我們從產品的角度來思考 AI Agent 的價值之後，接下來我們可以開始做一些更實際點的夢：想像一下如何利用 AI Agent 創造產品或營運公司。

首先最大的差異，可以先從 AI Agent 與傳統數位產品的最大差異來進而延伸討論，AI Agent 讓我們不需要太多的既定架構與規則，從被動的使用產品本身限制好的功能，轉變為主動地通過語言、對話介面與系統互動，有機會實現更靈活和個性化的使用體驗。

也因為模型本身可以持續根據所接受到的反饋學習，使得它不僅同時脫離原先我們做事情「根據目標，需要事前設定好機制/流程」的限制、在產品開發迭代本身也脫離了「釐清需求（可供開發的具體需求）、開發更新版」的循環，AI Agent 作為一個系統，相較於原本沒有新的部署就會是死魚的系統而言，可能擁有更多的動態適應能力，相較之下比較會像是個「活系統」。

「明確的目標、動態的調整」AI Agent 的核心價值

而如果於產品面來說能夠有這樣的核心差異，那麼，是不是將這樣的感覺同時體現在其他應用層面上？

過去，當我們想要自動化某些流程時，最常發生的情況是：「當我們下定決心要調整系統時，系統就會多出新的一版。」這點還蠻常體現在企業組織中，舉例像是大集團的出差系統，雖說因應流程的變化或許有一些不同形式的改進、重製或者改版，但也時不時會耳聞一間公司存在著許多套系統，流程本身就繁瑣，而為了去申請某項東西、附上憑證、簽核等等，多半讓不少人在使用這類的系統時，結構令人困惑的狀況發生。

但無論是一套、還是兩套系統，其實本身這些系統存在的意義都是為了要讓出差的流程可以被符合公司當前政策、或是因應流程的改變而生，卻因為改動的各種 Switching Cost 太高，而發生了一些以營運面、產品面來說，總覺得不太舒服的情況（？）。

以上這些，還是在擁有一些數位化基礎的組織中會發生的情境，那如果那些還得要談論「數位轉型」的組織呢？對於他們來說，建構這些的文化改動成本也非常高。

如果以目的為導向、多模型模組化地延伸本體，想必若是以 AI Agent 來協助營運公司內部流程，可以有更多的彈性去優化真正重要的需求，以上這個只是初步的舉例，更重要的是，或許能因此帶來的文化的改變。

原先流程中需要大量人力去溝通的部分，現在基於可自主學習的模型架構，就開始有了能自動化的可能性，並且若是能夠預測使用者（內部員工當然也是使用者）的行為，對於 working flow 的優化來說，好像似乎能夠看見一些曙光。

像是教育訓練好了，舊有可能會需要一本手冊、一套知識庫、或者是設定好的學習順序，以預先定義好的流程去指導，但若是能夠用 AI Agent 產品的方式解決，就非常適合以 Agent 的模式來訓練新人，AI Agent 能夠減少編檔的時間、減少設計教材的時間、增加搜索的效率、並且協助建立新員工與能夠協助他的關鍵人員的聯繫，並且，還能夠追蹤學習進度，以新員工在各個階段不同的理解去推薦適合的內容。

如果再想像幾種不同的可能性的話：

如果是以 AI Agent 為基礎，組織內部的知識整合能力就能夠大大提升，並且也能促進跨部門的合作。為什麼呢？一般來說，原先公司內部不同部門的知識通常都是分開的，但 AI Agent 可以把來自不同部門的資訊整合在一起。比如在產品開發時，AI 能同時提供開發、市場和財務部門的建議，還能自動生成一份全面的提案，讓跨部門合作變得更有效率，也更深入。

而如果持續累積，甚至 AI Agent 的預測分析能力也有機會改變傳統的決策方式。以前，決策可能是基於有限的數據和個人直覺，但現在 AI 可以分析大量數據，給出基於證據的預測。像如果在人力資源管理來說，AI 可以預測哪些員工有離職風險，讓管理層能及早採取行動，這種數據驅動的決策方式也逐漸成為公司文化的一部分。

甚至光 AI Agent 產品的主動性特質，稍微想像下，就會讓人更願意去使用、接觸系統，因為能夠以自然語言溝通，這樣的行為本身的改變打破了傳統系統的使用障礙，在符合公司規範、操作流程時的負向回饋減少，節省時間之外又增加了處理任務的意願，像作為一個小螺絲釘的我，這點對我來說就會十分重要，如果公司的系統鳥鳥的、你心中過一陣子也會開始覺得整家公司都鳥鳥的。

對營運公司來說，只要能夠釐清「固定但重要」的目標或流程有哪些，就很有機會將原先的流程改進。

而且說到底，用 AI Agent 來改造公司流程，就像是給公司裝了個超級助手。它是機器、也不只是個機器，但在不久後的未來，或許這也不會是什麼高深莫測的黑科技，我認為我很需要這樣的新同事：一個超級罩但永遠不需要休假的同事、讓我能夠多休假的新同事XDDDD。