重點摘要

• OakMega Operation Team 用 Claude 分三層：文件處理 → 資訊整合 → 決策支援
• 最大收穫不只是省時，而是「先把問題想清楚」的工作習慣
• 下一步目標：從被動回應走向主動執行的智慧代理人

三年前，OakMega 大概二十人左右，員工資料存在一張 Google Sheet 裡，想知道什麼就拉公式，費工但堪用。

後來團隊長到將近四十人，部門多了、人員流動也多了。有一天需要算整年度的平均在職人數，要考慮每個人的到職日、離職日、逐月的在職狀態，中間還有人離職又回來 — 公式不是不能寫，但寫完很難確認對不對，改一個條件就要重頭檢查。

那個當下很清楚：我們的規模早就不是三年前了，處理資訊的方式卻還停在原地。

這是我們認真把 Claude 帶進工作流程的起點。

有一個問題，我問過不少人，他們的回答幾乎都一樣：「我們有在用 ChatGPT，但⋯說不上來哪裡有差。」OakMega Operation Team 一年前大概也是這種狀態。這篇文章想說的，是我們怎麼從「說不上來」走到「離不開」。

在 OakMega，我們賣的是幫企業把 AI 用好的解決方案。所以當有人問「你們自己怎麼用 AI？」這個問題的時候，壓力其實不小。我們把 Claude 帶進工作的方式，分成三個層次：文件處理（招標書、問卷分析）、資訊整合（串接 Notion + Google Drive 即時查詢）、決策支援（會議前互動式報告）。以下是這三個層次如何在日常工作中真正落地的過程。

我們用 Claude 的三個層次

第一層：文件處理

這是最直接的應用，也是我們最早開始用的方式。

政府採購案的招標文件通常又長又密，資格條件、評分標準、繳交期限散落在不同章節，稍不注意就會漏掉關鍵細節。以前的做法是人工逐頁閱讀、手動整理成備標清單，費時，而且很吃當下的專注力。現在的做法是把文件交給 Claude，請它依類別整理出資格門檻、必繳文件、評分項目，再由我們逐一確認。它不替我們判斷該不該投標，那些仍然是需要人去思考的事；但在「把資訊整理清楚」這個環節，確實讓我們省下不少時間。

同樣的邏輯也用在人事工作上。半年度員工問卷回收之後，我們會把原始資料交給 Claude 做初步分析 — 分數分佈、部門對比、開放題的主題歸納 —再整理成格式一致的報告存進 Notion。以前這個流程需要半天，現在壓縮到一個小時以內。

第二層：資訊整合

處理單一文件還算直觀，真正讓我們感受到差異的，是把 Claude 接上公司的資料來源之後。

OakMega 的營運資料分散在 Google Drive 和 Notion 裡 —員工資訊、支出紀錄、專案進度各有各的位置。以前要回答一個問題，得先知道資料在哪、開對的檔案、找到對的頁籤，才能開始整理。透過 Claude 的連接器把這些資料來源串起來之後，這個摩擦消失了。

想知道目前團隊的性別比例或各部門年資分佈，直接詢問，幾秒內就有答案。想確認這個月的支出執行進度、哪個項目還有預算空間，同樣如此。資料一直都在，只是過去取用的成本太高；現在那個成本幾乎降到了零。McKinsey 的調查指出，知識工作者平均有 19% 的工時花在搜尋與整合資訊上 — 這個數字放在 Operation 工作裡，我們覺得還算保守。

第三層：決策支援

資料能即時取得之後，我們開始思考下一個問題：怎麼讓這些資訊在會議前就到位，而不是等到會議桌上才開始找數字？

我們嘗試的做法是在會議前請 Claude 生成可互動的數據報告，讓與會者提前瀏覽。靜態的 PDF 在這裡不夠用，它只能呈現，沒辦法讓人依自己的關注點切換維度、深入細節。互動式的網頁報告才能做到這件事，但這裡有一個真實的問題：Claude 生成的 HTML 如果要分享，就必須公開發布，而公開就意味著資安的破口。

我們的解法是把 Claude 生成的程式碼直接貼進 OakMega 的授權頁面。這個產品讓我們可以把互動式報告發布在自己的資料庫裡，只有被我們授權的人才能開啟，而且還能追蹤誰看過、誰還沒看。互動性保留了，資安問題也同時解決了。

這讓我們開會的方式真正改變了。與會者進到會議室的時候，已經對現況有基本的掌握，不需要花時間在現場確認數字。討論的重心因此從「釐清現況」直接移到「分析與決策」，會議節奏變快，結論也更容易落地。

認真用，但也正視它的限制

我們不是 Claude 的重度使用者，但我們是認真使用的那種。

過程中也有過沒用好的時候。提供的背景資訊不夠完整，得到的結果就會偏；問題本身還沒有想清楚，輸出的方向就會跑掉。有一次我請 Claude 整理一份跨部門的費用對比，但忘了說明哪幾個月要排除，它給了我一份格式完美、邏輯正確、但時間範圍全錯的報告。那份報告我自己沒有立刻察覺，直到開會被問到才發現。

這些經驗讓我們意識到一件事：工具的輸出品質，很大程度取決於使用者的輸入品質。這個道理不只適用於 Claude，但 Claude 讓我們對這件事的感受特別深。

某種程度上，這也是一種意外的收穫。為了用好 Claude，我們養成了「先把問題想清楚、再開口詢問」的習慣。這個過程本身，就是一種工作方法的調整。

接下來，我們希望走到哪裡

目前我們使用 Claude 的方式，本質上還是「我們問、它答」。下一步，我們想讓它從被動回應走向主動執行。

Operation 有大量工作是週期性的、有規則可循的。定期報表、費用核對、人事流程節點、合約效期追蹤。這些事情不需要人去「想」，需要的是確保它在對的時間被正確執行。我們希望透過自動化流程與智慧代理人的建立，讓這些例行工作在背景持續運作，而我們的精力可以全數投入在例外處理和需要判斷的決策上。

一個理想的狀態是：Operation 的例行工作有一套自動化機制在背後默默運行，我們的時間全數留給那些真正需要人來判斷的事。這個目標還沒有完全實現，但方向是確定的。

工具在進化，但 Operation 的本質沒有變

最後想說一件事。

AI 工具進來之後，有人會擔心「那我們的工作還剩什麼」。但在 Operation 這個位置待過就知道，真正有價值的工作從來不是那些可以被規則化的部分，而是在資訊不完整的時候做出判斷、在流程卡住的時候找到出口、在對的時間把對的事交給對的人。

這些事，Claude 替代不了。

但它幫我們把雜事清掉一些，讓我們有更多時間和精力去做這些事，這樣就夠了。

對 OakMega 怎麼工作感到好奇？我們正在找跟我們一樣認真想把事情做好的人。👉 查看目前開放職缺

常見問題

Q：OakMega Operation Team 具體怎麼使用 Claude？
‍A：分三個層次：文件處理（招標書分析、員工問卷整理）、資訊整合（串接 Google Drive 和 Notion 即時查詢）、決策支援（會議前生成互動式數據報告）。

Q：企業導入 AI 工作流程的第一步是什麼？
‍A：從真實痛點出發，而不是追求工具本身。OakMega 的起點是「人工算平均在職人數太複雜、太容易出錯」，找到具體問題之後，才反推哪些工具能解決它。

Q：Claude 生成的報告如何兼顧互動性與資安？
‍A：把 Claude 生成的程式碼部署在自家授權頁面，而非公開發布。只有授權使用者才能開啟，同時保留互動性與存取追蹤能力。

Q：用 Claude 處理工作最常見的問題是什麼？
‍A：輸入品質決定輸出品質。背景資訊不完整、問題本身還沒想清楚，得到的結果就會偏。這個習慣要主動養成，工具本身不會提醒你。

Q：Claude 會取代 Operation 人員的工作嗎？
‍A：不會，至少不是核心部分。在資訊不完整時做判斷、在流程卡住時找出口、在對的時間交辦給對的人，這些是 AI 替代不了的。Claude 的角色是清除雜事，讓人有更多精力做真正需要判斷的事。