上海家化引入騰訊 WorkBuddy，最值得留意的未必係「效率提升逾 4.5 倍」這個 headline，而係公司點樣將 AI 由個別員工試用，推進到跨部門的日常工作模式。

做法唔係將 WorkBuddy 當成一個乜都問得的聊天機械人，而係由各部門揀出重複、規則較清晰的工作，拆解成流程，經過實際數據測試後，再沉澱成可以重複使用的「Skills」。如此一來，原本只掌握喺個別員工手上的工作經驗，就可以變成團隊甚至整間公司的共享資產。4

不過，相關數字亦要睇清楚：效率數據來自公司案例及相關報道，並非獨立機構進行的生產力審計。

由兩個試點擴展至九大部門

WorkBuddy 據報於 2026 年 4 月先在上海家化的 IT 及人力資源部門試行，之後進入九大部門的日常生產工作，涵蓋供應鏈、品牌營銷、研發、財務、HR 及 IT 等職能。公司公布，員工平均效率提升逾 4.5 倍。4

整個擴展過程大致分成四步：

1. 先搵出重複性工作。 各部門整理涉及資料收集、對賬、格式整理、分析或報告製作的固定流程。
2. 將業務規則變成工作流程。 熟悉業務的員工逐步講清楚工作點做，再用 WorkBuddy 建立腳本或結構化 Skills。
3. 用真實歷史工作驗證。 團隊對照舊有結果，找出錯誤，並將測試期間發現的例外情況加入流程。
4. 將成熟流程重複使用。 當流程運作穩定後，就可以定期執行，亦可以分享畀其他員工或部門。

換句話講，這次落地更似一次流程再設計，而唔係單純安裝一套新軟件。業務員工仍然負責判斷、覆核及質量控制，AI 主要接手大量重複的執行工作。

員工唔只係用 AI 寫文案

WorkBuddy 在上海家化的用途，據報遠遠超出撰寫文字。最近一個月的使用數據顯示，67% 用戶曾將 WorkBuddy 用於專業業務工作，63% 用於數據處理及分析，57% 用於自動化、運營或維護。7

這些百分比代表使用者曾經應用於相關工作的比例，並唔等於每項工作節省了多少時間。

各部門的實際例子包括：

• 研發： 搜尋化妝品原料資料，以及研究適用的法規。
• 財務： 將報銷審核規則沉澱成可重複執行的流程，並自動生成投資篩選報告。
• HR： 為經理及員工建立試用期屆滿提醒。
• 供應鏈： 自動更新多個車間的生產現場數據看板。
• 品牌營銷： 進行消費者洞察、內容分析，以及生成營銷素材。

品牌營銷團隊亦據報將約 70% 每周以簡報形式進行的檢討，改造成 HTML 網頁。網頁可以在公司內分享、在線更新，員工毋須再等一份新的靜態 PPT 發送出去。

供應鏈對賬：最能展示這套模式的案例

最清楚的例子來自物流賬單分析。上海家化的 B2C 業務涉及天貓、京東及抖音，倉儲費、操作費、配送費等成本，分散在七類原始賬單之中。18 個月累積下來，數據量約有 6,000 萬行。

過去，團隊主要靠 Excel 每月處理，整套流程要用五至六個人日；數據量一大，檔案甚至可能難以開啟或處理。

供應鏈運營管理經理張櫻本身讀經濟，並無寫程式經驗。她將每月工作拆成多個細步，交由 WorkBuddy 按步驟生成 Python 腳本，再用 18 個月的歷史數據反覆測試。測試期間遇到例外情況或新增業務規則，就將它們加入可重用的 Skills。

據報，流程改造後的結果如下：

• 每月賬單分析：由 兩個人日縮短至 15 分鐘。
• 蝴蝶圖底表：由 一個人日縮短至兩分鐘。
• 視覺化數據看板：由 1.5 個人日縮短至三分鐘。
• 整套每月工作流程：由 五至六個人日縮短至不足 20 分鐘。
• 個別任務最高效率提升：達 150 倍。

完成後的成果唔再只係一份快咗完成的 Excel 表。管理人員可以按品牌、平台、費用項目及平均客單價等維度，在視覺化看板直接篩選；亦可以打開連結查看已更新的結果，毋須等同事重新製作報表。

點解這種做法可以擴展？

這個案例反映，企業 AI Agent 要由試用走向普及，第一批工作最好具備三個條件：

• 需要經常重複，值得投入時間自動化；
• 規則可以清楚講解，亦可以透過測試驗證；
• 結果能夠同既有紀錄或業務預期互相比對。

物流對賬正正符合這個模式：工作重複而且數據量大，但仍然需要一個了解賬單結構的人，去辨認例外情況，並判斷結果是否合理。WorkBuddy 加快了資料整理、計算及報告等機械式工作，卻冇取代業務判斷。

財務、HR、研發及營銷部門亦採取相近做法。每個團隊提供業務背景及判斷，AI 就負責協助將重複部分包裝成可以再次執行的流程，部分更可以在跨部門之間共享。4

重點係提升生產力，而唔係自動取代工作

從上海家化的部署可以見到，騰訊提出的論點其實比「AI 取代辦公室員工」更實際：效率提升來自業務專家訂立規則、驗證結果、修正例外，再將成功流程變成可重用的組織資產。4

這個分別相當重要。聊天機械人可以即時回答一次問題，但經過測試的 Skill，就可以保留一間公司處理某項固定工作的做法。當多個部門都建立並重用流程，價值就唔再只係一次性的自動化實驗，而會逐步累積。

當然，headline 數字唔應該直接套用到所有公司或所有職位。現有資料描述的是上海家化部分工作流程的公司公布結果，並未證明全體員工的整體生產力獲獨立驗證、統一提升 4.5 倍以上。

較穩妥、亦較值得其他企業參考的結論是這套運作方法：由可量度、可重複的工作入手；讓熟悉業務的人留在流程之中；用真實數據持續驗證；最後將有效做法沉澱及分享。AI 的角色，與其話係取代專家，不如話係幫專家將經驗「產品化」，再將大量苦工交畀系統處理。

上海家化引入騰訊 WorkBuddy，最值得留意的未必係「效率提升逾 4.5 倍」這個 headline，而係公司點樣將 AI 由個別員工試用，推進到跨部門的日常工作模式。

做法唔係將 WorkBuddy 當成一個乜都問得的聊天機械人，而係由各部門揀出重複、規則較清晰的工作，拆解成流程，經過實際數據測試後，再沉澱成可以重複使用的「Skills」。如此一來，原本只掌握喺個別員工手上的工作經驗，就可以變成團隊甚至整間公司的共享資產。4

不過，相關數字亦要睇清楚：效率數據來自公司案例及相關報道，並非獨立機構進行的生產力審計。

由兩個試點擴展至九大部門

WorkBuddy 據報於 2026 年 4 月先在上海家化的 IT 及人力資源部門試行，之後進入九大部門的日常生產工作，涵蓋供應鏈、品牌營銷、研發、財務、HR 及 IT 等職能。公司公布，員工平均效率提升逾 4.5 倍。4

整個擴展過程大致分成四步：

1. 先搵出重複性工作。 各部門整理涉及資料收集、對賬、格式整理、分析或報告製作的固定流程。
2. 將業務規則變成工作流程。 熟悉業務的員工逐步講清楚工作點做，再用 WorkBuddy 建立腳本或結構化 Skills。
3. 用真實歷史工作驗證。 團隊對照舊有結果，找出錯誤，並將測試期間發現的例外情況加入流程。
4. 將成熟流程重複使用。 當流程運作穩定後，就可以定期執行，亦可以分享畀其他員工或部門。

換句話講，這次落地更似一次流程再設計，而唔係單純安裝一套新軟件。業務員工仍然負責判斷、覆核及質量控制，AI 主要接手大量重複的執行工作。

員工唔只係用 AI 寫文案

WorkBuddy 在上海家化的用途，據報遠遠超出撰寫文字。最近一個月的使用數據顯示，67% 用戶曾將 WorkBuddy 用於專業業務工作，63% 用於數據處理及分析，57% 用於自動化、運營或維護。7

這些百分比代表使用者曾經應用於相關工作的比例，並唔等於每項工作節省了多少時間。

各部門的實際例子包括：

• 研發： 搜尋化妝品原料資料，以及研究適用的法規。
• 財務： 將報銷審核規則沉澱成可重複執行的流程，並自動生成投資篩選報告。
• HR： 為經理及員工建立試用期屆滿提醒。
• 供應鏈： 自動更新多個車間的生產現場數據看板。
• 品牌營銷： 進行消費者洞察、內容分析，以及生成營銷素材。

品牌營銷團隊亦據報將約 70% 每周以簡報形式進行的檢討，改造成 HTML 網頁。網頁可以在公司內分享、在線更新，員工毋須再等一份新的靜態 PPT 發送出去。

供應鏈對賬：最能展示這套模式的案例

最清楚的例子來自物流賬單分析。上海家化的 B2C 業務涉及天貓、京東及抖音，倉儲費、操作費、配送費等成本，分散在七類原始賬單之中。18 個月累積下來，數據量約有 6,000 萬行。

過去，團隊主要靠 Excel 每月處理，整套流程要用五至六個人日；數據量一大，檔案甚至可能難以開啟或處理。

供應鏈運營管理經理張櫻本身讀經濟，並無寫程式經驗。她將每月工作拆成多個細步，交由 WorkBuddy 按步驟生成 Python 腳本，再用 18 個月的歷史數據反覆測試。測試期間遇到例外情況或新增業務規則，就將它們加入可重用的 Skills。

據報，流程改造後的結果如下：

• 每月賬單分析：由 兩個人日縮短至 15 分鐘。
• 蝴蝶圖底表：由 一個人日縮短至兩分鐘。
• 視覺化數據看板：由 1.5 個人日縮短至三分鐘。
• 整套每月工作流程：由 五至六個人日縮短至不足 20 分鐘。
• 個別任務最高效率提升：達 150 倍。

完成後的成果唔再只係一份快咗完成的 Excel 表。管理人員可以按品牌、平台、費用項目及平均客單價等維度，在視覺化看板直接篩選；亦可以打開連結查看已更新的結果，毋須等同事重新製作報表。

點解這種做法可以擴展？

這個案例反映，企業 AI Agent 要由試用走向普及，第一批工作最好具備三個條件：

• 需要經常重複，值得投入時間自動化；
• 規則可以清楚講解，亦可以透過測試驗證；
• 結果能夠同既有紀錄或業務預期互相比對。

物流對賬正正符合這個模式：工作重複而且數據量大，但仍然需要一個了解賬單結構的人，去辨認例外情況，並判斷結果是否合理。WorkBuddy 加快了資料整理、計算及報告等機械式工作，卻冇取代業務判斷。

財務、HR、研發及營銷部門亦採取相近做法。每個團隊提供業務背景及判斷，AI 就負責協助將重複部分包裝成可以再次執行的流程，部分更可以在跨部門之間共享。4

重點係提升生產力，而唔係自動取代工作

從上海家化的部署可以見到，騰訊提出的論點其實比「AI 取代辦公室員工」更實際：效率提升來自業務專家訂立規則、驗證結果、修正例外，再將成功流程變成可重用的組織資產。4

這個分別相當重要。聊天機械人可以即時回答一次問題，但經過測試的 Skill，就可以保留一間公司處理某項固定工作的做法。當多個部門都建立並重用流程，價值就唔再只係一次性的自動化實驗，而會逐步累積。

當然，headline 數字唔應該直接套用到所有公司或所有職位。現有資料描述的是上海家化部分工作流程的公司公布結果，並未證明全體員工的整體生產力獲獨立驗證、統一提升 4.5 倍以上。

較穩妥、亦較值得其他企業參考的結論是這套運作方法：由可量度、可重複的工作入手；讓熟悉業務的人留在流程之中；用真實數據持續驗證；最後將有效做法沉澱及分享。AI 的角色，與其話係取代專家，不如話係幫專家將經驗「產品化」，再將大量苦工交畀系統處理。