AI 數位員工做不到的事有 7 件：規則說不清楚的流程無法自動化、例外比例太高會讓人工更忙、無法保證百分之百正確、老舊系統做得到但維運成本高、取代不了完整職務、一次到位的全面自動化幾乎必敗、免維運不存在。這 7 件各對應一種先不要導入的情況。
AI 數位員工能做什麼，AI 數位員工是什麼已經講過，談它的文章也多半在講能做什麼。這一篇反過來：數位勞動力有限公司把流程盤點時最常勸客戶「這個先不要做」的 7 種情況寫出來。這些話在銷售現場不討喜，但每一條都省得了一筆學費。
「判斷一家自動化供應商可不可信，最快的方法是問他：什麼情況你會勸我不要導入？答不出來的，簡報做得再漂亮都要小心。」
限制一：規則說不清楚的流程，自動化不了
如果一個流程問不同承辦人會得到不同做法，那它還不能自動化。問題出在驗收：沒有標準答案的流程，連「機器人做對了沒」都無法判斷。
自動化的前提是規則可描述。數位勞動力有限公司的顧問在流程盤點時最常遇到的狀況，是主管以為流程有 SOP，實際訪談承辦人才發現每個人都有自己的例外處理習慣，而且彼此不知道。
建議做法：先花幾週把做法統一、把例外寫下來，再談自動化。這一步不用花錢買任何工具。
限制二：例外比例太高的流程，上線後人工反而更忙
例外案件佔比偏高的流程，自動化之後承辦人的工作會從「處理全部案件」變成「處理最難的那一批，加上覆核機器人做完的其他案件」。體感工作量常常不減反增。
自動化吃掉的是規律的部分，剩下的全是硬骨頭。如果例外佔比太高，省下的工時會被覆核與例外處理吃回去。
建議做法：先收斂例外：把最常見的幾種例外訂出標準處理規則，例外率明顯降下來再導入，效益才會是正的。
限制三：百分之百正確，做不到
任何供應商承諾「絕不出錯」都不要信，包括數位勞動力有限公司。判讀類工作有信心門檻的設計問題，規則類工作有系統環境變動的風險；正確率是管理出來的。
實務上的做法是分層：高信心的案件自動放行、低信心的自動轉人工、全部留下紀錄。正確率的目標值應該在 PoC 用真實資料實測出來，簡報上的數字不算數。
建議做法：把問題從「會不會錯」換成「錯的時候多快被發現、怎麼補救」。答得出這題的供應商才及格。
限制四：沒有介面的老舊系統，做得到但很脆
只能靠畫面操作的老系統（無 API、無匯入匯出），RPA 可以硬做，但每次系統改版、每次欄位搬家，機器人就停擺一次。
畫面操作型自動化的維運成本明顯高於 API 整合。這筆帳在簽約前很少被算進去，在上線後第一次系統改版時被想起來。
建議做法：簽約前問清楚維運條款裡「系統改版的修復」怎麼計價。如果核心系統改版頻繁，先評估匯出檔案批次處理的替代路線。
限制五：取代完整職務，做不到
AI 數位員工承接的是職務中規則明確的「段落」，不是整個職位。一個會計的工作裡，對帳可以自動化，但科目判斷爭議、跨部門溝通、主管簽核的攻防，都還是人的事。
把導入目標訂成「取代幾個人」的專案，幾乎都會失望收場；訂成「釋出每週幾小時重複工時」的專案，反而常常超標達成。目標設定錯誤是期望落差的最大來源。
建議做法：導入前把目標寫成可量測的工時：哪個流程、每月幾件、每件幾分鐘。算得出來的目標才驗收得了。
限制六：一次到位的全面自動化，幾乎必敗
「我們想把整個部門的作業一次全部自動化」是數位勞動力有限公司最常拒絕的需求。多流程同時導入，等於同時開多個變數，一個環節卡住整案停擺。
自動化的成功模式高度依賴組織學習：第一條流程會暴露資料品質、權限、例外定義的所有問題，這些教訓讓第二條流程快得多。跳過單點驗證直接全面鋪開，是把學費一次繳到最大。
建議做法：永遠從一條流程開始。這也是數位勞動力有限公司把「單一流程 PoC」寫死在導入方法裡的原因。
限制七：免維運，不存在
自動化不是買斷的家電。系統會改版、表單會加欄位、業務規則每年在變，沒有人維運的機器人，通常撐不了多久就失效。
RPA 導入失敗的七個原因裡，「無人維運」長期排在最前面。買斷後沒有維護合約的專案，失效時往往連當初的建置邏輯都沒人記得。
建議做法：把「誰負責維運、變更怎麼計價」當成比報價金額更重要的合約條款。沒有維運方案的報價，再便宜都貴。
這些限制在估算效益時也要一併反映：例外比例與維運成本都會直接影響回收期，計算方法見ROI 效益評估指南；AI 判讀的邊界與風險控管設計，見AI Agent 是什麼。限制一與限制四牽涉 RPA 的適用邊界，見RPA 是什麼；限制三在文件辨識上怎麼用驗證規則補強，見文件自動化（IDP）的驗證設計。
那什麼流程「適合」導入？
把上面 7 個限制反過來讀，就是適合導入的條件：規則寫得成操作手冊、每月件數夠多、例外少且可列舉、系統有 API 或可匯出、產出有明確對錯、目標訂成可量測的工時、預算含維運。
想快速檢核自己的流程，可用DW-Fit 8 適性快篩三分鐘自測，或閱讀RPA 導入失敗的七個原因看反面教材的完整版。
常見問題 FAQ
供應商自己寫產品的缺點，不會影響生意嗎？
短期可能會，長期是反過來的。數位勞動力有限公司的經驗是：隱瞞限制的專案往往在上線後不久就以客訴收場，先講清楚限制的專案反而簽得成、續得久。導入自動化是長期維運關係，第一次見面就把做不到的事講清楚，是成本最低的信任建立方式。
有這些限制，那 AI 數位員工還值得導入嗎？
值得，但只在「選對流程」的前提下成立。本文列的 7 個限制，每一個都對應一種不適合的流程特徵；反過來說，避開這些特徵的流程（規則清楚、量大、例外少、產出可驗證），導入的投資報酬最容易被驗證。與其問值不值得，不如先用 DW-Fit 8 快篩確認你想自動化的流程屬於哪一種。
這些限制未來會隨 AI 進步消失嗎？
部分會縮小，部分是結構性的。模型判讀能力每年在進步，「非結構化資料處理」的限制確實逐年鬆動；但「規則說不清楚就無法驗收」「系統改版就要調整」「例外要有人拍板」屬於流程管理問題，不會因為模型變強而消失。