傳統業務開發 vs AI 輔助開發：中小企業該怎麼分工

先講結論：AI 輔助開發不是用來取代業務，而是把業務開發前段最花時間的工作（找公司、查資料、整理名單、寫第一封開發信的草稿）做得更快、更有條理；要不要追這個客戶、怎麼報價、怎麼建立長期關係，以及法規責任，仍然必須由人負責。對中小企業來說，真正的問題不是「要不要用 AI」，而是「哪些工作交給 AI、哪些一定要留給人」。

很多台灣中小製造業與貿易商的老闆，這兩年都聽過類似的說法：「導入 AI 之後，開發客戶的效率可以翻好幾倍。」這種說法通常沒有來源，也沒有說清楚是跟什麼比較。比較可靠的資料反而溫和得多：HubSpot 2025 年 State of Sales 調查訪問了 1,000 位業務人員，只有 8% 表示完全沒有使用 AI，84% 認為 AI 幫他們節省時間，83% 認為 AI 讓他們和潛在客戶的互動更個人化。請注意，這些都是業務人員的自我感受，不是實際量測的成效，而且受訪者涵蓋各種規模的公司。但它至少說明了一件事：業務工作裡確實有一大塊是 AI 幫得上忙的，關鍵在於分工。

這篇文章寫給沒有專職業務助理、甚至老闆自己就是主要業務的台灣中小企業。我們會先拆解傳統業務開發在台灣公司裡的真實樣貌，再說明 AI 真正有用的地方、一定要留給人的地方，最後給您一張分工對照表、一套可以照著做的分工流程，以及寄出開發信前的檢查清單。文中所有數字都附上原始出處，並於 2026 年 10 月 21 日在原始頁面上逐一核對過。

先講結論：AI 改變的是前置作業，不是成交本身

AI 輔助開發，指的是用 AI 工具處理客戶回信之前的研究與撰寫工作：篩選目標公司、了解對方做什麼產品、找到對的窗口、寫出貼近對方需求的第一封信。等到客戶回信之後，技術溝通、打樣、報價、議價，流程和過去完全一樣。所以 AI 帶來的改變，主要是把業務的時間從前置作業挪回真正的銷售工作。

為了避免「AI 開發客戶」這個詞被講得太籠統，我們先把一次完整的業務開發拆成九個步驟。以一家做金屬零件或塑膠射出、想開發北美客戶的台灣工廠為例：

1. 定義目標客群：哪些產業、多大規模、哪些地區、哪種職稱的人真的會買您的產品。
2. 找出符合條件的候選公司。
3. 了解每家公司的產品與現況，判斷是否真的適合。
4. 找到負責採購或技術的窗口，以及能聯繫到對方的方式。
5. 驗證聯絡資料，刪掉重複與錯誤的紀錄。
6. 撰寫針對這家公司的第一封信。
7. 在合理的節奏下跟進，對方表示不需要就停止。
8. 閱讀回信、回答技術問題、判斷商機。
9. 報價、寄樣、議價與成交。

AI 工具能幫上忙的主要是第 2 到第 7 步，角色像是一位研究助理加上初稿撰寫員。第 1、8、9 步需要的是對自家產品、成本結構與客戶的了解，這些是任何工具都沒有的。即使在第 2 到第 7 步，也需要有人先訂好規則，並且檢查 AI 交出來的東西。

破除一個常見迷思：很多老闆以為「AI 開發客戶」就是一次寄出幾千封信。事實上做得好的 AI 輔助開發，通常是寄得「更少但更準」：只寄給查證過、確實適合的公司，而且信裡講的是對方真正關心的事。寄送量是最容易放大的東西，也是最快把公司網域信譽燒掉的做法，後面的法規章節會說明原因。

傳統業務開發在台灣中小企業的真實樣貌

台灣中小企業的傳統業務開發，多半靠展會、老客戶介紹、代理商與貿易商網絡、B2B 平台詢盤，以及業務自己上網找資料。它的優勢是信任與技術說服力；它的瓶頸則是找名單、查資料、跟進這些前置工作又慢又靠人工，而且客戶資訊常常只存在某一位業務或老闆的腦袋裡。

傳統做法其實比很多 AI 廠商講的更有價值。在美國展會攤位上摸過您的樣品、看過檢測報告、和您的工程師聊過的買家，對您的信任是任何一封開發信都換不來的。老客戶轉介紹的案子通常成交得比較快，因為有人替您背書。跑了十年市場的資深業務，知道哪家工廠在擴廠、哪位採購換了公司、哪個競爭對手交期出了問題。這些都不會因為 AI 而消失，也不應該消失。

傳統做法卡住的地方，通常是這幾件事：

• 找資料最花時間。一位業務要找出二十家真正合適的海外公司、看完對方官網、搞清楚誰負責採購，往往就是一整天。
• 名單會悄悄過期。人會換工作、公司會被併購，兩年前整理的聯絡人 Excel 裡，很多信箱早就寄不到了；退信太多，還會影響信箱服務商對您公司網域的評價。
• 跟進靠記性。沒有系統的話，第二封、第三封跟進信什麼時候寄，全看業務有沒有想起來，結果常常就是沒有寄。
• 客戶資料跟著人走。業務離職或退休時，客戶關係常常跟著一起帶走，因為從來沒有人把開發紀錄寫下來。

台灣中小企業還有幾個特別的處境。第一，很多公司是老闆兼業務，老闆花在找名單的每一個小時，都是從生產、品質、招募與資金調度挪過來的。第二，英文書信能力集中在少數人身上，一位會寫英文信的業務請假，整個海外開發就停擺。第三，時差讓即時回覆變得困難，北美客戶的白天正好是台灣的深夜。所以前置作業太慢，真正的成本不只是業務薪水，而是老闆和關鍵人員的注意力。AI 輔助能實質還給您的，就是這一部分，前提是流程要設計好。

如果您的客戶來源有很大一部分來自展會，可以參考我們整理的展會名片與整合客戶開發地圖，看展會之後的名單如何接上後續的開發流程。

AI 真正幫得上忙的三件事：研究、名單整理與信件初稿

AI 最適合處理重複性高、以文字為主、而且人可以快速檢查的工作：整理目標公司的產品與現況、清理與驗證聯絡名單、撰寫個人化的開發信初稿，以及維護跟進與 CRM 紀錄。每一項的共同原則都是：AI 產出草稿，人檢查之後才會送到客戶面前。

目標公司研究

AI 工具可以讀取潛在客戶的官網、產品頁與公開新聞，整理成一段簡短摘要：這家公司做什麼、用哪些材料或製程、工廠在哪裡、最近有沒有擴廠或徵才。原本業務要花半小時閱讀的內容，變成幾分鐘的檢查。但有一個很重要的提醒：美國國家標準暨技術研究院在《生成式 AI 風險管理指引》（NIST AI 600-1，2024 年 7 月）中，把「虛構內容」（confabulation）列為生成式 AI 的核心風險之一，指的是 AI 以很有把握的語氣產出錯誤或虛假的內容。放在業務開發上，就是 AI 可能替客戶編出一條不存在的產品線、一座不存在的工廠，或是錯誤的職稱。凡是要寫進開發信裡的事實，都必須回到原始來源確認。

名單整理與驗證

這是最不起眼、卻常常最有價值的用途。工具可以找出重複的公司、把聯絡人對應到正確的公司網域、判斷信箱是否可能收得到信，並標記需要人工確認的紀錄。名單乾淨，退信就少，寄錯人的情況就少，信箱服務商對您網域的評價也比較好。判斷原則很簡單：無法驗證的紀錄，就不寄。若想比較幾種常見的名單工具，可以參考 Apollo、Clay 與手工名單的比較。

個人化開發信初稿

有了查證過的資料和一份簡短說明，AI 可以寫出第一封信的初稿，內容提到對方真實的情況，例如某條和您製程能力相符的產品線、新設的工廠，或是對方要求的認證。同一份 HubSpot 調查也指出，74% 的業務人員認為 AI 讓買家更容易研究產品。這是一體兩面的事：買家查證您的說法也變快了。所以好的初稿要短、要具體，並且誠實說明您是誰、能做什麼。最後一定要有人修改把關，因為一句對客戶公司講錯的話，比沒寫還糟。

對台灣公司來說，AI 初稿還有一個實際好處：它降低了英文書信的門檻。業務可以先用中文寫下想表達的重點，再請 AI 整理成自然的英文初稿。但要提醒的是，產品規格、公差、材質與交期這些技術內容，一定要由懂產品的人核對，不能只看英文順不順。

跟進與 CRM 紀錄

AI 可以摘要客戶回信、建議下一步、草擬禮貌的跟進信，並把往來紀錄寫進 CRM，讓客戶歷史不再只存在某個人的信箱裡。對小團隊來說，這往往是最有感的地方，因為跟進正是最容易被忘掉的工作。這也順帶解決了前面提到的「客戶資料跟著人走」的問題。

一定要留給人的三件事：判斷、關係與法規責任

業務開發中有三件事必須由人負責：判斷哪些客戶值得追、用什麼條件做；客戶有興趣之後的關係經營；以及法規遵循的最終責任。AI 工具可以在這三件事上提供輔助，但不能代替人做決定，因為做錯的後果，最後都是由您的公司承擔。

判斷

對一家中小工廠來說，什麼是好客戶，取決於很多工具看不到的條件：您的最小訂購量、不同材料的毛利、哪些產業付款準時、哪些客戶最後證明是賠錢生意。定義目標客群、判斷某個名單不適合、決定報價，這些都是老闆或業務主管的工作。工具可以輕鬆列出五千家公司，但從中挑出值得認真接觸的一百五十家，才是真正有價值的部分。

關係

客戶回信之後，工作就變得技術化與個人化：回答公差與材質問題、安排打樣、讓工程師一起參加視訊會議，以及確實兌現每一個承諾。海外買家在判斷的是，您能不能成為一個好幾年都可靠的供應商。這個判斷來自於回覆準確、說到做到的人，這也正是傳統業務開發一直以來做得最好的部分。

法規責任

美國聯邦貿易委員會（FTC）講得很清楚，這個責任無法外包。FTC 的 CAN-SPAM 法規遵循指南指出，您無法透過合約轉移自己的法律責任，被推廣產品的公司與實際寄信的公司都可能要負責。不管是代理商、接案者還是工具代您寄信，出問題時您的公司仍然要負責。光是這一點，就足以說明每一波寄送都需要一位具名的負責人審核。

分工對照表：哪些交給 AI、哪些留給業務

簡單說：需要信任與技術深度的地方，傳統業務開發最強；需要研究、整理名單與撰寫草稿的地方，AI 輔助最有效率。下表把一週的開發工作按任務拆開，對照兩種做法，以及最後由誰拍板。假設情境是一家只有一到兩位業務、沒有專職業務助理的公司。

表中有兩列和外部規範有關：依 FTC 的 CAN-SPAM 指南，退訂要求必須在 10 個工作天內處理；Google 的寄件者規範則建議把 Postmaster Tools 回報的垃圾郵件率維持在 0.10% 以下。

看最後一欄就會發現：AI 輔助把中間兩欄的工作方式改變了，但最右邊「誰決定」幾乎沒有變。這正是設計的重點。很多導入失敗的案例，問題不在工具，而在於把最右邊那一欄也一起交給了工具。

從零開始的分工流程：給沒有業務助理的公司

對一家小型製造商或貿易商來說，可行的分工是一個每週循環：老闆訂目標與上限，AI 草擬研究與信件，專人查證與核准，業務接手每一封回信，每週對照導入前的基準檢討一次。以下步驟適合只有一到兩位業務、沒有行銷人員的團隊。

1. 訂目標與上限（老闆，每季一次）。寫下您要開發的產業、地區、公司規模與職稱，以及明確不追的類型。同時約定每週寄送量，少到每一封都有人看得過來。
2. 建立名單與研究（AI 草擬，人檢查）。用 AI 工具蒐集候選公司，並為每家公司寫兩行簡介。由人刪掉不適合的公司並確認事實。
3. 驗證聯絡資料（先用工具，再由人）。名單先經過驗證工具，再人工檢查不確定的紀錄；無法確認的就刪掉。
4. 撰寫第一封信（AI 草擬，人核准）。每封信只講一個具體的合作理由，寫明真實的公司名稱與實體地址，並提供清楚的退訂方式。
5. 從設定完整的公司帳號寄出（人）。寄件網域完成驗證設定，寄送量維持適中，分散在一週內寄出。
6. 處理每一封回信（業務）。有興趣的回信直接交給業務；要求退訂的，當天加入排除名單。
7. 每週對照基準檢討（老闆與團隊）。拿本週數字和導入前記錄的基準相比。

寄出前檢查清單

每一波開發信寄出前，負責人應該能逐項打勾：

• 名單上每家公司都經過人工確認，符合書面訂定的目標客群。
• 信中提到的每一項客戶資訊，都在對方官網或其他原始來源確認過。
• 寄件人名稱、寄件地址與主旨都真實、沒有誤導。
• 信件表明公司身分，並附上有效的實體地址。
• 退訂機制可以正常運作，排除名單是最新的。
• 加拿大收件人另外檢查是否取得同意。
• 寄件網域已設定 SPF、DKIM 與 DMARC，並持續觀察退信率與垃圾郵件檢舉率。
• 已指定專人在一個工作天內閱讀並回覆客戶來信。

寄件網域的技術設定，可以參考我們整理的開發信到達率攻略：SPF、DKIM、DMARC 與域名暖機。

怎麼判斷有沒有效

導入之前先記下基準：上一季主動開發帶來多少新對話、多少打樣需求、多少報價，以及花了多少工時。導入之後每週記錄同樣的數字，再加上退信率、退訂率與垃圾郵件檢舉。數字小的時候要特別小心：一個月五場會議和三場會議的差別不代表趨勢，一場展會就可能蓋過其他所有來源。至少以一整季為單位判斷，而且省下的工時要真的拿去做銷售，才算數。

最後是組織面的提醒。資深業務對 AI 常有兩種反應：擔心被取代，或覺得 AI 寫的信不像自己。比較順的導入順序，是先從名單整理和跟進紀錄開始，這兩件事業務本來就不喜歡做；等大家看到時間真的省下來，再逐步把信件初稿交給 AI，並讓業務保有最後修改權。

法規與網域信譽：寄到美國、加拿大，以及在台灣蒐集資料的規則

寄 B2B 開發信到美國是合法的，但必須遵守 CAN-SPAM，各大信箱服務商另有技術規範；寄到加拿大更嚴格，多數情況需要事先取得同意；在台灣蒐集與利用個人資料做行銷，則受個資法規範。LinkedIn 也在使用者協議中禁止爬取資料與自動化發訊。這些規則是任何開發工作的底線，不管信是人寫的還是 AI 寫的。

美國（CAN-SPAM）。FTC 的法規遵循指南明確表示，這部法律對企業對企業（B2B）的電子郵件沒有例外。每一封違規的郵件，罰款最高可達 53,088 美元。主要要求包括：寄件標頭資訊正確、主旨不得誤導、表明是廣告、附上實體郵寄地址，以及提供退訂機制，且寄出後至少 30 天內都必須能正常使用。收到退訂要求，必須在 10 個工作天內處理。

加拿大（CASL）。加拿大的反垃圾郵件法原則上要求寄送商業電子訊息前先取得同意。依加拿大政府的 CASL 說明，最嚴重的違規，個人罰款最高可達 100 萬加幣，企業最高可達 1,000 萬加幣。很多台灣公司把「北美」當成一個市場，但如果名單裡混有加拿大買家，請把加拿大的紀錄分開處理，寄信前先就同意問題尋求專業意見。

Gmail 與 Yahoo 的寄件規範。Google 的寄件者規範對每天寄給 Gmail 帳戶 5,000 封以上的寄件者另有要求：必須設定 SPF、DKIM 與 DMARC，行銷郵件必須支援一鍵退訂。所有寄件者都被建議把 Postmaster Tools 回報的垃圾郵件率維持在 0.10% 以下，且絕不能達到 0.30%。Yahoo 的寄件者最佳實務同樣要求大量寄件者在 2 天內處理退訂，並把垃圾郵件率維持在 0.3% 以下。一般中小企業的寄送量很難達到大量寄件的門檻，但網域驗證與低檢舉率，保護的是全公司的信件，包括業務寄給老客戶的報價單。

台灣（個人資料保護法）。在台灣蒐集與利用個人資料，即使是公開在網路上的商業聯絡資訊，也要注意《個人資料保護法》的規定。第 19 條允許非公務機關在有特定目的、且屬於當事人自行公開或其他已合法公開的個人資料時進行蒐集；第 20 條則規定，利用個人資料行銷時，當事人表示拒絕接受行銷，就應立即停止，而且首次行銷時就要提供拒絕行銷的方式。違反第 20 條第 2 項或第 3 項，主管機關會先令限期改正，屆期未改正者，按次處新臺幣 2 萬元以上 20 萬元以下罰鍰。

LinkedIn。LinkedIn 使用者協議禁止爬取或複製個人檔案資料，也禁止使用機器人或其他未經授權的自動化方式新增聯絡人或傳送訊息。標榜可以自動發送 LinkedIn 邀請的工具，會讓業務的個人帳號承擔被限制的風險。比較好的做法，是讓真人在 LinkedIn 上研究買家、展開對話，詳細做法可參考 LinkedIn B2B 陌生開發 SOP。

以上不是法律意見。如果主動開發是您業務計畫中的重要部分，建議請律師檢視一次整體流程，再把上面的檢查清單依照律師的建議調整。

HappyCXO 能幫什麼、不能幫什麼

HappyCXO Studio 為中小型製造商與貿易商提供一位遠端同事，團隊在台灣，以遠端方式服務，可以承接本文提到的前置工作：潛在客戶研究、名單驗證、開發信與跟進信草稿，以及 CRM 維護。每一封信寄出前都有人審核；回信、報價與成交仍由貴公司的業務負責。

實際的合作方式刻意保持單純。開始之前，我們會和您一起約定 KPI，並記錄導入前的基準，讓成效用您自己的數字來衡量。之後每週提供報告，並定期和您檢討。開發信從貴公司名義的帳號寄出，遵守上面提到的 CAN-SPAM 等規範，寄送量維持在每一封都有人看得過來的程度。溝通方式是 Email 與約定時間的視訊會議。如果負責的同事離職，我們會指派並交接給新的同事，工作不會中斷。

我們不會做的事也要說清楚：不承諾會議數量、不做大量群發、不做 LinkedIn 自動發訊。如果您要找的是這些，我們不是適合的夥伴，但這篇文章的分工方法，您自己的團隊一樣用得上。

• 了解遠端同事可以承接哪些工作：HappyCXO 服務總覽
• 開發客戶服務的細節：海外客戶開發，以及業務周邊的業務支援
• 更多相關文章：AI 客戶開發主題文章

想知道這套分工放在貴公司會是什麼樣子，歡迎預約 20 分鐘線上展示，我們會在一個工作天內回覆。