上海家化導入 WorkBuddy 最值得注意的地方，或許不是「效率提升 4.5 倍」這個醒目數字，而是它如何把 AI 從個人助理，擴展成跨部門的工作模式。

公司並非只把 WorkBuddy 當成一般聊天機器人，而是讓各部門找出重複、具規則性的工作，將業務邏輯拆解成可測試的流程與可重用的「Skills」。原本掌握在個別員工手上的經驗，因而能沉澱為組織內可共用的工作資源。4

不過，這些效率數字仍應審慎解讀：目前資料來自公司案例與相關報導，並非獨立機構進行的生產力審計。

從兩個團隊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 與人力資源團隊試行，之後進入九大部門的日常生產流程，涵蓋供應鏈、品牌行銷、研發、財務、HR 與 IT 等職能。上海家化報告稱，員工平均效率提升超過 4.5 倍。4

其擴展方式大致分為四個步驟：

1. 找出可重複的工作。 各部門先盤點涉及資料收集、核對、格式整理、分析或報告製作的例行流程。
2. 把業務規則轉成工作流程。 由熟悉實務的員工拆解工作方法，再利用 WorkBuddy 建立腳本或結構化 Skills。
3. 以真實歷史資料驗證。 團隊反覆檢查輸出、修正錯誤，並將測試過程發現的例外情況補進流程。
4. 重複使用並分享成果。 當流程穩定可靠後，便可持續執行，也能供其他員工或部門使用。

這使 AI 導入變成一項流程設計工作，而不只是安裝一套軟體。熟悉業務的員工仍負責判斷與品質控制，智能體則承擔大量重複性的執行工作。

員工如何使用 WorkBuddy

WorkBuddy 的使用範圍據報遠不止撰寫文字。最近一個月的資料顯示，67% 的使用者將 WorkBuddy 用於專業業務工作，63% 用於資料處理與分析，57% 用於自動化及營運或維護工作。這些是使用比例，並不代表各類工作實際節省了多少時間。7

上海家化各部門的應用例子包括：

• 研發： 查找化妝品原料資料及適用法規。
• 財務： 將報銷審核規則沉澱為可重複執行的流程，並產生投資篩選報告。
• 人力資源： 為主管與員工建立試用期屆滿提醒。
• 供應鏈： 自動更新多個車間的現場看板。
• 品牌行銷： 進行消費者洞察、內容分析及行銷素材生成。

品牌行銷團隊另據報將每週約 70% 的簡報式檢討改為 HTML 頁面。這些頁面可在公司內分享、在線更新，也不必等候重新製作及派發一份靜態簡報。

供應鏈案例：6,000 萬筆帳務資料如何被重新整理

最能具體呈現這套模式的案例來自物流帳務分析。上海家化的 B2C 業務使用天貓、京東與抖音等平台，倉儲、操作、配送及其他費用分散在七類原始帳單中。18 個月累積的資料約有 6,000 萬筆，過去以 Excel 執行的月度流程需要 5 至 6 個人天；當檔案過大時，甚至可能難以開啟或處理。

供應鏈營運管理經理張櫻具備經濟學背景，但沒有程式設計經驗。她將每月工作拆成較小步驟，交由 WorkBuddy 為各步驟產生 Python 腳本，再以 18 個月的歷史資料反覆測試。測試過程若發現例外情況或新的業務規則，她便將其加入可重用的 Skills。

據報，流程改造後的結果如下：

• 月度帳單分析：由 2 個人天縮短至 15 分鐘。
• 蝴蝶圖基礎表：由 1 個人天縮短至 2 分鐘。
• 視覺化儀表板：由 1.5 個人天縮短至 3 分鐘。
• 完整月度流程：由 5 至 6 個人天縮短至 20 分鐘內。
• 個別任務最高效率提升：達 150 倍。

這不只是把試算表做得更快。完成後的儀表板可按品牌、平台、費用類別及平均客單價等維度篩選；管理者也能直接開啟連結查看更新後的結果，不必等待團隊重新製作報表。

為什麼這種模式能夠擴展

這個案例顯示，企業智能體若要從試用走向普及，首批應用最好具備三項特徵：

• 工作發生頻率夠高，值得投入自動化。
• 規則能夠被清楚說明並加以測試。
• 產出可以與既有紀錄或業務預期互相比對。

物流對帳正好符合這些條件。它重複性高、資料量大，但仍需要熟悉帳務結構的員工辨識例外，並判斷結果是否符合實際業務。WorkBuddy 加速了資料整理、核對與計算等機械性工作，卻沒有消除領域專業與人工監督的必要性。

財務、HR、研發與品牌行銷也採用相似原則：由各團隊提供背景脈絡與專業判斷，智能體則協助把可重複的部分包裝成能再次執行、甚至能跨團隊分享的工作流程。4

提升生產力，不等於自動取代工作

因此，騰訊透過這次部署所提出的論點，其實比「AI 會取代辦公室員工」更窄，也更務實。相關效率提升來自領域專家明確定義規則、驗證結果、修正例外，並把成功的流程轉化為可重複使用的組織資產。4

這個差異相當重要。聊天機器人可以提供一次性的答案，但經過測試的 Skill 則能保存公司處理某項例行工作的方式。當多個部門都建立並共用流程，而不是各自留下孤立的自動化實驗，AI 的價值才可能逐步累積。

當然，上海家化的數字不能直接套用到所有公司或職位。現有證據描述的是公司在特定工作流程中的報告結果，並未證明所有員工的整體生產力都經獨立驗證而提升 4.5 倍以上。較穩妥的結論是：從可量化、可重複的工作開始；讓專業人員持續參與；以真實資料驗證；再把有效做法分享出去。

上海家化導入 WorkBuddy 最值得注意的地方，或許不是「效率提升 4.5 倍」這個醒目數字，而是它如何把 AI 從個人助理，擴展成跨部門的工作模式。

公司並非只把 WorkBuddy 當成一般聊天機器人，而是讓各部門找出重複、具規則性的工作，將業務邏輯拆解成可測試的流程與可重用的「Skills」。原本掌握在個別員工手上的經驗，因而能沉澱為組織內可共用的工作資源。4

不過，這些效率數字仍應審慎解讀：目前資料來自公司案例與相關報導，並非獨立機構進行的生產力審計。

從兩個團隊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 與人力資源團隊試行，之後進入九大部門的日常生產流程，涵蓋供應鏈、品牌行銷、研發、財務、HR 與 IT 等職能。上海家化報告稱，員工平均效率提升超過 4.5 倍。4

其擴展方式大致分為四個步驟：

1. 找出可重複的工作。 各部門先盤點涉及資料收集、核對、格式整理、分析或報告製作的例行流程。
2. 把業務規則轉成工作流程。 由熟悉實務的員工拆解工作方法，再利用 WorkBuddy 建立腳本或結構化 Skills。
3. 以真實歷史資料驗證。 團隊反覆檢查輸出、修正錯誤，並將測試過程發現的例外情況補進流程。
4. 重複使用並分享成果。 當流程穩定可靠後，便可持續執行，也能供其他員工或部門使用。

這使 AI 導入變成一項流程設計工作，而不只是安裝一套軟體。熟悉業務的員工仍負責判斷與品質控制，智能體則承擔大量重複性的執行工作。

員工如何使用 WorkBuddy

WorkBuddy 的使用範圍據報遠不止撰寫文字。最近一個月的資料顯示，67% 的使用者將 WorkBuddy 用於專業業務工作，63% 用於資料處理與分析，57% 用於自動化及營運或維護工作。這些是使用比例，並不代表各類工作實際節省了多少時間。7

上海家化各部門的應用例子包括：

• 研發： 查找化妝品原料資料及適用法規。
• 財務： 將報銷審核規則沉澱為可重複執行的流程，並產生投資篩選報告。
• 人力資源： 為主管與員工建立試用期屆滿提醒。
• 供應鏈： 自動更新多個車間的現場看板。
• 品牌行銷： 進行消費者洞察、內容分析及行銷素材生成。

品牌行銷團隊另據報將每週約 70% 的簡報式檢討改為 HTML 頁面。這些頁面可在公司內分享、在線更新，也不必等候重新製作及派發一份靜態簡報。

供應鏈案例：6,000 萬筆帳務資料如何被重新整理

最能具體呈現這套模式的案例來自物流帳務分析。上海家化的 B2C 業務使用天貓、京東與抖音等平台，倉儲、操作、配送及其他費用分散在七類原始帳單中。18 個月累積的資料約有 6,000 萬筆，過去以 Excel 執行的月度流程需要 5 至 6 個人天；當檔案過大時，甚至可能難以開啟或處理。

供應鏈營運管理經理張櫻具備經濟學背景，但沒有程式設計經驗。她將每月工作拆成較小步驟，交由 WorkBuddy 為各步驟產生 Python 腳本，再以 18 個月的歷史資料反覆測試。測試過程若發現例外情況或新的業務規則，她便將其加入可重用的 Skills。

據報，流程改造後的結果如下：

• 月度帳單分析：由 2 個人天縮短至 15 分鐘。
• 蝴蝶圖基礎表：由 1 個人天縮短至 2 分鐘。
• 視覺化儀表板：由 1.5 個人天縮短至 3 分鐘。
• 完整月度流程：由 5 至 6 個人天縮短至 20 分鐘內。
• 個別任務最高效率提升：達 150 倍。

這不只是把試算表做得更快。完成後的儀表板可按品牌、平台、費用類別及平均客單價等維度篩選；管理者也能直接開啟連結查看更新後的結果，不必等待團隊重新製作報表。

為什麼這種模式能夠擴展

這個案例顯示，企業智能體若要從試用走向普及，首批應用最好具備三項特徵：

• 工作發生頻率夠高，值得投入自動化。
• 規則能夠被清楚說明並加以測試。
• 產出可以與既有紀錄或業務預期互相比對。

物流對帳正好符合這些條件。它重複性高、資料量大，但仍需要熟悉帳務結構的員工辨識例外，並判斷結果是否符合實際業務。WorkBuddy 加速了資料整理、核對與計算等機械性工作，卻沒有消除領域專業與人工監督的必要性。

財務、HR、研發與品牌行銷也採用相似原則：由各團隊提供背景脈絡與專業判斷，智能體則協助把可重複的部分包裝成能再次執行、甚至能跨團隊分享的工作流程。4

提升生產力，不等於自動取代工作

因此，騰訊透過這次部署所提出的論點，其實比「AI 會取代辦公室員工」更窄，也更務實。相關效率提升來自領域專家明確定義規則、驗證結果、修正例外，並把成功的流程轉化為可重複使用的組織資產。4

這個差異相當重要。聊天機器人可以提供一次性的答案，但經過測試的 Skill 則能保存公司處理某項例行工作的方式。當多個部門都建立並共用流程，而不是各自留下孤立的自動化實驗，AI 的價值才可能逐步累積。

當然，上海家化的數字不能直接套用到所有公司或職位。現有證據描述的是公司在特定工作流程中的報告結果，並未證明所有員工的整體生產力都經獨立驗證而提升 4.5 倍以上。較穩妥的結論是：從可量化、可重複的工作開始；讓專業人員持續參與；以真實資料驗證；再把有效做法分享出去。