每天早上的前兩小時，你在做什麼？
我是一間科技公司的 COO。每天早上的前兩小時，我都在做同一件事：打開五個分頁，把各系統的數字複製貼上到一份報表裡，然後寄出去。
Notion 看專案進度、Google Sheets 對昨天的營運數字、內部系統查客戶指標、整理成日報、寄給主管跟團隊。每天重複，每天兩小時。
不是這件事特別難，而是它特別「黏」——你沒辦法不做，但做完之後覺得今天最精華的兩個小時就這樣用掉了。
直到有一天我問自己一個問題：
這件事，AI 做得比我快嗎？
答案不只是「快」——是快十倍，而且更穩定、更一致。
以下是我實際操作的完整拆解。不是概念介紹，是我真的每天在跑的系統。
先看結果：Before vs After
省下來的兩小時拿來做什麼？思考策略、跟團隊 1:1、處理真正需要人判斷的問題——這些才是 COO 該花時間的事。
為什麼是 3 個 Agent，不是 1 個？
這是我最常被問的第一個問題。
直覺上會覺得：做一個萬能 Agent 不就好了？把所有事情塞給同一個 AI 做。我一開始也是這樣想的。
結果：它有時抓數據失敗但還是硬產出報告（用舊的），有時分析完忘記寄出去，有時寄出去但格式亂掉。當一個 Agent 做太多事，你根本不知道是哪一步出了問題。
拆成三個之後，每個 Agent 只負責一件事：
- 資料收集 Agent — 從多個系統抓數據，統一格式
- 分析摘要 Agent — 把數據轉成人話，找異常，給建議
- 通知分發 Agent — 根據角色自動調整內容，送到不同管道
就像一條產線：每一站只做一件事，出了問題馬上知道是哪一站壞掉。
Agent 1：資料收集 — 最無聊但最關鍵的一步
第一個 Agent 每天早上 8 點自動執行，從三個不同的系統抓資料：
- Notion 專案看板 → 各部門的專案進度更新
- Google Sheets → 前一天的營運數字（營收、客戶數、轉化率）
- 內部系統 API → 客戶相關指標（客訴量、回應時間、滿意度）
抓完之後，自動整理成固定格式的 JSON，傳給下一個 Agent。
實作時最大的坑：格式不統一
Notion API 回來的是巢狀 JSON，Google Sheets 是二維陣列，內部系統吐出來的又是另一種格式。你需要為每個資料源寫一個 parser，定義「進來的長這樣，出去的要長這樣」。
這是一次性成本，不是每天成本。搞定了，後面就完全自動。
我當初的做法是給 Claude Code 這樣的指令：
幫我寫一個資料收集模組，每天早上 8 點自動執行。
資料來源有三個：
1. Notion 專案看板（DB ID: xxx）— 抓各專案的狀態和最後更新時間
2. Google Sheets（Sheet ID: xxx）— 抓 “每日數據” 分頁的最後一列
3. 內部 API（endpoint: xxx）— GET /api/daily-summary
統一輸出為 JSON 格式，包含：日期、各部門進度摘要、營運數字、客戶指標。
用 MCP Server 串接 Notion 和 Google Sheets。不需要自己寫程式。Claude Code 會根據這段指令自動產生所有需要的程式碼，包含 API 串接、資料轉換、排程觸發。
Agent 2：分析摘要 — 不只整理，還會判斷
第二個 Agent 拿到結構化資料後，做三件事：
1. 產出摘要：把數據轉成人話
不是「營收 $1,234,567」，而是：
昨日營收較前日成長 12%，主要來自新客戶開案（+3 件）。本週累計營收已達週目標的 78%，預計週五前可達標。
這種「有脈絡的數字」才是主管要看的。
2. 偵測異常：自動標記偏離值
這種警示以前要自己拉 Excel 才算得出來。現在 AI 每天自動跟前 7 天比較，超過門檻就標記。
3. 建議行動：不只報告問題，還給解法
不是「客訴量上升」就結束，而是：
建議今日優先行動：
1. 檢查計費系統最近更新（客訴集中在帳單類）
2. Y 專案延遲 2 天，建議跟 PM 確認是否需要調整時程
這是整套系統最有價值的部分。人手動做日報時最懶得做的就是歷史比對和異常偵測，但對決策而言是最有價值的。
給 Claude Code 的指令長這樣：
拿到資料收集模組的 JSON 輸出後，做三件事：
1. 產出摘要：把原始數據轉成有脈絡的文字摘要，包含趨勢和比較
2. 偵測異常：跟過去 7 天的數據比較，偏差超過 20% 就標記為異常
3. 建議行動：根據異常和專案狀態，給出 1-3 條具體的建議行動
輸出格式用繁體中文，要像是一個經驗豐富的營運主管在寫給團隊的摘要。Agent 3：通知分發 — 不同人看不同版本
這是我覺得最被低估的一個 Agent。
大多數人想到自動化，都是想「自動產報告」。但報告產出來之後呢？所有人收到同一份，80% 的人根本不看——因為跟他無關的資訊太多了。
所以第三個 Agent 會根據接收者的角色，自動調整內容：
給我自己（LINE）
完整版日報 + 異常警示 + 建議行動。我需要看全貌，所以什麼都給我。異常的部分會加紅色標記，讓我一眼就看到。
給團隊（Slack）
重點摘要 + 待辦清單。他們不需要看營收數字，但需要知道今天要優先處理什麼。
給主管（Email）
精簡版 + 關鍵數字。主管只要看「有沒有問題」和「數字好不好」，不需要細節。
這不是三份不同的報告，是同一份數據的三個「視角」。AI 可以根據角色自動調整詳細程度和重點。以前你不可能每天手工寫三版，現在 AI 幫你做到。
「那 AI 出錯怎麼辦？」—— 確認關卡設計
這是我被問最多的問題。答案是：不要一開始就全自動。
我的做法是分階段上線：
第一階段：半自動（前 2 週）
Agent 做完分析後不直接送出，先推一個預覽給我。我花 5 分鐘掃一眼，確認沒問題再按「送出」。
這個階段的重點是「觀察」——看 AI 會不會漏欄位、數字有沒有明顯錯誤、異常偵測的門檻合不合理。
第二階段：全自動（第 3 週起）
確認過兩週沒問題後，把確認關卡拿掉，改成全自動。但保留一個「異常通知」——如果資料源抓不到，會單獨發一則 LINE 通知告訴我。
第三階段：持續迭代
到現在穩定運行超過三個月，只有在資料源結構改變時才需要介入。中間有過兩次調整：一次是內部系統 API 改版，一次是加了一個新的資料源。每次調整大約花 30 分鐘。
最難的部分不是技術
很多人跟我聊到自動化時，第一個問題都是「要用什麼工具」。但實際上，工具是最簡單的部分。
真正難的是：決定先自動化哪一件事。
我自己就犯過這個錯。一開始想做「全自動化營運報表系統」，包含日報、週報、月報、季報、OKR 追蹤、KPI Dashboard……三個月什麼都沒做出來。
後來換了策略：只做每天早上的日報。一件事。兩週就上線了。
然後把同樣的架構複製到周報、月報。因為第一個 Agent 的骨架已經在了，後面只是調整輸入輸出。
如果你也想試：3 個起步建議
1. 找到你每天最重複的一個動作
不是「最重要」的，是「最重複」的。一個每天都在做、步驟固定、但就是繼續佔你時間的事。
可能是寫會議紀錄、可能是整理客戶資料、可能是產生週報。先做一件，做通再說。
2. 開一個 Claude Code，貼上這段指令
我想建立一個自動化 Agent，每天幫我完成 [你每天重複做的一件事]。
我的角色是 [你的職位]，公司叫 [公司名]。
資料來自 [資料來源 1] 和 [資料來源 2]。
每天 [時間] 自動執行，結果送到 [通知管道]。
如果數據有異常請特別標記。用繁體中文，格式簡潔。不需要會寫程式。Claude Code 會根據你的描述自動產生程式碼。你只需要告訴它「做什麼」和「資料從哪來」。
3. 前兩週每天花 5 分鐘確認
不要第一天就全自動。讓 AI 做完後先給你看，你確認沒問題再送出去。跑穩兩週再改全自動。
小結
自動化最難的部分不是技術，是「決定先做哪一件」。
找到你每天花最多時間的那個重複動作，用一個 Agent 讓它跑通。不要想著一次做完美系統，先讓一件事單點突破。
突破了，你就會知道下一個該自動化什麼。
