前面幾天講的是 AI 能做什麼、一組 agent 是怎麼把事做完的。今天換一個方向：手上這件事，到底該做到哪一級？

想讓公司裡某件事做得更好，路一向不只一條。把紙本表單換成線上的、把兩套各自為政的系統接起來、把一段沒人講得清楚的流程重畫一次、或者加一個人。這幾年多了一個新選項，而且它在每一場簡報裡都排在最前面。

企業生產力優化有很多種方式。你手上每一件事，真的都需要、也都適合交給 Agent 嗎？

判斷的主軸：這一步的產出是不是固定的

Day 5 講過 AI 的特性，產出是機率式、生成的。同一個問題問兩次會有兩次不同的產出。這個特性就是判斷的尺。

一件事的每一步，只有兩種長相。

一種是產出固定的：同一批資料交給兩個人算，得到的會是同一個答案。算術、對帳、抓某個欄位都屬於這種。固定的不是那個數字本身（這個月的對帳結果本來就跟上個月不一樣），是從資料到答案的那條路。

另一種是產出不固定的：換個人做、或者同一個人做兩次，出來的東西都會不一樣。寫一段說法、分類一批東西（文字、照片、錄音都算）、判斷這個客戶要不要接，都是這種。

別把一個預測性的東西，當成一個計算的東西用（probabilistic 的工具，不當 deterministic 的工具用）。

同一件交付裡的每一步驟攤開來，只有四種長相。要看的是同一件事：這一步的下一步，是誰決定的。

• 產出固定（對帳、開發票、抓資料、搬檔案）：下一步是人事先定好的，規則寫死在流程裡，跑的時候不必有人在場。需要的是規則寫死的工具、既有系統。錯了它自己會停。
• 產出不固定，但對錯有客觀標準（分類、萃取、比對、初稿）：它生成，當場由人決定用不用。需要 AI 加上一個判準者。錯了由那個判準者先發現，不會帶到下一棒。
• 沒有客觀對錯（提案定調、策略、價格拍板）：下一步全程都在人手上，AI 只當草稿機。判斷對錯、是否合理、要不要採用都在人。
• 上面三種串起來、而且串法每次不一樣：下一步它自己決定。該買的是 agent，同時付治理成本。錯了要看有沒有先設計好護欄。

再看一次：你需要的是 RPA、agentic workflow，還是 agent

判斷只要兩句：流程是誰排的？每一步做的事，是不是每次都一樣？

每一步都一樣，那是 RPA。 每天早上把昨天的訂單抓出來，跟出貨紀錄對一次，對不上的寄一封信給倉管。流程是人排的，每一步要做什麼也是固定的，輸入不合它就停。它沒有判斷，也不需要 AI。

流程還是人排的，但其中幾步非生成不可：agentic workflow。 同一條對帳的流程，末端多一步「總結昨天的銷售、給今天的備貨建議」，這一步就沒辦法寫死，因為每天的數字和判斷本來就不一樣。這是產線上的那顆螺絲釘（Day 8）。

連順序都是它自己排的，才是 agent。 給一個目標，先做哪一件、缺資料怎麼辦、調用什麼工具、什麼條件算完成，每次都是當場決定的（參 Day 9 提案 agent）。

Day 3 說過，迴圈是四件套的第三件。順序一旦交給它自己排，就得先安排好它做錯的時候要怎麼發現。

對經營者意味著什麼：agent 不是永遠的最佳解

Gartner 公開預測，到 2027 年底超過四成的 agentic AI 專案會被取消，三個主要原因是成本失控、價值不明、風控不足。（這是預測，母體是他們的客戶群，也就是全球的大型企業。）

Day 8 講的是組織上誰做，這一篇講的是那一組裡每一步底下配什麼。角色併起來，不代表每一步都要掛一個 agent。

Agent 的確很強大，也很有賣點。但當你為「agent」而「agent」時，不只是多花錢而已，你也同時增加了風險和治理負擔。

當然，要拆得出整個價值鏈上的步驟，得先看得清那條鏈長什麼樣。而多數經營者想了解公司第一線的情況時，總是隔層紗。

要拿走的問題

• 執行層（CTO/採購）：這個需求為什麼需要 agent？拿掉迴圈、只用一次性生成，會壞在哪裡？
• 經營層（董事會/CEO）：我們最近一次採購 AI，買的是自主性還是產出？多付的那筆錢換到了什麼？

一句話帶走：多給的自主性，要用治理成本付款。這筆帳先算，再決定買不買。

參考連結

• Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027（Gartner 新聞稿，2025-06-25）