AI Agent 與傳統自動化流程的差異

企業談到 AI Agent，容易把它理解成能自行完成所有工作的智慧助理。比較實際的理解，是讓模型在設定的範圍內判斷下一步、使用工具，並依結果調整行動。它仍然需要清楚的權限、停止條件與監督方式。

一、傳統自動化適合明確規則

例如申請資料齊全後送主管審核，超過期限發送提醒，核准後建立工作單。條件與步驟可預先列出，使用一般工作流程引擎就能完成。

這種方式容易重現與測試，也便於說明某一步為何發生。資料缺漏或規則無法涵蓋時，可以轉入例外佇列，交給人員處理。

二、AI Agent 如何不同

當輸入是自由文字、需要判斷應查哪些資料，或下一步取決於工具回傳結果時，Agent 可提供較有彈性的處理方式。它可能先查文件、再查案件紀錄，發現資訊不足後向使用者提問。

但有些標示為 Agent 的產品，實際仍採固定流程。選型時應看哪些步驟由規則控制、哪些由模型決定，以及可使用的工具，而不是只看名稱。

三、以服務案件作為示意

傳統流程可以依客戶選擇的產品類別把案件送到固定單位。若客戶只寫「設備偶爾斷線，重新啟動後恢復」，Agent 則可協助整理症狀，搜尋對應文件，提出待確認問題與分派建議。

在這個情境中，可讓 Agent 讀取資料與建立草稿，至於改變保固判定、承諾費用或執行退款，則交由明確規則及有權限的人員決定。這是設計選項，不代表所有 Agent 都具備相同功能。

四、設定可執行範圍

工具應依工作需要給予最小權限，讀取案件與修改案件分開授權。涉及外部通知或資料異動的動作，可要求在執行前顯示內容並取得核准。

同時設定步數、時間與使用量上限，避免反覆查詢仍無法完成。找不到資料、工具失敗或條件矛盾時，應停止並留下原因，而不是持續嘗試直到產生某個答案。

五、避免重複執行與不可信指令

若建立工作單後回應中斷，重試時不能再次建立相同工作單。工具端可使用唯一請求識別碼，並回傳已完成結果。這類控制不能只交給模型記憶。

外部文件、郵件或客戶輸入可能包含要求忽略規則的文字。系統需將它們當作資料，並在工具端驗證權限與參數，避免不可信內容直接觸發操作。

六、混合方式通常值得評估

可以讓固定流程負責狀態、授權與核准，讓模型協助理解文字、整理資料或提出下一步建議。當需求已經足夠明確，固定規則通常更容易維護；當變化主要來自語意，才考慮增加 Agent 的判斷空間。

驗收應觀察整項工作是否完成、工具是否用對、越權是否被阻止，以及失敗時是否正確交回人員。只測試最後一段回答，無法看出中途是否做過錯誤操作。

延伸閱讀 Anthropic：Building effective agents https://www.anthropic.com/engineering/building-effective-agents