人資與行政常被稱為公司的「雜事總窗口」：新人報到要收文件、請假要核餘額、出勤有異常要追人、設備與帳號要逐一申請。這些工作量不小，卻很少被當成 AI 導入的優先對象。實務上，人資行政反而是很好的起點：流程重複、規則大多寫在公司辦法裡，而且服務對象是內部同仁，風險可控。重點是挑對流程、先精簡再自動化，並在涉及個資與薪資的環節保留人工確認。
為什麼人資行政適合優先導入 AI Agent？
用 TURBO 五條件檢視，人資行政的許多流程天生符合：每月都在做（Repeat），全公司同仁都會碰到（User-wide），人工處理耗時（Time-consuming），而且判斷依據多半是明文規定，容易整理成規則（Operable）。再加上出錯時通常還有人工補救空間（Buffer），例如請假初審判斷錯誤，主管複核時就能攔下。相較之下，面向客戶的流程一旦出錯就是對外事故，人資行政這類 B2E 場景更適合作為累積經驗的第一站。
哪些人資行政流程最值得先做？
不必一次處理整個人資部門，挑最耗時、最重複的幾個即可。常見的候選如下：
- 新人報到資料檢核：確認身分證件、銀行帳戶、勞健保資料是否齊全、格式是否正確，缺件時自動通知補件。
- 請假與加班初審：對照假別規定與餘額，判斷申請是否符合辦法，符合的送主管核准，不符的附上原因退回。
- 出勤異常追蹤：整理忘打卡、遲到、缺勤紀錄，產出待確認清單並提醒當事人補單。
- 設備與帳號申請：依職位套用既定的設備與權限清單，產生申請單轉給對應窗口。
- 員工常見問題回覆：特休怎麼算、報銷流程怎麼走，依內部規章回答同仁，對象是內部員工，不是外部客戶。
這些流程的共通點是「輸入固定、規則清楚、輸出可檢查」，正是 AI Agent 較容易穩定執行的類型。
導入前，要先做哪幾件事？
依四步工法，先量測基準，再精簡流程，接著萃取規則，最後才上線運行。以請假審核為例：
- 量測基準：記錄目前每月處理幾件、每件平均花幾分鐘、退件與補件比例多少，上線後才有東西可以比較。
- 精簡流程：用 ECRS 問自己，這個步驟能不能取消？能不能合併？順序能不能調整？是否可以簡化？例如請假單原本要先寄給人資、再轉主管，其實可以合併成一次送審。
- 萃取規則：把「特休要提前幾天申請」「病假要不要附證明」「連續請假超過幾天要加簽」這些散在公司辦法與資深同仁腦中的判斷，寫成 AI 能執行的 SOP。
- 上線運行：先讓 AI Agent 做初審，人資複核一段時間，確認準確率穩定後再逐步放手。
很多公司的人資規則其實有「口頭例外」，例如某位主管習慣另外處理。這些在萃取規則階段就要攤開來討論，決定保留還是統一，否則 AI Agent 只會照寫下來的版本執行。
涉及個資與薪資，要設哪些人工確認點？
人資資料包含身分證字號、帳戶、薪資等敏感資訊，導入時不能因為求快而放寬。務實的做法有幾項：
- 最小權限：AI Agent 只讀取該流程需要的欄位，請假審核不需要看到薪資。
- 金額與身分相關的異動一律人工確認：例如變更銀行帳戶、調整薪資項目，只讓 AI 做資料檢核與整理，最後由人資按下確認。
- 保留處理紀錄：每一次判斷依據什麼規則、結果如何，都要能追溯，日後有爭議才查得到。
- 選擇可控的部署方式：資料放在哪裡、是否會被拿去訓練模型，要先確認清楚。這部分可參考我們談過的無 IT 團隊安全導入原則。
工具要怎麼選？
人資行政流程多半是「表單進來、依規則判斷、通知相關人員」的結構。規則判斷與文件理解的部分，可用 Dify 這類 AI 應用平台處理；跨系統串接，例如從表單、信箱到通知，可用 n8n；若流程牽涉多層簽核與狀態管理，才需要考慮 Camunda 這類流程引擎。中小企業通常從前兩者組合就夠用，不必一開始就把架構做重。
小結：先從一個小流程證明價值
人資與行政不是「不能自動化的軟性工作」，而是規則清楚、重複度高、風險相對可控的好起點。建議先用 TURBO 五條件挑出一個最耗時的流程，例如請假初審或新人報到檢核，量測基準、用 ECRS 精簡、萃取成 AI 能執行的規則，再以人工複核方式上線。跑出數字之後，再把經驗複製到下一個流程，會比一開始就想全面翻新穩得多。