Systems / Operations / AI
把複雜流程，變成會自己往前走的系統。
我從現場問題出發，重新整理流程、資料與權責，再讓 AI 接手重複、判斷與追蹤。 這裡記錄那些真的上線、真的有人使用的系統。
observe → structure → automate → feedbackhuman direction, system execution
01 / PROBLEM FIRST先處理真正的耗損
不是先找 AI 能做什麼，而是先找哪裡正在浪費人的注意力。
02 / INVISIBLE SYSTEM讓系統退到背景
正常流程自己跑，使用者不需要一直操作另一套「新工具」。
03 / EXCEPTIONS SURFACE只把例外送到人面前
人保留判斷與責任，機器負責搬運、追蹤與可重複的決策。
System stream
看資料怎麼流，
比看功能列表更有意思。
這裡不是只有三個精選案例。每個新系統都會沿著同一條流繼續往下長，並保留自己的資料流、節點與回饋。
02 / OPERATIONS INTELLIGENCE
Complaint Intelligence
問卷與客訴進站後自動整理、判讀與分流，再流向 LINE 處置與營運戰情室；結果回來後，系統繼續累積脈絡。
看它怎麼運作 ↗03 / DELIVERY SYSTEM
Agent Team Workflow
把需求拆解、架構設計、並行施工、獨立驗證與最終 review 接成一條多代理工作流，讓 AI 不再只是等人逐步下指令。
看它怎麼運作 ↗04 / REQUIREMENT INTAKE
Wish Pool
把一句模糊的「我想要這個」先接住，保留原意、追問、收斂，再讓需求者自己確認；確定需求後才交給 Owner 與 Agent Team。
看它怎麼運作 ↗Build notes
最近在做什麼
不是每個願望都要立刻實現，但每個願望都不該消失：我做了一個會接住需求的許願池
同仁從 LINE 丟進來的需求，常常不是完整規格，而只是一句模糊的「我想要這個」。許願池先把原意接住，再陪他把需求收斂清楚，之後才交給 Owner 判斷、AI 施工與雙方驗收。
↗
讓每一間門市，都被一個看不見的系統好好照顧
這張未來藍圖想藏起來的，不是人，而是那些原本要靠人記住、反覆計算、四處追問的瑣事。
↗
客訴貼完圖沒人回、十筆只追到一筆：我把每天千份問卷變成追得回的系統
每天千份客訴問卷，人工篩、截圖貼群組，十筆追到一筆就算賺到。直到老闆一句「為什麼同樣的事一直發生」，我才發現：訊息滿天飛，但它沒有家。
↗
朋友都問我「客訴資料放 LINE 安全嗎」，我的答案不是「我很小心」
把每天千份客訴、員工個資放進 LINE 機器人，朋友聽到都倒退三步。我的做法不是把鎖做得更牢，而是根本不自己管權限——借 LINE 的群組結構當權限系統，讓每個人只看到他該看的層級。
↗
不是讓 AI 看起來很厲害。
是讓系統真的少需要人。
我在意的不是多一個介面、多一個 chatbot，而是原本必須靠人記得、轉貼、追問、彙整的事情， 最後能不能安靜地自己完成。需要人的地方，才浮上來。