用於企業營運的 AI 代理:類型與適用情境
簡短回答 教科書把 AI 代理分成五種,從單純照規則執行到能自我學習。大多數後勤工作,例如發票催款提醒、催收單據,只需要最簡單的一種。真正的 AI 代理留給複雜的工作:讀電子郵件和文件,或判斷例外狀況。用您目前的錯誤率、每項任務耗時和成本來衡量它。
想把這些用在您的生意上?預約一次 30 分鐘的免費通話,一起聊聊。
預約通話哪種 AI 代理適合哪項後勤工作?
選擇能完成工作的最簡單類型。電腦科學把代理分成五種,從恆溫器那樣的固定規則,到能依據回饋不斷改進的軟體(IBM Think: Types of AI agents)。下面列出每種類型適合的辦公室工作,以及判斷它是否有效的指標。
| 類型 | 如何做決定 | 適合的後勤工作 | 衡量指標 |
|---|---|---|---|
| 簡單反射型 | 依眼前狀況執行固定的「如果……就……」規則 | 發票逾期 7 天時寄出提醒 | 提醒準時寄出;沒有寄錯 |
| 基於模型的反射型 | 規則加上對已發生事情的記憶 | 客戶昨天已付款或正在分期付款時,不再提醒 | 寄錯或重複的提醒 |
| 基於目標型 | 為達成目標規劃步驟 | 依待處理的工作請求排滿下週行程 | 已預約工時與可用工時之比;改約次數 |
| 基於效用型 | 權衡利弊,選出整體最佳方案 | 把工作派給距離最近、具備資格且最不忙的技師 | 每件工作的車程時間;每天完成件數 |
| 學習型 | 從回饋和更正中不斷改進 | 為銀行交易分類,並從您的更正中學習 | 需要您更正的比例,逐月比較 |
IBM 對第一種類型的描述很直白:
"These agents follow predefined rules, known as condition-action rules, to determine actions without considering past experiences or future consequences." (IBM Think: Types of AI agents) 譯文:「這類代理遵循預先設定的規則(稱為條件-動作規則)來決定行動,不考慮過去的經驗或未來的後果。」
這些類型是一級一級的階梯,不是任選的菜單。每往上一級,能處理的複雜狀況更多,建置、運作和檢查的成本也更高。現在以「AI 代理」名義販售的產品,大多建立在大型語言模型上(也就是 ChatGPT 和 Claude 背後的那類 AI),可以充當基於目標型或學習型代理。想了解它們如何規劃和行動,請看代理式 AI 詳解。
什麼時候需要真正的 AI 代理,而不是一條規則?
當工作需要判斷、規則繁雜,或要讀懂雜亂的文字時。OpenAI 給企業的指南列出了三個訊號:
| 訊號(OpenAI 原話) | OpenAI 的例子 | 後勤工作中的對應情況 |
|---|---|---|
| "Complex decision-making"(複雜決策) | 審核退款 | 決定是否為老客戶免除滯納金 |
| "Difficult-to-maintain rules"(難以維護的規則) | 供應商安全審查 | 價目表例外太多,沒人能隨時更新 |
| "Heavy reliance on unstructured data"(高度依賴非結構化資料) | 房屋保險理賠 | 從客戶電子郵件、PDF 和照片中擷取工作細節 |
(OpenAI: A practical guide to building agents)
如果三項都不符合,OpenAI 的建議很直接:
"Otherwise, a deterministic solution may suffice." (OpenAI: A practical guide to building agents) 譯文:「否則,確定性的解決方案可能就夠了。」
「確定性」指每次都做同樣事情的簡單規則,例如會計軟體裡的定期發票。Claude 的開發商 Anthropic 從另一面說了同樣的話:代理「often trade latency and cost for better task performance」(往往以延遲和成本換取更好的任務表現)(Anthropic: Building effective agents)。延遲就是等待回答的時間。規則快、便宜、可預測;代理比較慢,每項任務成本較高,所以它得證明自己值這個價。
AI 代理在小型企業營運中的位置
| 工作 | 通常已經夠用 | AI 代理值得用的地方 | 仍由人負責 |
|---|---|---|---|
| 開立發票與催款 | 定期發票、定時提醒 | 讀懂客戶為何逾期,草擬合適的回覆 | 呆帳沖銷、分期付款、爭議 |
| 記帳 | 依已知供應商分類的銀行規則 | 為不常見的交易分類;索取缺少的單據 | 月底簽核,以及所有涉稅事項 |
| 排班 | 設定時段的線上預約 | 協調改約、團隊技能和車程 | 對不滿意客戶的承諾 |
| 收件匣與潛在客戶 | 自動回覆、聯絡表單 | 在繁忙的收件匣中找出真正的潛在客戶並草擬回覆 | 以您名義寄出的內容,直到它證明可靠 |
| 電話 | 語音信箱、來電轉接 | 接聽、預約和記錄留言(AI 接待員指南) | 客訴、緊急狀況 |
| 薪資 | 薪資服務商的發薪排程 | 準備發薪並標出變動 | 核准每一次發薪 |
會計軟體已經推出這類代理。Intuit 在 2025 年 10 月表示,它的 QuickBooks Customer Agent 會從您的電子郵件中找出潛在客戶並草擬後續追蹤信,「for you to edit, review, and send」(供您編輯、審閱和寄出);它的 Payroll Agent 會送出「a ready-to-approve payroll draft」(一份可直接核准的薪資草稿)(Intuit QuickBooks: Agentic AI product update)。注意其中的模式:代理草擬,老闆核准。仰賴某項功能之前,先查看您自己的方案;Intuit 把每個代理綁定在特定方案上。
行銷方面的工作,請看用於小型企業行銷的 AI 代理。
如何衡量 AI 代理是否有效?
在代理上線之前先衡量這項工作,然後比較。OpenAI 告訴開發者,在調整代理之前要「Set up evals to establish a performance baseline」(建立評估,確立效能基準)(OpenAI: A practical guide to building agents)。老闆也需要為這項工作本身建立同樣的基準:它現在是怎麼運作的。沒有基準,「它省時間」只是一種感覺,不是數字。
在上線前後各追蹤兩到四週,記錄五個數字:
| 指標 | 如何取得 | 好的訊號 |
|---|---|---|
| 錯誤率 | 抽查它處理過的 20 到 50 項 | 不高於您團隊目前的錯誤率 |
| 每項耗時 | 您花的時間,包括檢查它的工作 | 下降,算上審閱時間也是 |
| 轉交率 | 它轉回給人處理的比例 | 穩定或下降,絕不硬壓到接近零 |
| 週期時間 | 從開始到完成的天數,例如從開立發票到收款 | 縮短 |
| 每項成本 | 軟體費用加上您的審閱時間,除以處理項數 | 低於人工處理的成本 |
把您的審閱時間算進去。一個代理省下 5 小時,卻需要 4 小時檢查,實際只省了 1 小時。
哪些事仍應由人核准?
任何代價高或難以撤回的事。OpenAI 列出了把控制權交回給人的兩個觸發條件:代理反覆失敗超過設定上限,以及高風險操作。
"Actions that are sensitive, irreversible, or have high stakes should trigger human oversight until confidence in the agent's reliability grows." (OpenAI: A practical guide to building agents) 譯文:「敏感、不可逆或高風險的操作應觸發人工監督,直到對代理可靠性的信心提升為止。」
它舉的例子是取消訂單、大額退款和付款。在小型企業裡,這代表往外付錢、一次寄給很多客戶的內容,以及任何涉及法律或稅務的事。先讓代理以草稿模式運作,頭幾週每件事都由您核准,然後只在錯誤率一直很低的地方放寬限制。
也要限制它能接觸的範圍。只給代理這項工作需要的帳戶、資料夾和權限,並查清供應商如何儲存和使用您的客戶資料。
現在有多少企業在用 AI?
兩個國家都是大約五分之一。在美國,人口普查局(Census Bureau)統計,截至 2026 年 5 月 3 日,有 19.8% 的企業使用 AI,並發現:
"Less than 20% of firms with four or fewer employees reported using AI." (U.S. Census Bureau, May 2026) 譯文:「員工不超過四人的企業中,回報使用 AI 的不到 20%。」
在加拿大,加拿大統計局(Statistics Canada)發現,19.2% 的企業在過去 12 個月裡用 AI 生產商品或提供服務;其中 28.2% 使用了虛擬助理或聊天機器人(Statistics Canada, Q2 2026)。大多數小型企業還沒有用 AI,所以從小處起步很正常。
範例
一家水電公司的逾期發票
每月 200 張發票(美元)中,約 40 張逾期。一條定時提醒規則(簡單反射型)免費處理了其中 30 張。另外 10 張涉及爭議或分期付款;AI 代理草擬回覆,老闆逐一核准。衡量指標:前後比較從開立發票到收款的天數。
一家記帳公司催收單據
員工每月花 10 小時向客戶索取缺少的單據。會計軟體裡的學習型代理寄出請求,並整理收回來的單據。抽查 30 項發現 2 項分類錯誤,接近員工的錯誤率,審閱花了 2 小時。淨節省:每月約 8 小時。
一家清潔公司的排班
十二名清潔人員,改約很多。基於目標型的排班代理為每週提出路線建議;經理核准。衡量指標:每件工作的車程時間和當週取消次數。
常見問題
AI 代理有哪五種類型?
簡單反射型、基於模型的反射型、基於目標型、基於效用型和學習型代理。它們從固定的「如果……就……」規則,到能依據回饋改進的軟體。
聊天機器人算 AI 代理嗎?
依 OpenAI 的定義不算:簡單的聊天機器人「are not agents」(不是代理)。代理用 AI 來執行工作流程並採取行動,而不只是回覆。
AI 代理會取代我的辦公室員工嗎?
它們接手的是重複步驟,不是判斷。仍然需要有人核准付款、處理爭議、檢查代理的工作。預期的是職務內容改變,而不是座位空了。
AI 代理要花多少錢?
依產品和方案而異。用上面的表格,把它和您目前的每項成本(包括您自己的審閱時間)作比較。
您的情況不同?
- 您想了解代理如何規劃和行動:代理式 AI 詳解。
- 您主要需要接電話和預約:小型企業的 AI 接待員。
- 您希望後續追蹤的電子郵件和簡訊自動寄出:AI 行銷自動化。
- 您想卸下的是行銷工作,不是營運工作:用於小型企業行銷的 AI 代理。
- 您希望有人幫您追蹤潛在客戶並完成預約:轉換。