數據；保留店長覆核權限。
結果
鮮食廢棄率從 8.2% 降至 4.1%，缺貨率從 5.5% 降至 1.8%，店長每日訂貨時間從 45 分鐘縮短至 10 分鐘。
學到的教訓
零售 AI 的優先場景不是客服，是庫存預測——它直接影響損益，而且數據基礎相對完整。
金融業智能客服風控
玉山銀行智能金融實驗室：AI 客服首次解決率從 72% 到 91%
投入 10 億元建 AI 基礎設施後，真正的瓶頸是跨部門數據與複合人才。
情境
玉山銀行自 2019 年成立智能金融實驗室，投入超過 10 億元建置 AI 基礎設施。
做法
導入 NLU 智能客服、GNN 風控模型、智能理專輔助系統；同步處理跨部門數據孤島與法規溝通。
結果
AI 客服首次解決率從 72% 升至 91%，偽冒案件通報時間從 15 分鐘縮短至 30 秒，財富管理手續費收入年增 14%。
學到的教訓
AI 成效 80% 取決於數據品質。模型可以買，但跨部門數據整合與懂 AI 又懂金融的人才無法快速補齊。
小賀系統cronagent 治理
cron job 更新後 model 變 null：我們用錯了「更新」指令
文件說「update」，實際只更新 schedule，model/provider 會被清空。
情境
我們用 hermes cron edit 更新排程，發現 jobs.json 裡的 model 與 provider 被設成 null，導致 LLM job 跑預設模型而非預期的 deepseek-v4。
做法
改為直接編輯 /opt/data/cron/jobs.json（改前備份），對照正常 job 的格式補回 model/provider，並把這條寫進 micro-tool-development skill 的 pitfalls。
結果
cron job 恢復預期模型分派，後續新增 LLM job 都先 pin 再手動校對 jobs.json。
學到的教訓
不要假設 CLI 的「update」會保留所有欄位。關鍵任務的設定要落地到檔案層級，並保留對照樣本。
小賀系統VPS部署
每天早上 9 點 VPS 準時崩潰：原來是 cron 同時啟動太多服務
多個 no_agent cron 在同一分鐘啟動，記憶體與 IO 瞬間爆掉。
情境
每天早上 9 點官網與服務會短暫無法連線，持續數分鐘後自動恢復，log 顯示大量 cron 同時執行。
做法
盤點所有 cron 的執行時間，把密集的 no_agent job 錯開 5–10 分鐘；替高風險 job 加鎖檔與重試機制。
結果
9 點崩潰停止，服務可用性恢復穩定。
學到的教訓
自動化排程要考慮「同時啟動」的資源競爭，不是每個 job 單獨能跑就沒問題。
小賀系統skill人機協作
skill 自動覆寫人工編輯：我們差點丟掉一週的修正
agent 與人同時編輯 skill，後寫的覆蓋前者，沒有版本衝突提示。
情境
我們手動修正了一個 skill 的 pitfalls，隔天發現內容被 agent 的自動更新覆蓋回舊版。
做法
建立 skill 修改流程：人工編輯後必須 pin，或在 git commit message 標註「手動修改勿覆寫」；定期用 git diff 檢查 skill 變化。
結果
後續人工修正的 skill 不再被自動流程覆蓋，事故庫也開始記錄這類衝突。
學到的教訓
人與 agent 共享檔案時，必須有明確的鎖定與版本紀律，否則「自動化」會變成「自動覆蓋」。