巡店問題拍照丟群組就沒下文？Copilot Vision 新功能：鏡頭對準現場，AI 當場判讀開待辦

曼谷一家連鎖手搖飲的區督導平猜，每週要巡六家門市。這天他在拉抛路店看到冷藏櫃前的促銷陳列被堆成雜物架、封口膜庫存直接放在地上，他拍了三張照片丟進 LINE 群組，打上「這裡要改」。店長秒回「รับทราบค่ะ（收到）」。一週後他再來，陳列還是同一個樣子——不是店長偷懶，是她看著照片，真的不知道「要改」指的是哪一點、要改成什麼樣子。

為什麼現場問題總是在群組裡石沉大海

第一個誤區，是用文字描述視覺問題。貨架斜了幾度、機台錯誤代碼是哪一個燈在閃、鋼筋綁紮間距差多少，這些「用講的很難講清楚」的資訊，經過打字轉述一定失真，收到的人只能猜。

第二個誤區，是照片只留紀錄、不留判斷。一張照片如果沒有對照標準，就只是證據，不是指令——店長看到的是「一張貨架的照片」，不是「第二層排面違反陳列規範第三條」。

第三個誤區，是問題從來沒有變成待辦。沒有負責人、沒有期限、沒有複查，「收到」就是這條訊息的終點。

一份會被執行的巡檢紀錄，要有三個要件

先不談 AI。做得好的連鎖體系與工廠，巡檢紀錄都長得很像：一是對照標準，每個問題都指向一條明文規範，而不是主管的個人感覺；二是問題分級，分成「現場十分鐘內能處置」與「需要回報後續處理」兩類，避免大小事混在一起全部被拖延；三是落成待辦，每一條都有負責人和完成期限，並約定複查時間。難的從來不是原則，而是主管站在現場時，根本沒有時間把眼前的畫面整理成這樣一份紀錄。

🔧 AI 動手做：用 Copilot Vision 讓 AI 直接「看」現場

2026 年 7 月起，Microsoft 365 Copilot 陸續開放 Vision 功能——以前 AI 只能讀你打的字，你得先把現場「翻譯」成文字；現在可以把手機鏡頭或電腦螢幕畫面直接分享給 Copilot，它會結合眼前的視覺內容與你的工作脈絡，當場解釋看到的東西、找出問題、給下一步建議。巡店、巡線、巡工地時，打開 Copilot App 啟用鏡頭（Vision）模式，對準現場，然後唸出或貼上這段提示詞：

我現在用鏡頭給你看的是[門市貨架／機台操作面板／倉庫堆放區／工地作業面]的現場畫面。請你扮演[零售營運督導／設備保養工程師／倉儲安全稽核員／工地監造]，依照以下步驟分析：
1. 先描述你看到的現況，確認我們對畫面的理解一致
2. 對照[公司陳列標準／機台操作手冊／倉儲安全規範／施工規範]，列出你發現的問題點，按嚴重程度排序
3. 針對每個問題，分成「現場 10 分鐘內能做的立即處置」和「需要回報處理的後續事項」兩類
4. 最後整理成一張待辦清單，格式：問題｜改善做法｜負責人[填入負責同仁]｜完成期限
補充脈絡：這是位於[地點]的[業態／產線類型]，最近的狀況是[簡述背景，例如：上週剛換新陳列、這台機器常跳同一個錯誤碼]。

本週就能做的一步：明天巡店或巡線時，只挑一個你最常「講不清楚」的點位——一排總是亂的貨架，或一台常跳錯誤碼的機台——打開 Copilot Vision 對準它，貼上模板跑一次，再把 AI 開出的待辦清單原封不動轉貼到群組。對比一下：這份清單和你過去打字的「這裡要改」，哪一個會被執行。