說實話，看到「韓國有人用 AI 把抓一帖韓藥的時間從 300 分鐘做到 5 分鐘」這則的時候，我第一個注意到的，不是「哇機器人會抓藥了」，而是它做這件事的方式—因為它剛好做對了一件，很多人用 AI 都會想歪的事。
Onerve 做了什麼
先講事實。韓國有一家叫 Onerve（오너브）的新創，由韓國韓醫藥振興院支持，做的是韓醫藥（한약）的製造自動化。
他們的系統叫 HAP，把 AI 跟電子病歷（EMR）接在一起，自動化了從「處方輸入 → 製藥 → 清潔 → 包裝 → 庫存管理」的一整條流程。關鍵在原料：他們用的是標準化的冷凍乾燥草藥「匣式」原料—把原本要現場煎煮、費時費工的草藥，變成一個個規格統一的模組。
結果就是：製作一帖韓方藥，從大約 300 分鐘，縮短到大約 5 分鐘。它拿下了 CES 創新獎，也完成了約 62 億韓元的 A 輪募資。
而且它不是孤例—韓國還有另一家 Camelotech（Cameleon 系統）在做幾乎一樣的事，同樣出現在 CES。所以「韓醫藥自動化」這件事，正在從一個實驗，變成一個真正的賽道。
我看的重點不是「快」，是「它自動化了哪一層」
如果你只記住「300 分鐘變 5 分鐘」，其實會錯過最重要的部分。
大家一看到 AI 進到一個傳承上千年的傳統行業，第一反應通常是恐慌：「連韓醫都要被 AI 取代了？」但你仔細看 Onerve 到底自動化了什麼—它自動化的是「製藥」，不是「看診開方」。
決定你這個人該吃哪一帖藥、劑量怎麼調、體質怎麼看—這些需要判斷、需要經驗拿捏的部分，還是韓醫師在做。機器接手的，是那個「一旦處方定了，接下來就是照規格把藥做出來」的、可重複、可標準化的環節。
這個分工，才是整件事真正聰明的地方。
這其實是我每天帶 AI agent 在做的同一件事
我住在韓國，每天帶著一整隊 AI agent 幹活。做久了我越來越確定：AI 落地做得好不好，關鍵不在「它能不能取代人」，而在你有沒有把「可重複的那一層」跟「需要判斷的那一層」分清楚。
而且這裡藏著一個很多人沒看到、卻是整件事真正門檻的地方。大家以為 Onerve 難在「機器手臂會抓藥」，但你想想—真正難的，是它得先把那些混沌、每次抓起來都不太一樣的草藥，變成一個個規格統一的「冷凍乾燥匣」。自動化真正的工作量，從來不是那台機器，而是先把要交接的東西，標準化成一個規格清楚的介面。
匣式原料先標準化好了，機器才有辦法接手。
我帶 agent 也是卡在同一個地方：真正花力氣的，從來不是「叫 agent 去跑」，而是我得先把一件重複的活，它的輸入、輸出、規格寫到夠死夠清楚，agent 才接得住。定義那個介面，才是真正的功夫。所以 Onerve 聰明的不是那台機器，是它願意先蹲下來、把「藥」標準化成匣—然後才讓機器接手製藥，把診斷開方這種判斷，留給韓醫師。
比快更值錢的，是「每一帖都一樣」
順著這個往下看，Onerve 這套表面的價值是「快」，但真正值錢的是「穩定」。
傳統手工製藥，每一帖的濃度、火候都可能有人為差異；標準化的匣式原料，讓每一帖的藥效都可預期、可複製。對醫療這種不能出錯的場景，可預期的穩定，遠比偶爾的驚豔重要。這一點搬到你用 AI 上一模一樣：一個 AI 幫你做事，重點從來不是它「最好那次有多亮眼」，而是它「每一次都穩定交付到某個水準」—能穩定，你才敢真的把事情交給它。
這對你代表什麼
我知道對很多人來說，「AI 幫韓國人抓韓藥」聽起來離自己很遠。但這則新聞真正的訊號，跟你每天的工作息息相關：AI 落地最快、最扎實的地方，永遠是那些「可重複、可標準化」的環節。
所以想開始用 AI 幫自己做事，別急著找「一個能取代我全部工作的萬能 AI」。先把你的工作攤開來，問自己兩個問題：
- 哪一層是可重複、可標準化的？（每天都在做、有固定步驟、規格清楚的）→ 這一層最該優先交給 AI；但記得，先花力氣把它的規格寫清楚，那個力氣是值得的。
- 哪一層需要判斷、需要經驗、錯了代價很大？→ 這一層先留給自己，讓 AI 當輔助就好。
把這兩層分清楚，你就抓到了用 AI 的第一個訣竅。連傳承上千年的韓醫藥都能這樣—被 AI 接手一半、同時把最需要人的那一半穩穩留給人，你的工作，也一定找得到那條線。