不先串 API，AI 也能開工：
一座 260 頭乳牛場的導入示範
很多老闆對 AI 導入的想像是：先花一筆錢把所有系統串起來，再花一筆錢養它。美國密西根州一座乳牛場給了完全相反的示範：不開發任何 API 介接，只靠「把檔案丟進資料夾」，就把每天早上的行政整理工作變成一份自動產出的營運簡報。這個案例值得台灣中小企業認真看一遍，因為它的每一個設計，都能原封不動搬到你的庫存、門市或客服上。
案例背景：每天早上的「合併試算表時間」
Dream Winds Dairy 位於美國密西根州，飼養約 260 頭荷斯登（Holstein）乳牛。和多數中小企業一樣，經營者每天早上的第一件事，是從好幾套系統下載檔案、手動合併試算表，才能知道牧場昨天過得好不好。
他們用 Google 的 AI 工具（Gemini 多模態模型搭配 Antigravity 代理環境）把這段流程自動化：每天自動產出一份「Farm CEO Briefing」，也就是一頁看得懂、能行動的每日簡報。重點不在農業，在於這是一個中小企業 AI 導入的完整落地樣本。
設計一：不先串 API，從資料夾開始
這套系統沒有替任何一套農場軟體開發 API 介接，也沒用爬蟲。做法樸素到令人意外：把 CSV 匯出檔、PDF、發票、甚至紙本收據的照片，丟進指定資料夾，系統就開始整理。多模態模型能在同一條流程裡處理文字、圖片、表格與 PDF：先把數字讀出來，再把欄位標準化。
為什麼這件事重要？因為「要先整合系統」是多數企業卡住的第一關：報價高、工期長、還要原廠配合。這個案例證明，只要你的系統能「匯出檔案」，AI 導入今天就能開始。
當然有代價：人工忘了匯出、檔名改了、欄位格式變了，流程就會失敗。所以這種做法適合當最小可行版本（MVP）：先證明它省下時間，再決定要不要投資正式的資料串接、完整性檢查與錯誤通知。順序反過來，就是先花大錢再祈禱有用。
設計二：四層分工，而不是一段超長指令
系統內部不是「一個萬能 AI」，而是四種角色分工：
- 調度者（Orchestrator）：決定每天要執行哪些任務、管理先後順序。
- 匯入層（Ingestion）：讀取擠乳機器人、飼料等各來源的原始檔，統一欄位格式。
- 分析層（Analysis）：計算牛群表現，比對天氣、飼料與乳品質的變化。
- 報告層（Reporting）：把計算結果改寫成人話，變成每日簡報。
分工的好處是可維護：飼料供應商換了檔案格式，只要調整匯入層，不必重寫分析邏輯；想改簡報格式，只動報告層。把所有事塞進一段超長指令的做法，改一處壞全部，是我們在客戶現場最常見的自建翻車原因。
設計三：只選一個核心指標
這套系統每天只緊盯一個自訂指標：每日靜態變動毛利（SVM）：用「固定價格」計算的乳品收入，減去固定價格計算的飼料成本，再減去每頭牛的其他變動成本。
把價格「固定」是整個設計最聰明的一步：乳價上漲時，傳統的收入數字會變好看，但飼料效率可能正在惡化。把行情鎖住，剩下的變化才真正反映營運本身有沒有進步。
它的每日輸出長這樣（官方示例）：SVM 每頭牛下降 0.15 美元，簡報直接拆給你看錢掉在哪：
| 變化項 | 影響（每頭牛／日） | 可能原因 |
|---|---|---|
| 乾物質攝取下降 | −0.08 美元 | 濕度變化降低進食量 |
| 體細胞數上升 | −0.04 美元 | 可能反映乳房健康問題 |
| 廢棄乳增加 | −0.03 美元 | 兩頭牛進入治療區 |
| SVM 合計變化 | −0.15 美元 | 建議行動：調整通風、降低熱壓力 |
注意這個格式：影響金額＋可能原因＋下一步，而不是一句「今天毛利下降了」。這才叫可以行動的簡報。也要誠實說：SVM 排除了人工、水電與折舊，它不是淨利、不能取代損益表，只是每天早上看一眼的營運儀表。
搬到你的公司：乳牛換成庫存、門市、客服
把「乳牛」三個字換掉，這套方法直接成立。照官方案例的順序，五步就能開始：
- 找出你（或員工）每天固定花 1–3 小時整理資料的那件事。
- 確認現有系統能不能匯出 CSV、PDF 或圖片；先不做 API。
- 只選一個管理者每天真的會看的核心指標，最好像 SVM 一樣排除外部行情雜訊。
- 把「收資料、計算、分析、寫報告」拆成獨立步驟，各自一個 AI 角色。
- 先讓 AI 提建議，由人核准後再行動，尤其涉及錢與客戶的決定。
電商老闆的版本可能是：每天早上各平台的訂單與庫存報表丟進資料夾，AI 產出「今日毛利變化＋前三個原因＋建議動作」。製造業的版本可能是：機台稼動與品檢紀錄，變成「今日異常工站＋可能原因」。邏輯一模一樣。
本文案例出自 Google 公開發表的客戶案例，屬單一來源，未見第三方驗證；官方素材未提供長期產量、疾病率與完整財務數據。文中金額為官方示例數字，非我們實測。
另外兩個原文自己標注的但書值得記住：①「檔案放本地資料夾」不等於「資料完全離線」，公開案例並未交代雲端傳輸與資料保留設定，導入前要問清楚；② AI 的建議仍需人判斷：兩個數字同時變化不代表因果關係成立，涉及用藥、健康與照護的決定不能交給語言模型自動執行。
公司沒有 IT 部門，也能用這種方式導入 AI 嗎？
可以，這正是「資料夾式 MVP」的設計前提：不開發 API、不動現有系統，只要現有軟體能匯出 CSV、PDF 或圖片，就能把檔案丟進指定資料夾開始跑。需要的不是工程團隊，而是有人願意定義清楚「每天要看什麼指標」。
什麼時候才需要投資正式的 API 串接？
等資料夾流程先證明它真的省下時間之後。當流程因為檔名改變、欄位格式更新而失敗的頻率開始造成困擾，就是升級的訊號。這時再投資資料串接、完整性檢查與錯誤通知，錢才花在刀口上。
AI 產出的建議可以直接自動執行嗎？
不建議。這個案例本身的設計就是「AI 提建議、人核准後才行動」。兩個數字同時變化不代表因果關係成立，涉及金錢、客戶與安全的決定，應保留人工核准這一關。