Google 服務授權權限層級

Google 對不同服務有不同授權權限層級(scopes)

Google 將 OAuth 授權範圍(scopes)分為三類:

類別範例是否允許 @gmail.com 使用?
✅ 非機密(non-sensitive)讀取公開日曆、列出檔案名稱✅ 可以直接用
⚠️ 機密(sensitive)Google Sheets 編輯權限、一般Calendar存取等✅ 需要同意,但允許個人帳號用
❌ 受限(restricted)1.Gmail 信件
2.雲端硬碟(google drive)的完整控制權
3.使用者健康資料
❌ 無法使用 @gmail.com,僅限 Workspace + 審核通過應用

整理重點總表(谷歌常用服務)

Google Service分類說明
Gmail❌ Restricted100% 都是 ❌ restricted
Google Drive⚠️ 部分可用
❌ 部分限制
⚠️ drive.metadata.readonly
❌ Restricteddrive.file
Google Sheets⚠️ Sensitive, 有條件可用可用個人帳號授權同意使用
Google Docs⚠️ Sensitive, 有條件可用可用個人帳號授權同意使用
Google Slides⚠️ Sensitive, 有條件可用可用個人帳號授權同意使用
Google Forms⚠️ Sensitive, 有條件可用可用個人帳號授權同意使用
Google Calendar⚠️ 部分可用
❌ 部分限制
⚠️ calendar.readonly→Sensitive
❌ calendar → (完整存取)

在Make平台建立 Gmail Connection常見的失敗

🧠 錯誤訊息解析

當使用個人gmail 在Make.com 自動化流程平台建立 Gmail (Send a mail) 模組時,會產生錯誤。

原始的錯誤訊息(範例):

❌ It is not possible to use restricted scopes with customer @gmail.com accounts.

restricted scopes = Google 認為需要特別審核授權的敏感權(例如:讀寫 Gmail、Google Drive 內容等)

這些受限權限(restricted scopes)需要經過 Google 的審查流程,而且 只允許:

  • ✅ Google Workspace 商業帳戶(@yourcompany.com),或
  • ✅ 已通過 OAuth 驗證的 App

因此,如果想要使用 @gmail.com 的帳號建立 gmail connection,除了申請谷歌商業帳號之外,另外一個方法就是使用自訂 OAuth 用戶端(custom OAuth client)。

詳細的設定步驟,請參考「設定 Google Cloud Platform 專案」 。谷歌服務像是 Gmail, Google Drive 都是受限(restricted)的服務,需要特別透過GCP專案設定資料存取權限。

連結 Make 和 Line 官方帳號

1. LINE 官方帳號申請(LINE OA)

用途
課程中會使用 LINE OA 作為AI 互動介面,讓 AI 透過 LINE 回覆訊息、推播資料。

您必須先擁有一個 Line 官方帳號才能與 Messaging API 互動。您可以透過 Line Official Account Manager 平台免費申請一個帳號,這是您管理好友、查看後台數據的地方。

申請步驟

建立 Line 官方帳號步驟

2.使用 Webhook 連結 到 Line

Step1:建立新場景,選擇 LINE 模組,觸發器為 Watch Events。

Step2:點擊 Add 新增一個 Webhook:

  • Webhook name: YOUR_WEBHOOK_NAME
  • Connection: 再次點擊 Add:
    • Connection name:YOUR_CONNECTION_NAME
    • Channel Access Token:Channel access token (在申請Line官方帳號時所取得的  – 在Line Developers Console)
    • 記得要Save (此為關鍵步驟,沒有存擋,可能造成後續步驟有問題)
📝 解說: 針對不同的 LINE OA,需要建立不同的  webhook 和 connection。換句話說,每一個 LINE OA 都有自己專屬的 webhook 和 connection, 不能共用

Step3:儲存後回到 Watch Events 主畫面,點擊 Line – Watch Events 模組

  • Make.com 會生成一個專屬的 Webhook URL
  • 請複製此 Webhook address (a URL)

Step4:將 Make’s webhook 回填到 Line OA

  • 回到您的 LINE Developers Console 頁面
  • 選擇 Messaging API 分頁
  • 找到Webhook settings-> Webhook URL: 點擊 Editt,然後將Webhook address 貼到 Webhook URL 欄位中
  • 點擊 Update
  • 點擊 Verify
    • 如果出現 Sucess,就表示 Make 已經成功和 Line OA 掛鉤上了
    • 如果沒有成功,極大可能是 Make 的 Scenario 沒有 Save.
  • 如果驗證連線(掛鉤)成功,打開 Use Webhook  (此為關鍵步驟)
📝 解說: Line Webhook 是 LINE 官方帳號與你的伺服器(make.com)之間的「事件通知機制」。當用戶傳送訊息、加入好友、點擊按鈕等互動時,LINE 就會把這些事件以 HTTP POST 的方式發送到你設定的 Webhook URL

建立 Line 官方帳號步驟

建立 LINE 官方帳號 (Line OA):Step by step

🔗 登入與帳號建立

  • 登入 LINE Official Account Manager 網站
  • 點左側選單 ➜ 建立帳號
    • 登錄公司/店鋪資訊:填寫帳號資訊
    • 確認並完成申請 (暫時不勾選「將LINE 商家報加入好友」)
    • 稍後進行認證(⚠️ 不需立即申請認證帳號,可日後再設定)
    • 同意(服務條款等)聲明
    • 直接前往首頁

⚙️ 基本設定

點選(右上角)「設定」,開始「帳號設定」、「回應設定」(左側選單)

1. 帳號設定

  • 換大頭像(選擇性)
  • 勾選 ✅ 允許接收資料與檔案 (因為允許使用者用輸入語音檔)

2. 回應設定

  • ✅ 開啟「聊天」
  • ✅ 開啟「Webhook」(暫時無法開啟,要先完成其他步驟,再回來開啟)
    • 請先啟用Messaging API,啟用之後,還要設定 Webhook URL 才可開啟此功能
    • 請先繼續下一步驟…

3. Message API

  • 點擊「啟用Messaging API」
  • 選擇「服務提供者Provider」(可為部門/服務類別等分類用)
  • 點擊同意之後,即啟動這個官方帳號的 Messaging API
  • 隱私權政策及服務條款:先略過
  • 確定要以下方資訊啟用Messaging API:做最後確認。
  • 填寫Webhook網址:先保留,等待建立 Make.com Connection 時再回填。
  • 進行其他設定 (點擊頁面底部「LINE Developers Console」進入LINE Developers設定畫面)

⚙️ Webhook 和 Channel Access Token 設定

  • 進入 LINE Developers 設定畫面
  • 進入對應的 Channel ➜ 切換到「Message API」頁籤
  • 兩個地方要設定:
    • Webhook setting-> Webhook URL:
      • 先保留:因為需要 先產生 Make 的 Webhook 模組,取得URL之後再回填。
    • Channel Access Token:Channel access token (long-lived)
      • 滑到最下方 → 找到 Channel access token -> 點選「Issue
      • 取得 Channel Access Token,複製產生的 Token(先存到記事本,之後會用到)

📡 Webhook 與 Channel Access Token 說明

Line Webhook 是 LINE 官方帳號與你的伺服器(make.com)之間的「事件通知機制」。當用戶傳送訊息、加入好友、點擊按鈕等互動時,LINE 就會把這些事件以 HTTP POST 的方式發送到你設定的 Webhook URL
Channel Access Token 是 LINE Messaging API 提供的一組密鑰,用來驗證並授權你的伺服器(make.com)與 LINE Official Account (LINE OA) 之間的互動。

連結 AI 服務

透過API連結大語言模型(LLM)提供的服務

1. ChatGPT API Key 申請(OpenAI)

用途
提供課堂中 AI 回覆與生成內容的能力,例如摘要某一天的新聞內容,並透過 LINE OA 回覆使用者。

要透過 Make 使用 OpenAI 的模型,您需要的是 OpenAI 的「API 帳號」,而非 ChatGPT Plus 訂閱,兩者是獨立運作的。換句話說,即便你沒有訂閱 ChatGPT Plus ,也能申請API Key。請至 OpenAI 官網的 API 頁面產生一組 API 金鑰(API Key)。

申請步驟

  1. 前往 OpenAI 官方網站
    https://platform.openai.com
  2. 註冊帳號
    • 支援 Google 帳號登入
  3. 新增付款方式(免費額度已取消,新帳號需綁定信用卡)
    可使用 VISA / MasterCard 信用卡
  4. 建立 API Key
    • 登入後 → 右上角帳號 → Setting  → API keys
  5. 儲存 Key
    • 建議課堂先用文字檔 (notepad) 妥善保存,之後會貼到 Make 模組中。
  6. 費用
    • 定價:OpenAI Pricing 可以查詢不同模型的定價。
    • 使用限制:API rate limits 可以查詢API用量限制。
    • 用量查詢:使用 API 是按用量計費的,費用與您選擇的模型及處理的 Token 數量直接相關。OpenAI Usage 可以檢查目前使用的Token量、Request量、費用等資訊

注意事項

  • API 是付費制,計費依 Token 用量(文字長度)計算,你可以 到 AI行銷教學 的Token篇,查看更多關於 Token 的訊息
  • 建議課堂設定模型為 gpt-4o-mini 以降低成本。
  • API Key 洩漏會導致他人使用你的額度,務必保密。

2. Gemini API Key 申請(Google AI Studio)

用途
Google Gemini 提供多模態 AI 能力(文字、圖片、影片理解),可在課堂中與 ChatGPT 做比較,或作為替代方案。

要透過 Make 使用 Gemini 的模型,您需要的是 Google Cloud 提供的『Gemini API 金鑰』,而非 Google One等服務的訂閱,兩者是獨立運作的。換句話說,即便您沒有使用 Google One,也能免費申請 Gemini API Key(在免費額度內使用)。請至 Google AI Studio 的 API 頁面建立並取得 API 金鑰(API Key)。Gemini API 的計費方式是依照用量收費,費用與您所選擇的模型版本以及處理的 Token 數量直接相關

申請步驟

  1. 前往 Google AI Studio
    https://aistudio.google.com
  2. 登入 Google 帳號
    • 建議用與 Make 相同的 Google 帳號,方便串接
  3. 同意使用條款
    • 勾選 API 使用規範
  4. 建立 API Key
    • 點右上角 Get API key → Create API key
  5. 費用:

注意事項

  • 免費版每日有 Request 和 Token 限額,但足夠課堂測試。
  • 建議課堂設定模型為  gemini 2.5 flash
  • 圖片與大型輸入會消耗較多 Token,課堂建議以文字互動為主
  • API Key 洩漏會導致他人使用你的額度,務必保密。

申請make帳號

Make 帳號申請與初始設定

用途
Make 是一個無(低)程式碼流程自動化平台,可以讓你把不同的數位工具(如 Gmail、LINE、Google Sheet、AI 模型)串接起來,自動化資料處理與通知。

您可以透過官網使用 Email 或 Google 等社群帳號快速完成註冊。Make 提供多種方案,其中免費方案已包含每月定額的操作次數(Operations)與資料傳輸量,並可建立數個啟用的 Scenario,非常適合初學者用來學習、測試及運行輕量級的自動化任務。

申請步驟

  1. 前往官方網站
    https://www.make.com
  2. 點擊右上角 Get started free
    • 建議使用 Google 帳號 登入(方便後續串接 Google Sheets、Gmail)。
  3. 選擇免費方案 (Free Plan)
    • 免費版每月 1,000 次操作,足夠課堂練習使用。
  4. 完成個人資料設定
    • Name(姓名)可用英文或拼音,方便辨識
    • Team name(團隊名稱)可直接填課程名稱,例如 AI Collaboration Class
  5. 首次登入時
    • Make 會提供範例流程 (Scenario),可先略過,之後課堂會實作。

軟體基本概念

使用make平台設計自動化流程需要具備的軟體基礎知識

在 Make 平台進行自動化設計之前,理解一些軟體工程與資料處理的基礎概念,能夠讓你設計出更精確、穩定且可維護的流程。本文將透過核心概念,結合 Weather、HTTPLine、Google sheet、Gmail 等常見模組的應用情境,幫助沒有程式背景的學習者,也能快速建立起基礎軟體知識。


1. Variable(變數)

定義
變數是用來儲存資料的命名容器,可在流程中重複引用,且其值可隨時間或條件改變。變數是流程中「記住資訊」的方式。

在一次 Scenario 的執行過程中,變數用來臨時儲存和傳遞資料的命名容器。當您需要儲存一個中間計算結果,或設定一個全域設定值供後續多個模組使用時,變數就非常有用。您可以使用 `Tools > Set variable` 模組來建立變數,並用Tools > Get variable` 模組來取用它

類比
想像你有一張便利貼,寫上「今天氣溫」,早上查到是 28°C 就寫上去,下午若溫度變成 30°C,你擦掉改成 30°C。標籤(變數名稱)不變,內容(值)可更新。

Make 應用示例

  • Weather 模組取得當日氣溫後,用 Tools ▸ Set variable 儲存為 varTemperature
  • 在 Gmail 模組寄信時,主旨可設定為:今日氣溫:{{varTemperature}}°C
  • Make 內建變數:Make 在每個執行中提供系統變數,如:
    • now:目前時間
    • timestamp:時間戳記
  1. 每天早上 7 點用 Weather 模組抓取氣溫。
  2. 用 Set variable 將氣溫存成 varTemperature。
  3. 用  Gmail 模組發送訊息:「今天( {{now}})的氣溫是 {{varTemperature}} °C,記得注意穿著。」
💡 Tips: {{now}} 是Make內建變數,{{varTemperature}} 是指 Set variable 模組中的自訂變數 varTemperature 變數,兩者都可利用「資料選擇器」(Data Selector) 來選取。

2. Function(函式)

定義
函式是特定運算邏輯的程式單元,能接收輸入(參數)、處理後產生輸出(結果),可多次重複使用。

Make 提供的內建資料處理工具,讓您能像在 Excel 中使用公式一樣對資料進行操作。熟練運用各種函數(如用於文字處理的 `split`、`replace`,用於日期計算的 `addDays`,用於資料提取的 `get`、`map`)是從入門到進階的關鍵

類比
像咖啡機:放入咖啡豆與水(輸入),按下按鈕(呼叫函式),輸出一杯咖啡(輸出),不管做幾次,流程一致。

Make 應用示例

  • Weather 模組取得當日氣溫後,設計一計算體感溫度的函式
  • 使用 Gmail 模組寄出訊息(溫度/體感溫度),加上今天日期,以及將溫度取小數點後面一位
  • Make 內建函式(部分):
    • 文字/字串:upper(), lower(), trim(), replace(), contains()
    • 日期:formatNumber(), formatDate(), addHours(), addDays()
    • 數值:average(),  round(),  max(), min()
    • 條件:if(condition; then; else)(常用來處理空值或預設值)
    • 集合:map(), join(), length(), contains()
  1. 每天早上 7 點用 Weather 模組抓取氣溫與濕度。
  2. 新增 Tools → Set Variable 模組,在變數名稱(例如 體感溫度 )中輸入計算公式(計算函式):體感溫度 = 氣溫 + (濕度 / 100) * 4
  3. 使用Gmail 模組發送訊息, 主旨為「今天的體感溫度 xx.x °C」,內容則為「 YYYY/MM/DD 的溫度為 xx.x °C, ,體感溫度為 xx.x °C  (日期格式為  YYYY/MM/DD, 溫度取到小數點1位,例如,2025/8/12 的溫度為 30.1 °C,體感溫度為 31.5 °C  )
💡 Tips: formatDate(), formatNumber() 兩者都是Make內建函式,可以針對日期和數字進行格式化,兩者都可利用「資料選擇器」(Data Selector) 來選取。

3. Flow Control(流程控制)

定義
流程控制決定自動化步驟的執行順序與分支,常見的控制結構包含條件判斷(if)、多路分流(router)、錯誤處理與延遲等。

這是在視覺化環境中實現程式邏輯的方式。`Router` 實現了並行處理;`Filter` 實現了條件判斷(if);`Iterator` 實現了迴圈(loop);而 `Aggregator` 則是用來將迴圈處理完的結果重新組合。掌握這些工具,您就能建構出具有複雜商業邏輯的流程。

類比
像十字路口的紅綠燈與指示牌,綠燈直行、紅燈停、特定條件才右轉。

Make 應用示例

  • Filter:放在兩模組之間;條件不符即停止該路徑。例如:若氣溫高於 30°C,才用Line 提醒。
  • Router:一進多出;每個出口可搭配 Filter 寫不同條件。例如:一條路徑寄 Gmail 發出訊息,一條用 LINE 通知。
  • 若氣溫 ≥ 30°C,LINE 推送「高溫警告」。
  • 否則 Gmail 寄送「今日氣溫舒適」。
💡 Tips: 使用 Route 模組分流兩條路徑,在每一條路徑上,使用 Filter 進行篩選

4. Markdown format

定義
一種簡單的文字格式化語法,讓您可以用 `#標題`、`**粗體**`、`*斜體*`、`[連結文字](網址)` 等符號來豐富純文字的表現力。

在支援 Markdown 的訊息服務(Line 不支援, Gmail支援)中,您可以用它來產生格式更美觀、更易讀的通知訊息。可以使用 Markdown Editor 測試不同的標籤效用。

類比
像在便簽上的格式化速記符號,例如:用 # 表示標題,用 #### 表示H4標題。

Make 應用示例

  • 用 Markdown 排版天氣報告
  • 以下是一個 Markdown 格式的內容:
# 今天天氣資訊
#### 座標
- 24.1469
- 120.6839
#### 溫度
- 26.46
#### 濕度
- 92
#### 風力
- 速度:2.57
- 方向:140

5. HTML (HyperText Markup Language)

定義
 HTML 是建立網頁內容結構的標記語言,是網頁的骨架。用標籤(tag)描述內容,如 <h1> 標題、<p> 段落、<a> 連結。你也打開HTML Basic,然後在瀏覽器按右鍵,選擇「檢查網頁原始碼」檢視各種HTML標籤。

從 HTTP 模組得到的 HTML 原始碼充滿了各種標籤(tags)。要從中提取有用資訊,您需要像偵探一樣分析其結構,找到目標資料被包覆在哪個或哪些標籤中。通常會搭配正規表示式(regular express)或文字處理函數來進行解析。

類比
像設計一本書的章節與段落結構,<title>是標題,<h1>是標題1,<h2>是標題2,<p>是段落,<table>是表格。

Make 應用

  • 在 Gmail 之前,先將信件內容轉成 HTML 格式,增加可閱讀性
  • 從 Weather 模組取得目前台中的氣溫、濕度、風力,
  • 用 Markdown 格式化存到一個變數中。
  • 然後將 Markdown 格式轉成 HTML 格式後用 Gmail 寄出。
💡 Tips: 使用 Markdown 模組-> Markdown to HTML 轉換格式

6. HTTP (HyperText Transfer Protocol)

定義
HTTP 是用戶端與伺服器之間的通訊協定,包含方法(GET/POST)、標頭(Headers)、主體(Body)與狀態碼。

使用 HTTP 模組的「Make a request」動作,您可以模擬瀏覽器向目標網址發送一個 GET 請求。伺服器會回應這個請求,並返回該網頁的完整 HTML 原始碼,這就是您爬取到的「原料」。

類比
像寄送與接收公文,信封上的資訊是標頭,內容是主體,回覆的批示是狀態碼。

Make 應用示例

  • 用 HTTP 模組發送請求
  • 用 GET 方法從 exchange-api  抓美元vs.台幣資訊。
  • 呼叫一個公開的匯率查詢網站所提供的API,觀察回應的狀態碼。
  • 若不是 200,就用 Gmail 寄錯誤通知。
  • 如果狀態碼為 200 (表示請求成功), 則設定一個變數,其值如下:「xxxx-xx-xx的美元對台幣匯率:xx.xx 」儲存美元對台幣匯率。(例如,2025-08-11的美元對台幣匯率:29.88)
💡 Tips: 使用HTTP Make a request 模組,搭配 Router, Set Variable模組,然後取得{{data.date}}、{{data.usd.twd}} 變數的值

7. JSON(JavaScript Object Notation)

定義
JSON 是一種輕量級的資料交換格式,使用鍵值對與陣列來表示結構化資料。以下是一個典型JSON資料範例:

{
"orderId": "A123",
"buyer": { "name": "Tina", "email": "tina@example.com" },
"items": [
{ "sku": "SKU01", "qty": 2, "price": 300 },
{ "sku": "SKU99", "qty": 1, "price": 1200 }
],
"total": 1800
}

你可以使用 JSON viewer 檢視這段 JSON 資料的內容。

許多現代網站採用前後端分離架構,網頁上的資料是透過 JavaScript 非同步地向後端 API 請求而來的,而這些 API 通常會回傳結構清晰的 JSON 格式資料。如果您能透過瀏覽器的開發者工具找到這些 API 端點,直接請求 JSON 資料會遠比解析混亂的 HTML 來得更簡單、更穩定。

類比
有標籤的資料夾:每頁資料都有欄位標題(鍵 key, 例如 orderId)與內容(值 value, 例如 “A123″),可以有多層資料夾(巢狀結構, 例如 items)。

Make 應用示例

  • 呼叫一個公開的匯率查詢網站所提供的API,解析 HTTP 模組輸出的 JSON
  • 取出美元對台幣匯率 {{data.usd.twd}} ,組成一句話傳到 LINE:「今日美元對台幣:xx.xx 」。
💡 Tips: 使用HTTP模組的 Make a request 向公開的匯率查詢網站請求資料,並選擇 "✅Parse Response" 解析並提取 JSON 資料

8. API (Application Programming Interface)

定義
API 是軟體間溝通的「接口協議」,定義請求格式、回應內容、存取規則。讓不同系統能交換資料與服務而不必直接存取彼此資料庫。

API 是軟體之間溝通的橋樑。Make 的本質就是一個巨大的 API 整合器,它將數千個服務的 API 封裝成簡單易用的模組。例如,當使用 HTTP 模組時,就是在直接與目標服務的 API 進行對話,這提供了無限的擴充可能性。

類比
餐廳點餐服務員:你告訴服務員(API 請求)要什麼,服務員回來送餐(API 回應)。你不會進廚房(資料庫)直接取食材。

Make 應用示例

  • HTTP 模組:可呼叫任何 REST API(GET、POST、PUT、DELETE)。
  • 與 Google、Line 等官方模組背後也是透過 API 溝通。
  • 呼叫一個公開匯率查詢網站所提供的API,解析 HTTP 模組輸出的 JSON
  • 取出台幣對日圓匯率 {{data.twd.jpy}} ,組成一句話傳到 LINE:「今日台幣對日圓: x.xxxx 」。
💡 Tips: 使用 HTTP 模組的 Make a request 向公開的匯率查詢網站請求資料,並選擇 "✅Parse Response" 解析並提取 JSON 資料

9. Loop(迴圈)與 Iteratoion (迭代)

定義
Loop(迴圈)是一種程式控制結構,允許系統對一組資料重複執行相同的操作,直到達成特定條件或處理完整個集合。Iteration (迭代)是對集合(如bundle, array)中每個元素重複執行相同步驟。

在 Make 中,最常見的迴圈實作方式就是 iterator 模組,它會逐一處理每個 bundle。注意:每次處理一個 bundle,就會累計一次 operation。

類比
想像你有一疊考卷需要批改:

  • bundles = 這疊考卷(有N份試卷,就有N個bundle)
  • Iterator = 把考卷一份一份拿出來 loop 處理,也就是對每份試卷都進行相同流程(批改、計分、記錄) 直到批改完最後一份,loop 才結束。

Make 應用示例

  • 用 Iterator 模組將 Google Sheets 的名單,逐筆對每個收件人寄 Gmail。
  • 從 Weather bundles 中逐一取出每天的天氣,分別傳送到 LINE。
  • 每天自動從 Weather 模組取得未來 3 天的天氣預報,
  • 逐一把每天的日期、溫度、濕度、描述等資訊,傳到 LINE。
💡 Tips: 使用 Weather → Get daily weather forecast(天數設定為 3),之後接續 Tools → Iterator模組(輸入為 Weather 的 bundle 欄位,最後再使用LINE → Send a push message (如果一切正常應該會收到3則分別對應日期的Line訊息)

流程自動化的橋梁:Make 與外部應用之間的 Connection 

本章節聚焦於 Make 平台中 Connection 的角色與安全機制,闡述其如何透過 OAuth 2.0 授權協議,安全地連結 Google、OpenAI、Gemini 、LINE等外部服務,並支援資料讀寫、自動化任務與即時事件處理。內容涵蓋連線建立步驟、Webhook 即時觸發應用、API Key 管理,以及企業在授權協作與資安治理上的最佳實務,旨在培養學員兼顧效率與合規的流程自動化設計能力。


一、從自動化邏輯到授權協作

在流程自動化系統如 Make 中,連接(Connection) 扮演著承上啟下的角色,是 Make 代表使用者對第三方應用程式進行操作(如讀取日曆、發送信件、更新試算表、LineBot、AI文章摘要)的技術依據與授權依據。這項機制不僅關乎操作的順利進行,更涉及資料安全、存取權限、與授權協議等關鍵議題。

Connection是一個安全授權的過程,讓 Make 能夠代表您去存取其他應用程式的帳號(如 Google、Slack)。您通常會透過 OAuth 2.0 協定跳轉至原始服務的頁面進行登入與授權,Make 只會儲存一個安全的存取權杖(Token),而不會儲存您的密碼,確保帳號安全。

二、Connection 的運作邏輯與安全原則

1. OAuth 2.0 授權協議

大多數現代應用服務(特別是 Google、LINE、OpenAI 等)皆透過 OAuth 2.0 協議授權第三方服務(此處指 Make)代表使用者操作應用資源。整體流程如下:

  1. 使用者透過 Make 選擇建立某應用的連接。
  2. 被連接的服務(如 Google)跳出授權頁面,要求使用者登入並明確授權存取權限。
  3. 使用者同意後,Make 取得一組「存取權杖(Access Token)」與「更新權杖(Refresh Token)」,僅能於限定範圍與有效期限內使用。
  4. 使用者可隨時撤回授權,或重新設定連線權限。

2. 安全性考量

  • Make 僅在使用者允許的前提下取得授權,並不儲存使用者密碼。
  • 所有連線與資料傳輸皆透過 HTTPS 安全通道加密。
  • 使用者可於 Google/LINE/OpenAI 帳戶管理後台查看、管理與撤銷第三方應用授權。

OAuth 的三大優點:

  • 安全:不用把密碼交給第三方應用
  • 可控:使用者可以選擇授權的範圍(例如:只讀信件、不寄信)
  • 可撤銷:使用者可隨時取消授權,Token 立即失效

3. OAuth 是什麼?

OAuth(Open Authorization) 是一種開放標準的 授權協定,用來讓使用者在 不必將帳號密碼交給第三方應用程式 的情況下,授權該應用程式存取自己在其他平台上的資源。

換句話說👉 OAuth = 安全的「授權管家」,它只會給應用程式一把「有限的鑰匙」,而不是整把大門的主鑰匙。

舉例理解

假設你要讓一個應用程式(例如 Make.com)存取你的 Google Drive 檔案:

  • 沒有 OAuth:
    • 你必須把 Google 帳號密碼交給 Make.com
    • 很危險!因為 Make.com 得到的是完整帳號權限,可以做任何事
  • 有 OAuth:
    • 你只要登入 Google,並在授權畫面勾選「允許這個應用程式讀取 Google Drive 檔案」
    • Google 會給 Make.com 一個 授權憑證(Token),這張 Token 只能執行你允許的功能
    • 例如:只能「讀取」檔案,不能「刪除」或「改密碼」

4. OAuth 🔐 的運作流程(簡化版)

  1. 使用者發起授權
    • 例如:Make.com 想存取你的 Google Sheets
    • 跳出 Google 的授權畫面
  2. 使用者同意授權
    • 你點選「允許」
    • Google 就知道:這個人同意讓 Make.com 讀取 Sheets
  3. Google 發給 Make.com 一張 Token
    • 這張 Token 就像一張「門票」
    • Make.com 之後拿這張 Token,就能讀取你的 Sheets(在授權範圍內)
  4. 使用者隨時可以撤銷
    • 如果你在 Google 帳號安全性設定裡「撤銷存取」,Make.com 的 Token 就會失效
簡單比喻:你去朋友家,不會把家裡大門鑰匙交出去,而是給他一張「臨時訪客證」,他只能在允許的時間、允許的範圍內活動,這張「訪客證」= OAuth 的 Token

三、實作導引:為主要應用建立連接

1. 建立 Google 應用連接

  • 於 Make 模組中點選如「Google Sheets」或「Gmail」模組。
  • 點選 AddGoogle connection
  • 彈出 Google 授權頁面,選擇帳號 → 授予權限。
  • 完成後即可於流程中使用該連接進行「讀取」、「新增」、「更新」等操作。

實用應用舉例:

應用模組實務場景
Google Calendar會議排程自動記錄到日曆
Gmail根據每日晨訊資訊變動自動發送摘要郵件
Google Sheet整合銷售資料,週期性寫入報表
Google Docs自動產出訪談紀錄或會議摘要
Google Drive自動備份資料、分類儲存檔案

2. 建立 AI 模型連接(ChatGPT, Gemini)

OpenAI ChatGPT

  • 於 Make 中新增加一個ChatGPT scenario (並使用 create a completion 為範例)
  • 建立一個 Connection
  • 填寫 API Key (你可以在 OpenAI 網站創建 API key)

首次使用的使用者提示: Open API Key 需付費。您必須在 OpenAI 帳戶中擁有足夠的餘額才能使用。您可以在你的Open AI 帳號中,事先預付 (例如預付 USD$10)

Google Gemini (透過 Google AI Studio)

  • 於 Make 中新增加一Gemini AI scenario (並使用 create a completion 為範例)
  • 建立一個 Connection
  • 填寫 API Key (你可以在 Google AI Studio 網站創建 API key)
Note: Gemini API Key 目前免費。(未來收費方式請參考 Google 官方公告)

3. 建立 LINE 連接

Line OA (Official Account)

您必須先擁有一個 Line 官方帳號才能與 Messaging API 互動。您可以透過 Line Official Account Manager 平台免費申請一個帳號,這是您管理好友、查看後台數據的地方。

情境1:推播訊息

  • 建立Line 官方帳號 (產生 channel)
  • 於 LINE Developers Console 取得 Channel Access Token (part of Messaging API )。
  • 於 Make 中使用「 Channel Access Token 建立 Connection
  • 在 Connection 填寫 目標收件者的 ID (Line’s user id)
  • 搭配「Send a push message」(Line 模組)回傳訊息給使用者。
Note: Line對於推播(Push)訊息每個月有免費額度,超過額度需要付費。詳細操作細節請參考「天氣資訊推播」。

情境2:回覆訊息(使用 Webhook)

  • 於 Make 中使用「Line Watch Event」模組建立 Webhook (需要先建立connection)
  • 將 webhook address 複製到 Line 官方帳號 (channel) 的 webhook setting.  (part of Messaging API )。
  • 搭配「Send a reply message」(Line 模組)回傳訊息給使用者。

webhook是一種實現服務間即時通訊的現代網頁技術。當您在 Make 建立一個使用 Webhook 的觸發器時,Make 會提供一個獨一無二的 URL。您將此 URL 設定在外部服務(如電商平台、表單系統)的後台,當該服務有特定事件發生時(如新訂單),它就會向這個 URL 發送一個 HTTP 請求,從而即時觸發您的 Scenario。

Note: Line對於回覆(Reply)訊息則是免費。詳細操作細節請參考「韓語翻譯LineBot

四、授權與合規性:企業導入的應用治理建議

風險類型預防對策
未經授權存取僅允許企業內部帳號建立 Connection,並統一授權管理
資料外洩使用細緻權限控管(僅授權讀取必要檔案/資料夾),避免過度開放
金鑰洩露透過 Make 的變數管理儲存 API Key,避免硬編入程式碼(hard-coded)
超出預算建議設定使用費用上限通知,例如 chatGPT 的帳單上限警示

五、結語:將 Connection 建構視為流程自動化的資安核心

對於致力於提升數位化效率的企業與管理者而言,建立 Connection 不只是技術上的設定,更是「數位治理」的起點。透過合理設定授權、妥善控管連線權限,Make 能安全地扮演數位助理的角色,在授權範圍內執行繁瑣任務,讓企業專注於更具策略性的決策與創新。

Make基礎:建立穩定可擴展的流程自動化核心概念

精通 Make 如同學習一門新的語言,而本章節的內容即是這門語言的「核心文法」。理解這些基本元件與概念,是後續建構複雜、穩定且可擴展的自動化流程的先決條件。

在本文中,我們將系統性地介紹以下幾個面向:

  • 帳號與儀表板架構(Account, Organization, Team, User)
  • 流程的組成(Scenario, Module, Trigger)
  • 資料的流動方式(Bundle, Array)
  • 外部連接方式(Connection, Webhook)
  • 流程的控制與條件邏輯(Filter, Router)
  • Make 提供的資料處理工具(變數與函數)

一、Make 的帳號邏輯:帳號、組織、團隊與使用者的結構關係

Make 平台採用分層的架構設計,方便管理多人協作流程。這些邏輯單位包括:User(使用者)、Account(帳號)、Organization(組織)、Team(團隊),各自扮演不同角色:

🔹 1. User(使用者)

  • 指一位真實的人,以 email 身分登入。
  • 一個 User 可同時參與多個 Organization。
Note: 受邀的使用者需要註冊並登入 Make 平台

🔹 2. Account(帳號)

  • 是使用者的操作容器,用於執行流程、建立連線、管理模組設定。
  • Owner account 可以創建organization
  • 與 User 一對一綁定。

🔹 3. Organization(組織)

  • organization 對應一家公司、一個部門或一項專案,擁有獨立配額與帳務設定
  • 管理整體流程架構與團隊權限。
  • organization 可以新增 / 刪除的使用者,並指派不同角色(Owner、Admin、Member、Accountant、 App Developer)。允許多人協作、流程共享。
Note: 當新增一個組織時,會得到一個(且只有一個) Free Plan 的機會。

🔹 4. Team(團隊)

  • Team 是組織中的子單位,用來分類流程與成員權限。每個組織必須至少有一個Team
  • 適用於大型組織內部分工協作,例如 IT 團隊、行銷團隊等。
  • Team 可以新增 / 刪除的使用者,並指派不同角色(Admin、Member、Monitoring、 Operator、Restricted Member)。
Note: 需要較高的付費版本才能創建新的Team(預設為一個)。

🧭 結構總覽示意圖:

make organization team

這種架構允許你 (User 1) 同時在不同角色中工作,例如白天為公司自動化流程開發者(organization A),晚上則使用另一個組織來測試與學習(organization B)。

二、Scenario:流程自動化的基本單位

在 Make 中,每個流程稱為一個 Scenario,它是一組串連的模組(Modules),透過條件與資料傳遞邏輯來完成自動化任務。基本組成包括:

🔸 1. Trigger(觸發器)

  • 啟動流程的起點,例如:
    • 設定時間間隔(Scheduler)
    • Webhook 呼叫
    • 第三方應用更新(如表單送出)

🔸 2. Module(模組)

  • 表示流程中每個動作的單元,例如:
    • 傳送 email
    • 儲存資料
    • 呼叫 API
  • 模組可任意組合、設定順序與條件。

🔄 一個 Scenario 可以是簡單的「表單送出 ➜ 寄信」,也可以是複雜的「資料拆解 ➜ 條件判斷 ➜ 多組 API 呼叫 ➜ 多筆資料同步」。

✅ 三、資料的傳遞:Bundle、Collection 與 Array

Make 的每筆流程資料稱為一個 Bundle (它的內部資料結構稱為collection),例如一筆天氣資訊、一張表單、一筆訂單。

  • Bundle(數據包):流程中的一筆資料,通常是 JSON 格式,例如一筆表單、一筆訂單、一封 Email。
    • one bundle , one execution of your scenario
    • two bundles, two executions of your scenario
    • N bundles, N executions of your scenario
  • Collection(集合):Bundle 內部的資料結構,用於存放多個相關欄位(key-value pairs),像是資料表中的一列欄位與值。這種資料格式稱為JSON格式,它是一個用 {} 括起來的資料結構。例如
{
"Name": "John",
"Email": "john@example.com",
"Amount": 100
}
這個範例中,"Name" 就是 key, "John"就是 value。
  • Array(陣列):由多個 Bundle 組成的集合。當模組一次輸出多筆資料時,就會形成 Array。
    • one item, one execution of your scenario
    • two items, one execution of your scenario
    • N items, one execution of your scenario

常見處理模組:

  • Array Aggregator:將多筆資料整合成一組 Array
  • Iterator:將 Array 拆分為單筆 Bundle

🎯 理解資料單位是掌握流程穩定度與效能的關鍵。

四、外部連接:Connection 與 Webhook

自動化流程往往需與外部系統互動,Make 提供兩種方式建立連線:

🔸 1. Connection(連線)

  • 用來與第三方應用建立連接,例如 Google(Gmail, GSheet, Calendar, GA4…etc)、Line、ChatGPT、Gemini。
  • 建立一次後可反覆使用。

🔸 2. Webhook(網路掛鉤)

  • 接收外部服務即時資料(如Line訊息、表單送出、付款完成)。
  • 是觸發器(Trigger)的一種形式。

🪝 實務上經常透過 Webhook 將資料從 LINE、Stripe、Typeform 等服務傳送至 Make 開始處理流程。

五、流程控制與資料處理:Filter 與 Router 的運用

當流程需根據資料內容做出「選擇性處理」時,就需要導入流程控制元件:

🔹 1. Filter(條件過濾器)

Filter 置於模組與模組之間,用來判斷該資料是否能繼續執行後續步驟

使用情境:

  • 金額大於 1000 才通知財務
  • 訂單狀態為 “已完成” 才建立發票

特點:

  • 單一路徑控制:條件不符即終止執行
  • 可用變數、自定欄位做多重判斷
  • 搭配函數處理字串、時間等複雜邏輯

🔹 2. Router(路由器)

Router 可將資料「分流」至不同處理分支,形成多條平行流程,是進階流程控制的重要工具。

使用情境:

  • 根據客戶所屬區域(北、中、南)派發至不同負責團隊
  • 根據訂單金額分成三種折扣策略處理

特點:

  • 可擁有多個出口,每個出口搭配 Filter 作條件判斷
  • 能讓流程更具彈性、可讀性高
  • 避免複製流程段落,提升邏輯一致性

🔄 Filter 與 Router 比較整理:

功能Filter(條件過濾器)Router(路由器)
控制方式單一路徑是否通過多路徑導向不同邏輯分支
適合用途簡單條件判斷多情境、多路徑流程(分類處理)
可否並列處理
可結合 Filter✅ 可作為出口的條件增強✅ 每個分支均可加上條件限制

💡 小技巧:流程中可同時使用 Router + Filter + 變數與函數組合,建立如「決策樹」般的邏輯流程。

六、資料處理工具:變數與函數

Make 內建多種函數與變數工具,能強化資料清洗與轉換能力,常見函數包括:

  • formatDate():日期格式轉換
  • length():計算文字或清單長度
  • replace():文字取代
  • substring():擷取部分內容
  • map() / join() / split():處理陣列資料

這些函數幾乎可在任何模組中呼叫,讓流程更加靈活,提升自動化品質。

小結:從理解結構到設計邏輯

Make 的學習曲線與程式語言相似:一開始理解語法(變數、控制元件、模組),之後進入邏輯設計(條件判斷、資料流程),最終才能設計出穩定、可擴展的專業流程。

建議同學們從實作範例入門,逐步練習模組組合與條件判斷,最終達到「能獨立設計流程」的階段。

流程自動化結合AI協作:提升企業營運效率

探討AI協作與流程自動化的整合應用,如何提升企業營運效率。內容涵蓋應用價值、導入時機、參與角色與適用場域,並提出實作步驟與文化建構建議。強調AI應作為輔助決策與優化流程的策略夥伴,而非取代人力。


✅ 什麼是流程自動化AI協作

流程自動化(Workflow Automation)則是指藉由數位工具(如Make、Zapier、n8n等),自動執行一系列跨系統任務,降低人工作業錯誤並提高處理效率。

AI協作(AI Collaboration)指的是人類與人工智慧系統之間的互動與分工,透過語言模型(如ChatGPT 、Gemini)、影像辨識、自然語言處理等技術,輔助人類進行分析、決策與創造性任務。

當AI與流程自動化結合,企業可於資訊彙整、資料分析、文件處理、顧客服務等流程中,實現「準即時」的自動應答與分析,進而提升整體營運效率。

✅ 為何企業需要導入?💡 

當代企業面臨高度競爭與資源限制的雙重挑戰。面對市場變化迅速、資訊流爆炸與人力成本上升,企業若仍依賴傳統人工作業,往往效率低下且難以擴展。

流程自動化AI協作的引入,能有效解決以下痛點:

  • 資訊處理過載:AI可快速過濾並提取重點資訊。
  • 人力資源瓶頸:流程自動化能釋放人力,聚焦高價值工作。
  • 流程不一致與錯誤:標準化自動流程可減少人為疏失。
  • 數據決策落後:AI加速數據分析,有助即時決策。

因此,透過AI與自動化協同運作,企業可在不顯著增加成本的前提下,強化營運彈性與組織敏捷性。

✅ 誰應參與?👥 

雖然AI與自動化技術的實作常由IT部門主導,但實際受益與參與者涵蓋整個企業架構,包括:

  • 決策者:需理解AI能力,將其納入策略規劃。
  • 業務部門:最了解實際工作流程,是定義自動化目標的關鍵角色。
  • 資料分析師與AI專業人員:設計與調校模型,確保技術應用貼近業務需求。
  • 營運與行政單位:可透過自動化簡化日常管理任務。

在企業文化層面,跨部門協作(Cross-functional Collaboration)是成功導入AI與自動化的必要條件。

✅ 何時適合導入?⏰ 

導入時機通常包括以下幾種情境:

  1. 流程重複性高:如資料輸入、審核、報表產出等作業,容易標準化與自動化。
  2. 人力負擔過重:人工作業成為效率瓶頸。
  3. 轉型需求明確:企業進行數位轉型、ERP或CRM系統升級之際。
  4. 有數據但未被有效使用:此時AI可發揮分析潛能。

值得注意的是,AI與自動化並非一蹴可幾的轉型工具,應以試點(pilot project)模式逐步推進,再逐步擴大應用範圍。

✅ 哪些場域最適合應用?📍

AI與流程自動化可應用於多種營運場景,涵蓋:

  • 行銷與客戶關係管理(CRM):AI生成客製化回應、推薦商品,自動追蹤客戶行為。
  • 知識管理與內部溝通:AI生成會議紀錄、自動化知識庫更新。
  • 人力資源管理(HRM):履歷篩選、面試安排、員工入職流程自動化。
  • 財務與帳務處理:自動對帳、發票管理、費用審核。
  • 供應鏈與物流:預測性維護、自動排程與追蹤貨物流動。
  • … and more

這些應用皆有助於提升服務水準、降低營運成本並加速決策效率。

✅ 如何實作?⚙️ 

以下為推動流程自動化AI協作的建議步驟:

  1. 需求盤點與目標設定
    釐清現有流程瓶頸,選定具代表性、高重複性的流程為起點。
  2. 選擇合適的技術工具
    • AI輔助:如OpenAI GPT-4、Google Gemini、Claude。
    • 自動化平台:如Make、Zapier、n8n等,便於跨平台整合。
    • 數據平台:如Google Sheet、Notion、Airtable,支援資料流動。
  3. 建立人機協作機制
    例如設定AI草擬初稿,人員再進行確認與微調;或設計AI監控流程異常並自動告警。
  4. 測試與優化
    小範圍試行後收集反饋,持續微調自動化邏輯與AI參數設定。
  5. 文化培養與教育訓練
    培養AI素養與自動化思維是長期推動成功的關鍵。

🧭 結語:AI不是替代人力,而是擴張能力的工具

AI與流程自動化的結合,不是要取代人,而是讓人專注在更具創造力與判斷力的工作上。對於專業人士而言,理解AI的邏輯、具備選擇適當工具的能力,並能結合實務場域推動轉型,將是未來管理者不可或缺的核心能力。


試著回答以下問題

1. 什麼是「流程自動化」?什麼是「AI 協作」?

🔍 查看參考答案
  • 流程自動化:使用數位工具(如 Make、Zapier、n8n)自動執行一系列跨系統的工作,減少人工操作,提高效率。
  • AI 協作:人類與人工智慧(如 ChatGPT、Gemini)一起工作,AI 負責分析、提供建議或生成內容,人類做決策與創意發想。

2. 企業為什麼需要導入 AI + 流程自動化?請說出3個原因。

🔍 查看參考答案
  • 省時間省人力:自動化讓員工專注在更重要的事。
  • 提升服務品質:提供更即時、個人化的回應。
  • 加快決策:AI 能快速分析資料,幫助更快做出決定。
  • 減少錯誤:流程標準化,降低人為失誤。
  • 推動創新:AI 協助產生新點子與新方法。

3. 哪些角色應該參與企業導入 AI + 自動化的過程?請列出至少兩種角色。

🔍 查看參考答案
  • 決策者: 制定策略、決定投資方向。
  • 行銷業務部門人員: 了解實際流程,提供需求。
  • 營運與行政人員: 使用與維護自動化流程。
  • 資料分析師 / AI 專業人員: 設計與調整 AI 模型。

4. 請舉出2個適合用 AI + 自動化的工作場景。

🔍 查看參考答案
  • 行銷與客戶管理:AI 自動回覆、推薦產品。
  • 教育:AI 自動批改作業、個人化教學建議。
  • 人力資源管理:自動篩選履歷、安排面試。
  • 知識管理:自動整理會議紀錄、更新知識庫。

5.導入 AI + 流程自動化時,可以先從哪些情況或時機開始?

🔍 查看參考答案
  • 流程重複性高(例:資料輸入、報表製作)。
  • 人力負擔過重,影響效率。
  • 擁有大量數據但尚未充分利用。
  • 企業正進行數位轉型

💡 生成式AI與大型語言模型(LLM):專業人士的生成式AI應用實務

從ChatGPT到自動化工作流程,生成式AI正在重塑各行各業的運作模式。本篇文章將帶你快速掌握:生成式AI是什麼、與傳統AI有何不同,以及它如何實際應用在行銷、教育、科技、醫療、建築、人資、貿易、服務業等領域中。


✅ 什麼是生成式AI與大型語言模型?

生成式AI(Generative AI)是一種能主動產出內容的人工智慧技術,包括文字、圖片、聲音、影片與程式碼。大型語言模型(Large Language Model, LLM)是其中關鍵技術,代表性例子包括 ChatGPT(由OpenAI開發)、Claude(由Anthropic開發)、Gemini (由Google開發)、Perplexity (由Perplexity AI開發),它們是以數百億字的語言資料進行訓練,讓AI能「讀懂語言脈絡」,並產出邏輯清晰、語氣自然的回答,能根據文字提示(prompt)自動生成自然語言內容,應用場景廣泛。

它的技術核心來自Transformer架構,透過訓練大量語言資料,具備強大語意理解與生成能力。

🔍 傳統AI vs 生成式AI:差別在哪?

傳統AI 主要用來「預測與分類」,例如銀行用來偵測風險、電商用來預測銷售量;它擅長處理數值與表格資料。

而生成式AI 是「創造型AI」,能主動產出文字、圖片、聲音甚至程式碼。它不只是輔助,而是可以與你一起「共同創作」。

功能傳統AI生成式AI
任務目標預測、分類、推薦創造新內容(文字、圖像、語音、程式碼)
處理資料類型結構化資料(如表格)非結構化資料(如語言、圖像、影音)
應用範例銀行風險控管、需求預測文案撰寫、客服對話、教案生成、圖像創作

✅ 為什麼企業應該關注生成式AI?

生成式AI不只是技術熱潮,而是提升工作效率,影響企業競爭力的關鍵工具。其優勢如下:

  • 📈 降低內容產出與分析成本(如行銷素材、內部報告、自動摘要)
  • ⚙️ 強化營運效率與決策品質(如流程自動化、商業智慧(BI)語意查詢)
  • 🤖 提升顧客體驗(如客服機器人、個人化推薦)
  • 💡 促進創新與跨部門協作(人機共創、跨系統整合

在不增加人力的前提下,提升生產力與市場反應速度,是企業導入AI的最大誘因。不論你是行銷經理、老師、醫師、建築師、人資,或是商務人士,生成式AI和大型語言模型都正在快速改變我們的日常工作方式。

最大的亮點是:你不需要懂寫程式,就可以利用這些AI工具,幫助你產出內容、處理資料、做出決策,甚至設計自動化流程。

✅ 誰能使用這項技術?

生成式AI並非IT部門專屬,而是跨部門皆適用的工具,不需程式能力,只要懂業務問題的人,就能善用生成式AI。

  • 行銷單位:文案生成、活動企劃、自動分眾溝通
  • 人資部門:履歷篩選、自動回覆信件、制度說明
  • 專案/營運管理者:自動產出會議紀錄、任務追蹤摘要
  • 客服與服務前線:AI對話系統處理FAQ、建立自助服務機制
  • 研發/設計單位:AI輔助草圖設計、程式碼生成
  • 中高階管理者:透過自然語言查詢BI數據、模擬策略決策情境

✅ 在哪些場景最適合導入生成式AI應用?

💡 行銷:用AI快速產出社群貼文、廣告文案、電子報內容,還能根據受眾分群調整語氣、情緒分析、或結合A/B測試資料,幫你選出最有效的版本。

🏛️ 建築:AI工具(如Midjourney)能根據「北歐風+落地窗+木質感」等文字描述,自動生成設計草圖,加速提案與決策。也可模擬採光、通風與材料成本。

💻 科技:工程師用GitHub Copilot(或其他AI工具)寫程式、除錯。不懂程式的人也能請AI寫出網頁用的JavaScript、Excel用公式、Python小工具、設計網頁、生成技術文件。

📚 教育:教師用AI設計測驗題課程輔導、產出教案、總結教材。學生則可用AI協助寫作、練口說、解題與摘要

🩺 醫療:醫師可用AI協助撰寫病歷摘要、整理問診記錄,甚至初步診斷輔助(非取代醫師)。AI也可生成衛教資料、飲食建議表。

🌐 貿易:跨國貿易公司用AI翻譯信件與合約、分析市場需求、比較進出口統計,並生成商業簡報。

🧑‍💼 人資:AI幫HR篩履歷、根據職缺自動產出邀請信與回絕信,也可設計自動回覆機器人回答常見面試問題。

🍽️ 服務業:客服中心用AI自動回答營業時間、訂單查詢、退換貨流程等問題;餐廳也可用AI生成菜單文案、預約確認通知。

✅ 何時導入?AI已經準備好了嗎?

答案是:現在就是最佳時機。

過去企業導入AI常受限於:

  • 技術門檻高(需程式背景)
  • 整合難度高(系統間資訊不通)

但如今,透過雲端平台與No-Code工具,如:

  • ChatGPT / Gemini / Claude / Perplexity:提供生成文字能力和網頁搜尋
  • make.com / n8n:串接各種應用程式,設計自動化流程
  • Notion AI / Google Docs AI:整合於日常工作工具內

✅ 企業該如何實作導入生成式AI?

以下是一個以「低技術門檻 + 高實用性」方式導入生成式AI的建議:「人機協作」。導入流程建議:

  1. 識別重複性高的業務流程(如報告撰寫、內容審閱、資料回覆)
  2. 設定AI支援的角色(如助理撰寫者、初步審稿、摘要工具)
  3. 設計Prompt與範本(讓非技術人員可穩定生成需要的內容)
  4. 結合協作平台與自動化工具(如使用Make.com串接Form → Mail → Sheet → PDF)
  5. 建立內部回饋迴路(收集使用者意見優化提示與工作設計)

📌 實例:

  • 業務填寫線上表單 → AI自動生成提案摘要 → 寄送主管確認 → 存入內部系統

這樣的「人與AI各司其職」模式,可大幅提升處理速度與協作流暢度。

🤝 AI與人的協作管理:效率與創意的結合

生成式AI的真正價值,不是取代人,而是與人協作,建立一種新的管理與創造模式。

舉例來說:

  • 管理者可先規劃任務架構,讓AI初步產出提案,再由團隊進行潤飾與決策。
  • 客戶服務流程中,AI可處理80%的常見問題,讓真人客服專注於複雜或高情緒的狀況處理。
  • 專案管理平台如Notion + AI,可協助會議記錄自動化、任務摘要生成、目標追蹤提醒。

這種人機協作(human-AI collaboration)的模式,正在被越來越多企業導入,不僅提升效率,也釋放人的創造力與判斷力。

⚙️ 生成式AI + 自動化工具 = AI自動化工作流程

AI不只是輸出內容而已,它也能「幫你做事」。

例如你可以這樣設計流程:

  1. 客戶填完 Google 表單
  2. ChatGPT 生成感謝信內容並透過 Gmail 寄出
  3. 回覆紀錄自動存入 Google Sheet
  4. 定期自動產出回饋報告

或是以下的範例:

  1. 客戶在網站留下評論
  2. 回覆紀錄自動存入 Google Sheet
  3. Gemini 進行情緒分析並進行簡單回覆
  4. 自動標註正向情緒、負向情緒
  5. 通知(產品、服務)管理人員

無需工程背景,就能打造屬於你的AI工作流。

🎯 結語:AI不是取代你,而是讓你升級

你真正需要學會的不是程式語言,而是:

AI時代不是未來,而是現在進行式。🧠 你越快開始練習與AI協作,未來的競爭力就越高。


試著回答以下問題

1. 什麼是生成式AI?它和傳統AI有什麼不同?

🔍 查看參考答案
  • 生成式AI是一種可以主動產生內容的人工智慧,例如文字、圖片、音樂、影片、程式碼等。
  • 傳統AI主要用來預測或分類資料,例如銷售量預測、風險評估;生成式AI則可以創造新的內容,像是幫你寫文章、畫圖或設計程式等。

2. 為什麼企業應該關注生成式AI?請說出兩個理由。

🔍 查看參考答案
  • 可以節省時間和成本,例如自動寫行銷文案或產出報告。
  • 能提升服務品質,例如讓客服回覆更快、更有個人化。
  • 促進創新,幫助開發新產品或新服務。
  • 強化部門之間的協作,讓資料和資訊更容易共享與利用。

3. 舉出2個不同領域中生成式AI的應用例子。

🔍 查看參考答案
  • 行銷: 自動產出社群貼文、廣告文案。
  • 教育: 老師用AI生成考題和教案。
  • 醫療: AI整理病歷摘要和衛教資料
  • 貿易: 將英文合約自動翻譯成多國語言並優化用詞。
  • 客服: 生成情境化回覆,模擬不同語氣與情緒來應對顧客。

4. 什麼是「人機協作」?它的好處是什麼?

🔍 查看參考答案

人機協作(Human-AI Collaboration)是指人類與機器共同工作、互補優勢的合作模式。機器可以是一個功能模組、一套自動化系統,或是一個擁有語言、影像、數據處理能力的AI模型。 在這種模式中:

  • 人類 則在需要創意發想、情境判斷、策略規劃、情感溝通等領域發揮獨特價值。
  • 機器 擅長處理大量、重複、需要高速計算的任務,例如資料整理、即時監控、模式偵測、初步內容生成。

最終目標是 「讓機器做該做的事,讓人類做最有價值的事」,形成 1+1>2 的效益。


5.用一個簡單的例子說明「生成式AI + 自動化工具」怎麼幫助工作更高效。

🔍 查看參考答案

客戶填寫 Google 表單 → AI 自動產生感謝信 → Gmail 自動寄出 → 回覆記錄存進 Google Sheet → 系統定期產生報告。 好處是全程自動化,不需要人工重複處理。