一人公司如何用 AI 與自動化工具串起獲客到交付

一人公司要把獲客到交付串起來，順序是先畫流程再挑工具。把工作拆成接觸、詢問、成交、交付、回購五個階段，用三個條件判斷哪一段交給自動化平台，把 AI 放在草稿與整理的位置，再把交付方法寫成可重複執行的文件與範本。流程還在變、次數還很少、出錯代價高的段落，先留在自己手上。省下來的注意力，留給需求判斷、品質把關與客戶關係。 導入前另要記下每次觸發量、重試或失敗處理、敏感資料去向與每月費用上限；自動化省下的工時，應扣除維護與查錯成本後再評估。

重點先看

一人公司的瓶頸是創辦人的注意力與工時，工具的用處是把重複動作移出這些小時。

獲客到交付先拆成接觸、詢問、成交、交付、回購五個階段，再決定每一段交給誰。

發生頻率高、規則寫得清楚、出錯代價低，三個條件同時成立才上自動化。

AI 放在草稿與整理，報價數字、品質把關與對客戶的說法留在自己手上。

立刻能做的動作：挑一段最耗工時的重複工作，把規則寫成一頁，再決定交給自動化、AI 或自己。

一人公司的瓶頸是創辦人的注意力與工時

一人公司缺的資源很具體。沒有同事分工，沒有人幫忙收信、排會議、管進度，所有工作排隊等同一個人的注意力，工時就是營收的天花板。工具裝得再多，可用來做判斷的工時不會因此增加。先承認這個限制，再談自動化。

對「公司為什麼要長大」這個問題，保羅・賈維斯（Paul Jarvis）在 2019 年出版的《Company of One》給過一個反向的答案：企業可以刻意保持小，先問為什麼要成長，再把資源投在獲利與品質上，不急著擴張人數。一人公司站在這個問題的極端位置，成長的瓶頸不是市場，是創辦人本人能撥出的時間與注意力。

這個判斷有外部資料可以對照。Upwork 於 2026 年發布的 Future Workforce Index 2026 是官方年度研究報告，性質是 Upwork 市集內部資料加上對專業工作者的調查，全文可以在 Upwork 官方研究頁讀到。報告把自由工作者定位成 AI 重塑勞動市場的先行指標，理由是他們採用新工具快、重新包裝服務、直接回應市場需求，他們的工作提供了 AI 可能如何重塑整體勞動市場的早期視野。對正在考慮單飛的人，這份報告值得整份讀。

報告裡幾個數字直接影響判斷。技能自由工作佔技能知識工作者的比例，從 2025 年的 28% 升到 2026 年的 38%。考慮轉做自由工作的全職員工，從前一年的 36% 升到 58%。在 Upwork 市集上，接 AI 相關工作的自由工作者，每小時收入比沒有用 AI 的多 34%。

58% 那個數字值得單獨看。前一年還是 36%，考慮自由工作從少數人的念頭，變成過半數全職者放在桌上的選項，調查寫下的動機是更好的專業機會。同一份研究也看了全職端的 AI 使用：55% 的全職員工承認在組織沒有核准或指引的情況下用 AI 工具做事，68% 想要更多來自主管層級的實驗支援，78% 在公司內學不夠時會到組織外找學習資源。學習已經發生在正式制度外，對還在領薪水、想用 AI 降低單飛門檻的人，這份報告給的是市場座標，離職與否是另一個決定。

同一份官方研究裡，另一組數字方向相反，對已經在接案的人更有提醒作用。生成式 AI 與創意產製的合約數年增 90%，單一合約的收益卻下降 13%，報告的解讀是低複雜度的 AI 執行，在規模化之後可能變得比較不賺錢。AI 增強的專業服務年增 72%，收益上升 22%；用 AI 做更複雜工作的人，收益增加 45%。把工具開起來跑完就交，與把 AI 接上真實工作流再加上人的判斷，在這份報告的資料裡走向兩種收入結構。

報告的總結句把這條線畫得更清楚：AI 讓某些工作變快、變多，規模化之後卻變得不那麼賺錢，同時讓另一種工作變得更有價值，也就是把工具與執行接上策略和判斷的那種工作。對一人公司，這句話的含義很直接：值得投資的是那個接線的位置。

後面那種角色，報告稱之為 AI orchestrator，中文譯名是「AI 編排者」。官方定義是五個要素的組合：AI 熟練度、領域專業、判斷力、工作流設計、商業影響。報告同時描述了這種角色打開的新位置：能把 AI 工具接上真實工作流、施加人的判斷、把 AI 執行轉成商業成果的人，會有新的、更高價值的角色。翻成一人公司的語言，這五個要素提供了排列工作的方向：哪些動作讓機器做，哪些判斷自己留。

五個要素裡，AI 熟練度很容易被誤讀成會用多少工具。它指向的是把 AI 放對位置的能力：知道哪種工作交給模型、哪種留在自己手上，把執行交出去的同時把判斷留下來。領域專業、商業影響、工作流設計與判斷力，仍要回到自己的實際工作檢查。把手上在做的事重新排一遍，是練習這套框架的起點。

排位置的實際含義可以一句話講完：把可標準化的重複動作交給自動化平台，把 AI 放在草稿與整理的位置，把省下來的注意力留給需求判斷、品質把關與客戶關係。這三件事無法外包，因為它們就是一人公司真正的產品。

先畫流程再挑工具：獲客到交付的五階段地圖

工具清單可以晚一點看。把一人公司的工作拆成接觸、詢問、成交、交付、回購五個階段，是這份整理的流程地圖。這個分類屬於編輯上的判讀框架，不掛在任何廠商或文獻名下，用途是把「什麼時候該考慮把工作交出去」講清楚。每個階段先回答一個問題：一個人做時，哪個動作最吃工時。

接觸的任務是讓潛在客戶認識你。一個人做時，最吃工時的動作是維持能見度：持續產出內容、用 IG 聊天機器人回覆訊息、讓人找得到你。內容面的選題與曝光怎麼排，選題與曝光的寫作策略有專門的整理。這一段的機會在排程與分送，讓內容在你離開螢幕時仍能抵達讀者。要對誰說什麼、用什麼語氣，是留在你身上的判斷。這一段也容易把曝光誤當成手動工作：寫什麼、給誰看是人工，發布後的通知與分送是自動化，把長文改寫成短介紹是 AI，三種處理方式在同一個階段並存。

詢問這一段在對需求：對方表達，你來理解。最吃工時的是來回確認：收信、回信、問清楚範圍與預算、把零散訊息整理成一個可判斷的案子。機會在表單與建檔，讓需求自己長出結構，你讀到的是整理過的一頁，原始訊息留在信箱裡備查。表單的設計本身是判斷工作，欄位怎麼問，決定收到的需求有沒有結構。先用手動回信回過幾輪，看懂客戶怎麼描述需求，再把反覆出現的問題固定成欄位，順序比直接套工具穩。

成交的任務是談定範圍、價格與條件。最吃工時的是排時間與對時區，以及把談好的條件寫成文件，光是對上時間就可能往返多輪信件。機會在排程工具與文件範本，把行政部分壓到最小，注意力留給談判本身。哪些時段留給深度工作、哪些留給會議，這個劃分是判斷，工具只負責執行劃分的結果。

交付段要把成果做出並交出去。這一段真正吃掉時間的，是彙整資料與追進度：找檔案、整理素材、回報狀態、開發票。這些動作單次看都是小事，累積起來是交付段最大的隱形工時。能交出去的是 AI 出草稿與範本化，讓每次交付都站在上一次的累積上，不必從空白開始，判斷與品質驗收仍在流程裡留位置。

回購的任務是經營關係，帶來下一次合作與介紹。最吃工時的是持續而看起來不刻意的關心：記住對方做過什麼、在對的時間出現。機會在名單與提醒，讓經營不依賴記性。能合法重複接觸、控制權較高的名單，更接近可以累積的資產；私域流量與自有名單的經營方法把這一段的選擇講得更細。這一段的判斷內容是「誰現在適合被關心」，名單與提醒可以交給工具，觸發的時機與要說的話是人的工作，工具能做的是讓你在對的時間想起對的人。

接觸到成交這一段，行銷漏斗的階段理論把轉換看成一條線，流程地圖借同樣的階段切分，往下落到一個人實際要做的動作。五個階段對照三種處理方式，整理成分工地圖，看的是每一段誰能接手。

地圖的用法是診斷。先看哪一段的工時最重、哪一段的規則最清楚，計價模型與判讀條件才有施力點。

診斷的進行方式很樸素：把手上的實際工作對表，把每個動作標到對應欄位，數一數每欄的份量。「自動化可接」欄位堆得最滿的人，先上工具，省的是行政工時。「留人工」欄位堆得最滿的人，要面對的課題是 SOP（標準作業程序）與範本，工具幫不上第一線。地圖不改變工作量，它讓工作的去向變得可以討論。

自動化平台在算什麼帳：三種計價模型

同一條流程搬上不同平台，帳單的算法不同，成本跟著流程的形狀走。先把 Zapier、Make、n8n 三家的計價單位與免費層邊界讀清楚。規格全部以 2026 年 9 月官網列示為準，數字出自三家的官方定價頁。

Zapier：按 task（任務）計費，動作逐一上帳

task（任務）是 Zapier 的計價單位，流程裡的每個動作算一個 task。官網總則寫明，AI 步驟、程式碼與 SDK 都採同一套以 task 為單位的計價模型。一條流程裡混合一般動作與 AI 動作時，算法一致，估算用量不必分開算兩套。官網另寫明所有方案都含完整平台功能的存取，Zap 工作流、Forms 與 Tables 一體適用。

免費層是每月 100 個 tasks，Zap 工作流與 Tables、Forms 的數量不限，但只能是兩步驟的 Zap，流程一拉長就會碰到上限。Professional 起價 19.99 美元／月，開放多步驟工作流與進階應用。Team 起價 69 美元／月，含 25 位使用者與共用功能。任務層級從 100 到 2M，另有自訂上限，帳單切成年繳時官網標示省 33%。這些數字列在 2026 年 9 月的 Zapier 定價頁上，層級與帳單態在同一頁可以對照。

讀 Zapier 帳單的重點在步驟數。收到表單回覆就寄出確認信，這種需求兩步驟跑得動，免費層可以接。同一條流程要再建檔、通知、更新狀態，就進入多步驟與計費範圍。Professional 起價 19.99 美元／月寫的是起價，實際月費隨任務層級與帳單態變動，比較前先在定價頁的層級選單上確認當下列示。

Make：按 credit（額度）計費，模組動作逐一計數

credit（額度）是 Make 的計價單位。情境（scenario）裡的每個模組動作算一個 credit，官網給的例子是新增一列 Google 試算表、讀取 Gmail 帳號資料，各算一個。部分使用 Make 的 AI Provider 進階功能可能消耗更多，程式碼執行按每秒 2 個 credits 計費。讀 Make 帳單的方法是數模組：一條流程有幾個模組動作，跑一次就至少消耗幾個 credits。

免費層每月 1,000 credits，可開 2 個活躍情境，執行排程有 15 分鐘最小間隔。10,000 credits／月層級的價格要分兩態看：月繳是 12、21、38 美元，年繳是 9、16、29 美元，官網年繳標示 Save 15% or more。年繳的額度預付後 12 個月到期，用量接近 75% 與 90% 時會收到通知。兩種帳單態都在 2026 年 9 月的 Make 定價頁的切換器上，查價時兩邊都要看。

限制要跟著一起讀。2 個活躍情境，指的是最多維持 2 個啟用中的情境。15 分鐘最小間隔代表排程不趕時間，單一情境最長執行 5 分鐘，Core 起放寬到 40 分鐘。對背景型的建檔與通知，這些邊界在起步階段夠用。

n8n：按完整執行計費，步驟不限

n8n 的計價單位是每月工作流執行次數（execution），一個工作流從頭到尾跑完才算一次，計價哲學寫在官網上：為完整執行付費，不為每一步驟付費。所有方案都含無限使用者與工作流、全部整合，價格掛在執行量上，流程內部長什麼樣子不影響計費。

Starter 是 20 歐元／月（年繳），含 2.5K 次執行。Pro 是 50 歐元／月（年繳），含 10K 次執行，官網定位句寫 Pro 適合 solo builders and small teams，把在生產環境執行工作流的一人與小團隊直接寫進定位。執行次數之外，方案差異在並行與協作：Starter 含 5 個並行執行與 1 個共用專案，Pro 放寬到 20 個並行執行與 3 個共用專案，並加上工作流歷史與執行搜尋。Community Edition 是免費、自行架設的標準版，原始碼放在 GitHub，官網對它的說明就到這裡，商用條件要自行評估。完整方案表列在 2026 年 9 月的 n8n 定價頁。

n8n Starter 的定位句寫得直率，適合入門與感受能力。Make 免費層的官網定位句寫給想體驗視覺優先介面、建立第一個情境的人，Core 給有基礎 AI 與自動化需求的人，Pro 給要進階功能與高效執行的人，Teams 給要一起精簡 AI 與自動化工作的團隊。廠商把方案寫給誰，是判讀免費層邊界的線索，對照自己在地圖上的位置讀，比照單全收來得快。

三家的計價單位、免費層邊界與入門價放進同一張表，規格以 2026 年 9 月官網列示為準。

從這張表判讀，差異在成本結構，優劣要回到流程的形狀。按動作計費的兩家，多步驟流程會放大用量：同一條流程在 Zapier 上的帳單看動作數，在 Make 上看模組數。按完整執行計費的 n8n，對步驟數不敏感，對執行次數敏感。步驟多、次數少的流程，與步驟少、次數多的流程，在三家平台上的成本排序可能不同。規格表只陳列數字，代選要拿自己的流程來算。

帳單切換態也要讀。Zapier 標年繳省 33%，Make 標 Save 15% or more，n8n 標年繳省 17%，Calendly 頁首標年繳最多省 20%。這些百分比是官網的列示，比較基準與適用條件各自不同，編預算前回到定價頁核對當下數字。用量穩定的流程，年繳的單價划算。用量還在探索的階段，月繳的彈性值那個價差，這屬於這份整理的判讀，官網並沒有給這樣的建議。

免費層的升級訊號，三家長得不同。Zapier 同時看步驟與用量：超過兩步驟，或每月 task 用量碰到 100 個，任一邊界都會擋住免費層，哪個先到取決於流程。Make 看情境數：第二、第三條背景流程要同時活著，就超過 2 個活躍情境的邊界。n8n 的託管方案看執行量，自架的 Community Edition 看的是你願不願意自己顧伺服器。訊號出現之前先不上，出現之後對著規格表選層級，這是控制成本的順序。

一段工作該不該交給自動化：三條件判讀

比挑平台更早的問題，是這段工作該不該交出去。可以用這套條件判讀。第一看發生頻率，同樣的事是否高頻重複出現，出現次數越多，寫流程的投入越容易攤平。第二看規則，輸入與輸出對不對得上，你能不能把做法寫成交給別人也做得出的步驟。第三看出錯代價，錯了能不能發現、能不能補救，寄錯信補得回來，報錯價很難收回。三個條件同時成立，適合先上自動化。條件缺一項，先留人工，或者先把規則寫成 SOP，等條件補齊再交。

用排會議與報價檢驗這套條件。排會議若高頻重複，且時段、時長、參與人可事先寫清楚，排錯也容易補救，三個條件才同時成立，適合交給工具。報價若每案範圍不同、規則寫不穩，數字錯了又會直接傷害信任，就先留在自己手上，頂多讓 AI 出草稿。這套條件會讓不同工作落在不同側，判斷的依據是工作本身的性質，工具的優劣排在後面。

條件缺一項時還有中間態：半自動。讓工具負責提醒與彙整，執行留在人工，例如收信工具把同類信件標好，回信仍由自己寫。半自動的價值在累積規則，跑過幾輪之後，頻率、輸入輸出與錯誤代價都會看得更清楚，屆時再決定要不要全交給流程。一次跳到全自動，缺的資訊就一直缺著。

排程這一段，Calendly 在 2026 年 9 月的 Calendly 定價頁把界線列得清楚。免費層永久免費，含 1 種活動類型、1 個行事曆連結、一對一排程。Standard 是 10 美元／seat／月（年繳），seat（席位）的官方定義是要連結行事曆、主持會議的使用者才需要，受邀者不需要。對一人公司來說，這個定義代表客戶再多，計費的席位仍然只有你自己一個。

Standard 開放無限活動類型、多行事曆連結、自動化與提醒，可以連 Stripe、PayPal 收款，卡片上也列出可加入的 Notetaker 與 Callie。Notetaker 提供錄音、逐字稿與可分享的會議摘要，能加入 Zoom、Google Meet、Microsoft Teams 的會議。Callie 是 Beta 階段的 AI 助理，用信件往來排會議。頁首標示年繳最多省 20%，Standard 卡片上有省 17% 的徽章，兩個數字位置不同，讀的時候分開看。

規格表告訴你邊界在哪，判斷該不該付費的，是你的流程站在邊界的哪一側。免費層只列 1 種活動類型，需要新增其他活動類型時，就會碰到這項邊界，這時再評估付費。

AI 放哪一段：草稿側與判斷側

AI 在流程裡的位置，放在草稿與整理。產生初稿、彙整資料、整理會議記錄、把客戶訊息歸納成需求摘要，這些工作交給 AI 的風險低，因為輸出會再經過你的手。最終判斷與對外承諾要留給自己：報價數字、交付品質的最終把關、對客戶的說法。分界的判準在錯誤的成本，草稿錯了改掉就好，承諾錯了要賠上關係。

整理側的工作內容具體看：把散在信件、通話與表單裡的需求收斂成一頁摘要，把長會議的逐字稿壓成決議與待辦，把上一次的交付文件變成下一次的範本初稿。這些工作的共同點是有人定義「整理成什麼樣子」，AI 負責執行收斂，成敗看得見。判斷側的工作沒有標準答案，每個決定都掛著責任，AI 給得出選項，承擔仍在人身上。

實際放位置的時候，照三個問題檢查：這個輸出會被誰看到，出了錯誰先發現，發現之後改得動嗎。答案分別是只有我、我、改得動，就放心交給 AI。答案裡出現客戶，就往判斷側挪。三個問題比記住任何工具清單有用，因為工具會一直換，位置的判準不變。

把草稿與整理的工作放進固定的工作區，素材累積在同一個地方，指示不用每次重寫，這是自訂助理對一人公司的實際用途。Claude Projects 提供專案工作區，ChatGPT 的 GPTs 則以 Instructions 與 Knowledge 固定行為與素材，兩者的現況差異如下。

Claude Projects：全方案可用的專案工作區

project（專案）在 Claude 的定義是自帶對話歷史與知識庫的獨立工作區，可以在裡面上傳文件、提供背景、進行聚焦的對話。Projects 全方案可用，免費帳號最多 5 個。每個專案可以設定 project instructions，指定回應的語氣或角色視角，例如用更正式的語氣，或從特定產業的角色回答問題。專案的共用與協作限 Team 與 Enterprise 方案，一人使用不受影響。

知識庫的擴充與付費綁在一起。當專案知識接近上下文上限時，Claude 會啟用 RAG（檢索增強生成）模式，容量最多擴充 10 倍，這項功能只對付費方案開放。2026 年 9 月的 Claude 說明中心的 Projects 頁面把可用性與限制列在同一頁，免費帳號能用什麼、付費多出什麼，讀一頁就清楚。

工作區要維持效力，紀律比功能重要。素材過期就刪，指示改版就記下改了什麼，專案數量逼近免費上限時，先合併用途相近的專案再開新的。這些動作不起眼，卻決定工作區裡的資料會不會越積越舊，AI 的草稿只跟素材一樣新。

ChatGPT 的 GPTs（自訂助理）：個人方案已不能新建

GPT 是 ChatGPT 的自訂助理，設定由 Instructions、Knowledge 與 Capabilities 組成。Instructions 定義行為，官方說法是它決定 GPT 該做什麼、怎麼回應、要避開什麼，並套用在每段對話。Knowledge 讓你上傳檔案當素材，上限是 20 個檔案、每檔 512 MB。行為寫在指示裡，素材放在知識庫裡，分工清楚。能力清單上，GPT 可以開網頁搜尋、圖像生成、Canvas、Code Interpreter 與資料分析，並連接使用者授權的外部應用。要接自己定義的外部 API，用的是 Actions，官方註明 Apps 與 Actions 不能同時啟用。

2026 年 9 月 12 日，ChatGPT 說明中心的 GPTs 頁面列出重大變動。個人方案，包括 Free、Go、Plus、Pro，已經不能新建或發布 GPTs。既有的 GPTs 可以繼續使用，符合條件也能編輯。能新建的是 Business、Enterprise、Edu 工作區的使用者，前提是工作區設定與權限允許。官方同時說明規劃：GPTs 將退役，工作流改走 Plugins，遷移體驗的目標時點是 2026 年 9 月 17 日，企業版退役規劃在 2026 年 12 月 11 日，其他方案預期依同樣時間表。

對已經在用 GPTs 的人，說明中心建議先收緊指示與例子，比加功能更能解決問題。就 GPTs 而言，先把指示寫精確、把例子給足，再考慮增加功能。

兩家的現況放在一起判讀：自訂助理這條路，在 ChatGPT 的個人方案上正在收窄，在 Claude 上維持開放，免費帳號有 5 個專案的數量邊界。很多看起來需要自訂助理的需求，用一組寫好的指示加一個固定的工作區就能滿足。先確認需求落在草稿側還是判斷側，再決定用哪一邊的工具。

交付段的規模化：把方法寫成 SOP 與範本

交付要能規模化，起點是把個人方法變成拿得出去的文件。SOP（標準作業程序）是把「我怎麼做」寫成「照著做也做得出來」的文件，範本是文件裡可以直接複用的骨架。同一種服務每次都從空白開始，工時就壓不下來。方法一旦寫下來，每次交付的起點是上一次的累積。

SOP 的最小形式是一份檢查清單：交付前要確認什麼、檔案放哪、寄給誰、哪個版本是最終版。寫第一份的時候邊做邊記，做完一個案子就有了初稿。範本是清單的延伸，把重複出現的文件骨架固定下來，下次從接近完成的草稿開始改。

分工的方式是 AI 出草稿、人工定稿。交過一次的案子，把流程整理成清單與文件骨架，下一個類似案子讓 AI 依範本產出初稿，你改成能用的版本。需求訪談的問題清單、報告的格式、結案信的段落，都屬於可以範本化的東西。這一步的產出同時是下一個案子的輸入，交付越多次，範本越貼近實際。

SOP 與自動化是上下游。自動化接走規則完全固定的動作，SOP 接住規則寫得出來、仍需要判斷的段落。先有 SOP，才看得出哪些步驟的判斷可以拿掉、交給流程，方法是把每一步標上「需要決定」或「照做」，照做的部分是自動化候選，需要決定的部分留給自己。跳過這一步直接上自動化，等於把還沒想清楚的工作搬進工具，之後每次調整都要付修改成本。

把方法寫成文件，也是賈維斯那個問題的實作面：資源投在獲利與品質，指的是把工時花在只有你能做的事，重複的部分讓文件與工具承接。交付不再完全依賴你當下的記憶與狀態，品質的變動就小，這是文件帶來的直接好處。

品質的最終把關不交出去。AI 可以出第一版，檢查清單可以自動提醒，簽名之前完整讀一遍的動作留在你身上。這是一人公司對客戶直接的責任，也是 AI 編排者五要素裡的判斷力落在實務的樣子。

一條假設流程從詢問走到結案（假設示例）

用一條假設示例，把前面的地圖、條件與規格放回同一條線上。場景是一位獨立顧問從接到詢問到完成結案，人物與往來次數都是虛構，提到的規格一律以 2026 年 9 月官網列示為準。

1. 詢問進來。客戶填一張表單，欄位對應顧問要判斷的資訊。表單送出後，自動化在工作表上開一列客戶資料，後續的往來記錄都連在這一列底下。
2. 排時間。回信附上排程連結，客戶自己挑時段，行事曆避開標掉的時間。通話有錄音與逐字稿，AI 整理成一頁摘要。
3. 需求定案。AI 把表單、信件與通話摘要歸納成需求文件初稿，顧問讀過、修正、補上判斷，這份文件成為報價的基礎。
4. 報價。AI 依上一次的範本產出報價單草稿，數字、範圍與條件由顧問填入並定案，寄出前完整讀一遍。
5. 交付。照 SOP 走，素材彙整與進度回報用範本，發票開立照固定流程。
6. 結案與回購。結案信自動寄出，客戶資料更新，標記下一個可能的主題，名單留在手裡經營。

走完這條線再看分工：建檔、排程、提醒、寄信由自動化接走，草稿與整理交給 AI，需求判斷、報價與品質把關留在顧問手上。每一站都對得上前面的地圖與條件，這是流程設計的檢查方法：先看動作歸誰，再看用哪個工具。範本與 SOP 在交付段累積，回購段的名單經營再把它們用上，五個階段就這樣串起來。

規格的用法，在這段走查裡也看得到。排程用免費層就成立，建檔與寄信落在兩步驟的邊界附近，需求摘要用一個專案工作區裝著知識庫。工具的規格決定每一段能長到多大，流程的設計決定每一段由誰負責，兩件事分開想，升級與否就不憑感覺，看的是用量對上邊界的計算。

同一條線的脆弱點也標得出來：表單欄位問錯，後面跟著歪。排程連結失效，詢問就卡在信箱裡。AI 摘要漏掉關鍵限制，報價跟著錯。流程上線後的維護，是依脆弱點安排檢查，人工檢查放在錯誤會流到客戶眼前的節點之前。假設示例裡容易壞的環節，恰好是沒有人再看一眼的那些。

月費帳與誠實邊界：三種先不上自動化的情境

把規格換成月費帳，先看免費層撐得到哪裡。Zapier 免費層每月 100 個 tasks、限兩步驟，撐得住表單進來加一列資料這種短流程。Make 免費層每月 1,000 credits、2 個活躍情境、15 分鐘最小間隔，適合不趕時間的背景流程。n8n 的 Community Edition 免費自架，伺服器與維護自己承擔。Calendly 免費層 1 種活動類型、一對一排程，單一服務的約時間剛好夠用。詢問到成交的行政段，這些邊界在起步階段撐得住，付費的訊號是邊界開始擋路。

免費層可以堆疊：排程用一套、建檔與寄信用一套、摘要再一套，行政段的三件事分散在三個免費方案裡，帳單是零。堆疊的代價是資料分家、規格各記各的，免費邊界的計算要自己來。單一平台付費買的是整合與一張帳單，什麼時候值得換，看的又是用量與邊界，回到同一套判讀。

三種情境先不上自動化，判準給的是判斷條件，不給絕對的數字門檻。流程還在變：服務內容調整中，規則還寫不穩，此時上自動化會把舊規則鎖進流程，每改一次都付成本。次數還很少：出現次數還低的動作，寫流程的時間比省下的時間多，先用手動加書面紀錄。出錯代價高：錯誤直接到達客戶眼前且難以補救，例如報價單寄錯人、承諾了做不到的範圍，這種段落留人工，把自動化放在出錯能被擋下的位置。

三條判準共用一個檢查法：問自己，這段工作下次出現時，還會長同一個樣子嗎。答得出來，規則就夠穩，可以寫成流程。答不出來，先不上。次數的判準同理，寫流程的成本是一次性的，省下的是持續的，次數太少時一次性成本收不回來。出錯代價這條判準衡量的正是關係，關係一旦受損，修復的成本高出許多。

誠實的邊界畫在這裡。自動化處理重複動作、AI 加速草稿，判斷與責任仍在原處。以為裝了工具就等於規模化，結果會是帳單先進來，判斷還留在原地。先上線的順序不能離開三條件，若排程、建檔、名單提醒在你的業務裡同時符合，才把這一組排在前面。規模化從把確定的事交出去開始。

下一步：把省下來的注意力花在哪

立刻能做的動作只有一件，與開頭重點先看裡的動作相同：挑一段最耗工時的重複工作，把規則寫成一頁，寫得出來，再決定交給自動化、AI，或繼續自己來。這一步不需要任何付費方案，也不必先讀完所有規格表。寫不出來的段落先標起來，之後再檢查一次，規則會隨著業務慢慢長齊，不需要一次寫完。如果還不確定從哪段開始，回到分工地圖，找「自動化可接」欄位裡你仍在手動處理的動作，那就是第一段。

那一頁規則的寫法有個訣竅：用「當 X 發生，就做 Y」的句式寫，一條一行。寫不下去就代表規則還沒想清楚，正好停在該停的地方。這種句式也是 OpenAI 說明中心建議給多步驟指示用的結構，寫給人看的規則與寫給 AI 的指示，在這裡是同一件事。

站內的接續讀物按問題分組，各篇講得更深。

• 商業模型與成長。一人公司靠少數死忠客戶就能支撐一門生意，數學結構看一千個鐵粉的完整解析。口碑怎麼疊加成長，看飛輪效應的完整解析。
• 理論上游。接觸到成交的階段結構與轉換觀念，看行銷漏斗的階段指南。
• 資料與名單。客戶資料要進系統時的規格化選型，看CRM 選型指南。名單與寄信流程的自動化實作，看EDM 行銷套件的流程教學。信件寄出後的開信表現，看電子報開信率優化的實戰做法。
• AI 工作流深讀。提示與流程的搭配，站內的Claude 技能工作流指南講得更深。

收尾回到位置問題。工具與價格會換，2026 年 9 月的規格與說法，要回到官網重新核對。五階段的地圖、三條件的判讀、AI 放草稿側的位置，這三個判準比定價頁上的數字耐久。位置排對了，一人公司就有機會在不等比例增加工時的前提下改善獲利與品質。