AI Agent 是什麼？中小企業現在用得上的三種場景

「熊董，現在大家都在講 AI Agent，說它可以自己做事。我們公司是不是也該弄一個？」

這個問題我最近很常聽到。問的人通常已經用過 ChatGPT，覺得它很會寫、很會回答，但用了幾個月，公司裡的工作量並沒有少。然後他看到新聞說 AI Agent 可以「自己完成任務」，心裡想：這應該就是我缺的那一塊。

我是熊董，台灣川輝科技創辦人。帶團隊做系統導入七年、超過 34 個案子，現在一個人加上 AI，一年交付 2,000 萬以上的客製系統，Agent 是我每天在用、也在幫客戶建的東西。AI Agent 跟聊天機器人最大的差別，是它不只回答問題，而是會自己判斷下一步該做什麼，並且去查資料、呼叫工具把事情往前推。對中小企業來說，現在真正用得上的場景有三種：第一線訊息的分流與草擬回覆、內部資料的查詢助理、例行文件的草擬與比對。共同的原則只有一條：讓 Agent 負責「查」和「草擬」，最後那個送出、付款、對外承諾的動作，留給人按。

AI Agent 到底是什麼？跟 ChatGPT、自動化流程差在哪？

先用一個比喻。ChatGPT 像一個很會講話的實習生，你問什麼他答什麼，但他不會自己去翻公司的檔案，也不會幫你寄信。自動化流程像一條輸送帶，你設定好「收到 A 就做 B」，它就一直照做，但遇到沒設定過的狀況就停住。

AI Agent 介於兩者之間，又多了一點東西：它拿到一個目標之後，會自己決定要先查什麼、再做什麼。比如客人傳來一句「上次那台機器的濾網還有貨嗎？」，Agent 會先去查這個客人上次買了什麼型號，再去查那個型號對應的濾網料號，再去查庫存，最後草擬一則回覆。這中間每一步要做什麼，不是你事先一條一條寫死的，是它根據狀況判斷的。

比較	聊天機器人	自動化流程	AI Agent
怎麼運作	你問它答	照設定好的規則走	拿到目標，自己決定步驟
能不能動用工具	通常不行	只能用設定好的	可以查資料、呼叫系統
遇到沒見過的狀況	給一個看似合理的答案	停住或出錯	嘗試判斷，可能判斷錯
最適合	寫稿、整理、發想	規則固定、量大的事	輸入多變、但目標清楚的事
最大風險	講錯但講得很肯定	規則一變就壞	自己做了不該做的決定

看最後一列就知道，Agent 的能力和風險是同一件事。它會自己判斷，所以能處理多變的狀況；它會自己判斷，所以也可能判斷錯，而且是在你沒看到的地方。這就是為什麼導入 Agent 的關鍵，不是挑哪個模型，而是設計「它可以自己做到哪一步」。

你覺得公司需要 AI Agent，這個直覺有道理嗎？

有。我先站在你這邊。

用了 ChatGPT 還是一樣忙，原因通常不是 AI 不夠強，而是它沒有接到你的工作裡。你得自己複製資料貼進去、自己把答案複製出來、自己再貼到 LINE 或報價單上。AI 只幫了中間那一段，前後兩段的搬運還是人在做。這件事我在用了 ChatGPT 還是一樣忙那篇拆過，工具和工作流是兩回事。

Agent 的價值正好在這裡：它能接上你的資料和系統，把前後的搬運一起做掉。所以你直覺覺得「Agent 才是我要的」，方向是對的。

真正的問題在別的地方：很多公司想導 Agent 的時候，連「這件事該由誰、在什麼情況下、根據什麼做判斷」都還沒講清楚。人自己都沒有共識的事，交給 Agent 只會讓混亂變快。Agent 會放大一個已經清楚的流程，但不會幫你把不清楚的流程變清楚。

我自己踩過一次。我做過一個「每天發文前推播給我核可」的流程，系統把草稿準備好、推到我手機上，我按一下就發。技術上完全沒問題。結果連續八張卡，我一張都沒按，全部過期。不是系統壞了，是這個設計不符合我實際怎麼工作：我根本不會在那個時間點看手機做決定。後來我改了流程的設計，而不是改技術。導 Agent 最常卡的，往往就是這一層。

場景一：第一線訊息分流與草擬回覆

這是中小企業最快看到效果的場景，因為痛點最明顯：LINE 和信箱裡的訊息太多，沒有人負責，漏掉了也沒人知道。

我們做過一家冷凍機械廠，做設備經銷，LINE 一天 50 到 80 則訊息，沒有明確的人負責。做完之後，訊息漏接趨近 0，客服效率提升 150%，回覆速度提升 75%，業績提升 23%。我想強調的不是用了什麼技術，而是先讓每一則訊息都有人接，這是這個場景的地基。

Agent 在這個場景裡做的事情是：

• 判斷這則訊息是什麼：詢價、報修、查進度、還是閒聊。
• 補齊資料：查這個客人是誰、買過什麼、上次報價多少、目前有沒有未結的單。
• 草擬回覆或建立待辦：簡單的問題直接草擬回覆；需要報價或派工的，建立一張待辦給負責的人，資料已經整理好放在上面。

開始之前，有一件功課一定要先做：把訊息的類別定義清楚，而且每一類都有一個負責的人。很多公司的訊息會漏，不是因為人不夠，而是每一則訊息都「大家都看得到」，於是每個人都以為別人會回。Agent 分類得再準，如果分完之後沒有人接，結果還是一樣。所以這個場景的設計順序是：先決定類別和負責人，再讓 Agent 做分類和整理，最後設一個「超過多久沒人處理就提醒主管」的機制。

這裡要注意，對外的報價金額、交期承諾，不要讓 Agent 自己發出去。它可以把價格算好、把回覆寫好，但按送出的是人。原因很簡單：說錯一次價格，客人會拿著截圖跟你談。

場景二：內部資料的查詢助理

第二個場景比較少人想到，但對老闆和主管特別有感：讓 Agent 替你去系統裡查資料。

很多公司其實有系統，但查一個資料要點好幾層選單、匯出 Excel、再篩選。結果老闆想知道「這個月哪幾個客戶的應收超過 60 天」，還是傳 LINE 問會計，會計放下手上的事去查，半小時後回覆。業務想知道「這個料號什麼時候會到」，打電話問採購，採購再去問供應商。

Agent 做的是把這些查詢變成一句話。老闆最常問的通常就那幾類：哪些客戶的錢該收了、哪些訂單快要延遲、哪個品項賣得最好或退得最多、某個客戶上次跟我們買了什麼。比如你問「上個月哪個品項退貨最多？」，它去系統裡撈資料、整理成一段話或一張表給你。它不改任何資料，只讀。

這個場景的門檻是：你的資料要先在一個 Agent 讀得到的地方。如果資料散在員工的手機、各自的 Excel、紙本簿子裡，Agent 也查不到。所以這個場景常常是倒過來推動的：老闆因為想要「問一句就有答案」，才終於願意把資料整理進同一個地方。

只讀不寫的 Agent，風險很低，是我很推薦中小企業先試的一種。最壞的情況是它查錯了，你再問一次或自己確認，不會有東西被寄出去、被改掉。

場景三：例行文件的草擬與比對

第三個場景是那些「格式固定、但內容每次不同」的文件：報價單、出貨通知、對帳單、會議紀錄、合約的某些條款。

川輝自己就是這樣做的。以前出一張報價單要花好幾個小時，要翻過去的案子、對照規格、算工時。現在報價單是一鍵產出，我要做的是看過、調整、確認。整體行政工作量少了 90%，分潤計算也由系統秒算。省下來的時間，我拿去做只有我能做的判斷。

比對也是一樣的邏輯。供應商的對帳單和你系統裡的進貨紀錄，Agent 可以逐筆比對，把對不上的那幾筆標出來，附上它認為可能的原因。會計不用再從頭核一遍，只要看那幾筆。

這個場景的原則跟前面一樣：Agent 負責把大部分的工作做完，人負責最後那一段判斷。差別在於，原本那個人要從頭核一遍才敢確認，現在他只要看被標出來的那幾處，因為該看的地方已經有人幫他找好了。

哪些事不要讓 AI Agent 自己做？

我最常跟老闆講的一句話是「這個不要做」。十件想自動化的事，大概兩件值得寫系統、五件用現成工具就好、三件根本不該碰。Agent 也適用同一把尺，而且因為它會自己判斷，更要劃清楚界線。

判斷的方法是看兩件事：這件事的輸入有多變，以及做錯的代價有多高。

• 輸入多變、做錯代價低：例如訊息分類、內部查詢、會議紀錄整理。可以讓 Agent 全自動跑，定期抽查就好。
• 輸入多變、做錯代價高：例如對外報價、客訴回覆、合約內容。讓 Agent 草擬，人確認後才送出。
• 輸入固定、做錯代價低：例如每天固定時間寄報表、表單資料轉存。這不需要 Agent，一般的自動化流程就夠了，更便宜也更穩定。
• 輸入固定、做錯代價高：例如付款、薪資、庫存異動。用固定規則加上人工覆核，不要讓 Agent 自己判斷。

還有一種事完全不該碰：本質上是關係的事。老客戶的關懷電話、催款時那一句「是不是對帳有問題」、客訴的第一通回應。Agent 可以提醒你今天該打給誰、把對方的紀錄整理好放在你面前，但那通電話要人打。哪些事該留給人，我在有些事你不該自動化裡有一份完整的判斷清單。

中小企業要怎麼開始第一個 Agent？

不要從「我們要導入 AI Agent」開始，要從「哪一件事最常卡住」開始。

具體可以這樣做：

1. 挑一件每天都在發生的事，而且你講得出來它卡在哪裡。例如「LINE 詢價常常隔天才回」，而不是「客服效率不好」。
2. 把這件事目前怎麼做寫下來，誰收到、查了什麼、根據什麼判斷、最後做了什麼。寫不出來，代表流程還沒清楚，先別導 Agent。
3. 決定 Agent 可以做到哪一步，用上面那張圖判斷，哪一步開始要人確認。
4. 用真實資料跑兩週，每天看它做錯了什麼。錯誤會告訴你流程哪裡還沒講清楚。
5. 確認負責的人真的會去按。這一步最容易被忽略，我那八張過期的卡就是教訓。

跑完兩週之後，回頭看三件事：它做對的比例有沒有讓負責的人願意信任它、它做錯的地方是規則沒講清楚還是資料本身有問題、負責確認的人是不是真的每天都有在看。三件都過關，再決定要不要讓它多做一步，或者把同樣的做法複製到下一件事上。一次只放手一步，比一開始就讓它全自動穩得多，也比較不會因為一次出包就讓大家對 AI 失去信心。

要用什麼工具做，現成的自動化平台和客製開發各有適合的情況，我在n8n、Make 還是客製那篇有比較。工具是第二個問題，先把第一件事挑對。

常見問題

AI Agent 和 AI 助理、AI 代理是同一個東西嗎？

大致上是同一個概念的不同翻譯。重點不在名稱，而在它能不能自己決定步驟、能不能接上你的資料和系統去做事。只會回答問題的，比較接近聊天機器人。

中小企業導入 AI Agent 需要很多資料嗎？

不需要很多，但需要放在它讀得到的地方。客戶資料、訂單、庫存如果都在同一個系統或試算表裡，就能開始；如果散在員工手機和紙本上，要先整理資料，再談 Agent。

AI Agent 會不會亂回客人訊息？

會有判斷錯的時候，所以對外的訊息不要一開始就全自動。先讓它草擬、人確認，跑一段時間看它錯在哪裡，再決定哪些類型的訊息可以放手讓它直接回。

導入 AI Agent 要先上 ERP 嗎？

不一定。Agent 需要的是資料讀得到、流程講得清楚，不一定要先有 ERP。很多公司從 LINE 訊息分流這種單一場景開始，反而比先上大系統更快看到效果。

Agent 放大的是你已經想清楚的事

AI Agent 不是一個你買來裝上就會變聰明的東西，它是一個會幫你把清楚的流程跑得更快的助手。流程不清楚，它只會更快地做錯。

所以與其問「我們該不該導 AI Agent」，不如先問「哪一件事，我講得出它該怎麼判斷、卻一直沒人好好做」。找到那一件，Agent 才有地方發揮。如果你想找人一起看看那一件事適不適合交給 Agent，帶著它來做一次30 分鐘免費診斷，我們直接看你的流程卡在哪。