← M06 No-Code / Low-Code AI M06 No-Code / Low-Code AI

M06.08|整合與 API 串接:讓 AI 工具跟現有系統對話

AI 再強,不能跟 ERP 和 CRM 串接就是孤島

L1-AI應用規劃-系統整合 L2-AI系統部署-API設計
API 系統整合 Zapier Make Webhook REST API CRM整合 ERP整合
📋

本講學習重點

API 是什麼?用什麼比喻最容易理解?
REST API 的四個基本操作是什麼?
Webhook 與 API 輪詢的根本差異?
Zapier 和 Make 分別適合什麼情境?
整合平台如何讓 No-Code 使用者串接 AI 工具?

API:應用程式之間的標準通訊介面,如餐廳服務生傳遞訂單

REST API:GET(取資料)、POST(新增)、PUT(更新)、DELETE(刪除)

Webhook:事件發生時主動推送通知,不需要輪詢(Push vs Pull)

Zapier:No-Code 整合,超過 7,000 個 App 連接,適合個人和中小企業

Make(前 Integromat):視覺化流程設計,支援更複雜的邏輯和資料轉換

n8n:開源自架,適合有技術能力但想省授權費的團隊

常見整合模式:CRM+AI 客戶洞察、ERP+AI 異常偵測、Email+AI 分類

📌 API 是讓不同軟體系統互相溝通的標準語言;Webhook 是系統主動通報事件的機制。整合平台(Zapier、Make)讓不會寫程式的使用者透過拖拉點選,就能把 AI 工具(如 ChatGPT、Claude)與現有的 CRM、ERP 和生產力工具串接起來,讓 AI 不再是孤立的島嶼。
整合與 API 串接:讓 AI 工具跟現有系統對話

🎙️ Podcast(中文)

0:00 / 0:00

一句話搞懂

API 就是讓不同軟體系統互相說話的「共同語言」——有了 API,你的 AI 工具才能讀取 CRM 裡的客戶資料、把分析結果寫回 ERP、或是在客戶下單的瞬間自動觸發後續流程。


白話解說

API 是什麼:餐廳服務生的比喻

想像你走進一間餐廳。廚房在後面,你坐在前台。你不能直接走進廚房告訴廚師你要什麼(系統安全和秩序的考量),也不需要懂得如何料理——你只需要把需求告訴服務生(API):「我要一份牛排,五分熟,不加醬。」服務生把你的需求傳達給廚房(後台系統),廚房做好之後,服務生把餐點送回你的桌上。

API(Application Programming Interface,應用程式介面)就是軟體世界裡的服務生。它定義了:一個系統可以接受什麼樣的「點餐」(Request)、每種點餐需要提供哪些資訊(Parameters)、系統會回傳什麼樣的「料理」(Response)。不管是前端網頁、手機 App,或是另一個後端系統,只要按照 API 的規格「點餐」,就能取得服務,而完全不需要了解背後的系統怎麼運作。

這就是為什麼 API 是現代軟體整合的基礎:它讓不同公司、不同技術棧的系統能夠互相溝通,而不需要修改任何一方的內部程式碼。

REST API:現代系統整合的通用語言

目前最主流的 API 設計風格是 REST(Representational State Transfer)。你不需要深入理解它的學術定義,只需要知道 REST API 的四個基本操作,對應到日常的資料操作:

HTTP 方法 操作 日常比喻
GET 取得資料 「查詢」——問服務生今天的菜單
POST 新增資料 「下單」——告訴服務生我要點什麼
PUT / PATCH 更新資料 「改單」——我剛才點的牛排改成七分熟
DELETE 刪除資料 「取消」——不好意思那份牛排不要了

每個 API 操作都有一個 URL(端點,Endpoint) 指定要操作的資源,例如 https://api.crm.com/customers/12345 代表「客戶 ID 12345 的資料」。一個 GET 請求到這個 URL 就會回傳這位客戶的資訊;一個 PUT 請求則可以更新他的資料。

對 No-Code 使用者來說,不需要自己寫 HTTP 請求的程式碼——Zapier、Make 等工具已經把這些封裝成圖形介面操作了。但理解 REST API 的基本概念,有助於在遇到問題時能正確診斷和溝通。

Webhook:讓系統主動來找你

傳統的資料同步方式是輪詢(Polling):你的系統每隔一段時間(例如每五分鐘)主動問另一個系統「有沒有新資料?」。這就像每五分鐘打一次電話問「我的包裹到了嗎?」——大多數時候答案都是「還沒」,浪費了大量資源。

Webhook 反轉了這個邏輯:你事先在另一個系統登記「當事件 X 發生時,請打電話通知我」。當事件真的發生時(例如:客戶下了一筆新訂單、GitHub 有新的程式碼推送、或是表單有人填寫),系統主動向你指定的 URL 發送通知,就像快遞送達時主動簡訊通知你,而不需要你不斷追蹤。

Webhook 在 AI 整合中非常重要。典型的場景:客戶在官網填寫詢問表單 → 表單系統透過 Webhook 立即通知整合平台 → 整合平台觸發 AI 分析客戶需求 → AI 結果自動寫入 CRM 並指派給業務 → 整個流程在幾秒內完成,完全無需人工介入。

No-Code 整合平台:Zapier vs Make

對沒有工程師的團隊來說,整合平台(iPaaS, Integration Platform as a Service) 是讓 AI 工具連接現有系統的最快途徑。

Zapier 是市場上最知名的整合平台,強調「任何人都能在五分鐘內串接兩個 App」。它預建了超過 7,000 個 App 的連接器(包括 ChatGPT、Salesforce、Gmail、Slack、HubSpot 等),透過「觸發事件 → 執行動作」的兩步驟邏輯(稱為 Zap),讓即使完全不懂技術的使用者也能建立自動化流程。它的限制是:複雜的邏輯分支、資料轉換和多步驟流程在 Zapier 上會變得笨拙,且每個 Zap 的執行次數費用累積起來可能不低。

Make(前身 Integromat) 走視覺化工作流程設計的路線。它的介面看起來更像一張流程圖:每個「模組」代表一個操作,模組之間用箭頭連接,可以設計複雜的分支邏輯、資料過濾、和迭代處理。Make 特別適合需要做資料轉換(例如把 JSON 資料重新格式化後再傳給另一個 API)的情境。它的定價以「操作次數」計費,比 Zapier 更具彈性。

n8n 是開源的整合平台,可以自己架設在伺服器上,沒有按次收費的壓力,適合有一點技術能力但想節省授權費用的中小型技術團隊。

把 AI 能力注入現有系統:常見整合模式

有了 API 概念和整合平台後,以下是幾個讓 AI 真正融入工作流程的典型串接模式:

CRM + AI 客戶洞察:每當 CRM(如 HubSpot、Salesforce)收到新的客戶服務工單,自動把工單內容傳給 AI(如 OpenAI API),讓 AI 分析問題類型、客戶情緒、緊急程度,再把分析結果寫回 CRM,作為優先順序排序和指派的依據。業務人員打開工單時就能看到 AI 已整理好的摘要。

ERP + AI 異常偵測:ERP 系統每天匯出庫存或財務資料,AI 模型分析後如果發現異常(庫存跌破安全水位、費用異常暴增),自動透過 Slack 或 Email 通知相關主管,並附上 AI 的初步分析。

Email + AI 自動分類與回覆:新 Email 到達時,透過 Webhook 觸發 AI 分析郵件主旨和內容,自動分類、加標籤,對於標準問題生成 AI 草稿回覆,再讓客服人員一鍵確認送出。


應用場景

整合場景 觸發點 AI 功能 目標系統 工具選擇 效益
客服 Email 智慧分類 新 Email 到達(Webhook) AI 分類問題類型 + 情緒分析 Zendesk / Freshdesk CRM Zapier + OpenAI 分類速度從人工 30 分鐘到即時
社群留言自動監控 新留言發布(Webhook) AI 偵測負評或危機訊號 Slack 通知 + 電商後台 Make + Claude API 品牌危機發現時間從數小時縮至分鐘
銷售提案自動個人化 CRM 新潛客建檔(Trigger) AI 根據客戶資料生成個人化提案草稿 Google Docs + Email Zapier + GPT-4 API 提案準備時間從 2 小時縮至 15 分鐘
會議紀錄自動整理 會議結束(Zoom Webhook) AI 轉錄 + 摘要 + 行動項目提取 Notion / Confluence Make + Whisper API 會議紀錄整理從 45 分鐘縮至即時
庫存異常警示 ERP 每日資料同步(排程) AI 分析庫存趨勢,預測缺貨風險 Line / Slack 通知 n8n + 自訂模型 缺貨事件提前 5-7 天預警
合約審核輔助 新合約上傳(檔案 Webhook) AI 擷取關鍵條款、標記異常條款 內部審核系統 + Email Make + Claude API 法務初審時間從 1 天縮至 2 小時

常見誤區

誤區 1:「只要有 API 就能串接,整合很簡單」

API 存在是整合的必要條件,但不是充分條件。真正的整合挑戰往往不在技術層面,而在資料語義層面。例如:你的 CRM 裡「客戶名稱」欄位儲存的是公司名稱,但 ERP 裡同樣的資料卻叫「法人名稱」而且格式不同(CRM 存「台積電」,ERP 存「台灣積體電路製造股份有限公司」)。兩個系統都有 API,但要讓資料正確對應,需要寫轉換規則。此外,還有身份驗證(如何取得 API 金鑰並安全儲存)、錯誤處理(API 呼叫失敗時怎麼辦)、速率限制(API 每分鐘最多允許多少次呼叫)等技術細節。「有 API 就能串接」在概念上沒錯,但在實務上低估了整合工程的複雜度。

誤區 2:「用 Zapier 串接就不需要考慮資料安全」

Zapier 和 Make 這類整合平台,在幫你傳遞資料的過程中,你的業務資料確實會經過他們的伺服器。如果你串接的是包含個人資料(姓名、Email、電話、身份證號)、財務資訊、或商業機密的工作流程,就必須確認:整合平台是否符合你所在產業的資料合規要求(GDPR、個資法、金融業相關法規)?資料在傳輸過程中是否加密?整合平台的資料保留政策是什麼(你的資料在他們的伺服器上保留多久)?對資料敏感度高的企業,自架 n8n 或使用企業版整合平台的私有雲部署,可能比使用公共 SaaS 整合平台更合適。

誤區 3:「整合平台搭建好之後就不需要維護」

整合工作流程是依賴各個外部 API 的連接而運作的,一旦任何一端的 API 發生變化(版本升級、端點廢棄、身份驗證機制更改),整合流程可能靜悄悄地失效——而且通常是在最需要它運作的時候才被發現。整合流程和軟體一樣,需要定期監控和維護。 良好的整合系統應該包含:失敗通知機制(流程執行錯誤時立即通知負責人)、定期測試(每週或每月驗證關鍵流程仍正常運作)、以及文件記錄(每個流程的目的、觸發條件、和依賴的外部系統)。否則幾個月後沒有人記得某個關鍵流程的運作邏輯,問題發生時也找不到根因。


小練習

練習 1:API 概念理解測驗

一家線上書店開放了以下 API。請根據 HTTP 方法,判斷以下操作應該使用哪個方法,並說明原因:

操作 你的答案
查詢書籍 ISBN 9789861342314 的詳細資訊
客戶在購物車結帳,新增一筆訂單
客戶將訂單的收貨地址從台北改為台中
客戶取消了一筆尚未出貨的訂單
查詢所有「科幻類」書籍的清單
查看答案 | 操作 | HTTP 方法 | 原因 | |------|---------|------| | 查詢 ISBN 書籍詳細資訊 | **GET** | 只是「讀取」現有資料,不修改任何東西 | | 客戶結帳,新增訂單 | **POST** | 在系統中「新增」一筆原本不存在的訂單記錄 | | 修改收貨地址 | **PUT 或 PATCH** | 「更新」已存在的資料;PUT 通常用於完整替換,PATCH 用於部分更新單一欄位 | | 取消訂單 | **DELETE** | 「刪除」或使一筆記錄失效(有些系統用軟刪除,但語義上是 DELETE)| | 查詢科幻類書籍清單 | **GET** | 同樣是「讀取」,只是附帶了篩選條件(category=sci-fi 作為 query parameter)| **補充說明**:GET 操作是「安全且冪等」的——呼叫一次或呼叫一百次,對系統的狀態沒有影響。POST 每次呼叫都會產生新的資源(呼叫兩次會建立兩筆訂單)。在設計 API 整合時,了解這些特性有助於正確處理「重試邏輯」——GET 失敗可以安全重試,POST 失敗需要先確認是否已建立成功,再決定是否重試。

練習 2:設計整合流程

一家中型人力資源顧問公司想要建立以下的自動化流程:

目標:當公司網站的「職缺應徵表單」有人填寫時,自動讓 AI 分析應徵者的履歷(表單附件),生成「資格符合度摘要」,然後通知 HR 人員並把分析結果記錄到 Google Sheets。

已知條件:

  • 表單工具:Typeform(支援 Webhook)
  • AI 服務:OpenAI API(可分析文字)
  • 通知工具:Slack
  • 記錄工具:Google Sheets
  • 技術能力:HR 團隊無工程師背景,但有基本電腦能力

請設計這個整合流程:使用哪個整合平台?整個流程的步驟是什麼?每個步驟做什麼事?

查看答案 **建議整合平台:Zapier 或 Make** 針對 HR 團隊無工程師背景的條件,Zapier(更直覺)或 Make(更彈性)都合適。以下以 Make 為例說明(因為涉及到 AI API 呼叫和資料格式轉換,Make 的視覺化設計更清楚)。 **完整流程設計(共 6 個模組):** **模組 1:Typeform Webhook 觸發** 設定:在 Typeform 後台的 Webhooks 設定中,新增 Make 給你的接收 URL。每當有人提交應徵表單,Typeform 立即向 Make 發送一個 POST 請求,包含所有填寫的欄位(姓名、Email、應徵職缺)和附件 URL(履歷 PDF)。 **模組 2:下載履歷附件** Make 使用 HTTP 模組向 Typeform 提供的附件 URL 發送 GET 請求,將 PDF 檔案的內容下載下來(或取得可讀的文字內容)。若 PDF 需要轉換成文字,可在此步驟加入 PDF 解析工具(如 Adobe PDF Services API 或 PDF.co)。 **模組 3:呼叫 OpenAI API 進行分析** 將提取出的履歷文字內容,加上職缺需求(預先寫在 Prompt 中),一起傳送給 OpenAI API(GPT-4 模型)。Prompt 範例:「以下是一份應徵者的履歷,以及職缺要求。請評估應徵者的符合度(高/中/低),並列出主要符合項目、主要缺失項目,以及建議面試關注重點。限 300 字以內。」 **模組 4:傳送 Slack 通知** 將 OpenAI 回傳的分析摘要,整理成 Slack 訊息格式,傳送到 HR 團隊的 Slack 頻道。訊息內容包含:應徵者姓名、應徵職缺、AI 符合度評估(高/中/低)、摘要重點、以及 Typeform 管理後台的連結(讓 HR 可以直接去看原始填寫內容)。 **模組 5:寫入 Google Sheets** 把所有資訊(時間戳記、應徵者姓名、Email、應徵職缺、AI 符合度、AI 摘要全文)寫入預先設計好的 Google Sheets 追蹤表,作為後續面試跟進的管理記錄。 **模組 6:錯誤處理** 設定錯誤通知:若任何模組失敗(例如 OpenAI API 暫時失效),發送 Email 或 Slack 訊息給 HR 負責人,提醒有一筆應徵表單需要手動處理。 **預期效益**: - 應徵者從送出表單到 HR 收到 AI 分析通知:不超過 2 分鐘(現有流程:HR 空閒時才看,可能延遲 1-2 天) - HR 初篩時間:從平均 15 分鐘/份履歷縮短到 3 分鐘(看 AI 摘要後決定是否進一步閱讀原始履歷) - 整個流程建立時間:使用 Make,約 2-4 小時可完成,無需工程師

關鍵字自我檢核

✅ API ✅ REST API ✅ Webhook ✅ Zapier ✅ Make ✅ n8n ✅ 系統整合 ✅ CRM整合 ✅ ERP整合 ✅ API串接 ✅ No-Code整合 ✅ iPaaS