你問 AI：「幫我寫一封回覆客訴的信。」它給你一段文字，這很像聊天機器人的工作。你換個要求：「先查訂單、核對退貨規則、整理處理方案，最後把回覆存成草稿讓我確認。」這就接近 AI Agent。
差別不在名字有多新，而在 AI 有沒有真的碰到工具、資料與工作流程。OpenAI 的實務指南把 Agent 描述為能代表使用者管理流程、使用工具完成任務的系統；Anthropic 也提醒，許多看似需要 Agent 的事，用較簡單的固定流程就能解決，而且比較容易掌控。OpenAI｜Anthropic
一張表看懂：會回答、照劇本做、自己選下一步
| 方式 | 它通常怎麼做 | 適合的事 |
|---|---|---|
| 聊天機器人 | 依照提問產生答案，必要時等你下一句指令 | 解釋概念、改寫文字、腦力激盪 |
| 固定自動化流程 | 按事先寫好的步驟執行 | 格式一致、規則穩定的例行任務 |
| AI Agent | 根據目標決定下一步，使用被允許的工具，檢查結果再繼續 | 步驟會變、需要跨資料與工具協作的任務 |
這裡的「工具」可能是搜尋、試算表、客服系統或網站後台。它不代表 AI 天生可靠，也不代表給了帳號就該放手讓它操作。Anthropic 對可信任 Agent 的研究特別強調權限、監督及人在關鍵節點的確認。Anthropic
哪 5 種工作值得試？
1. 整理多個來源的資料。 例如每週從產品文件、客服紀錄和常見問題表中找出重複問題，產出一份待審摘要。人要抽查來源與結論。
2. 先分類，再交給對的人。 新進客服信件可依產品、緊急程度與是否涉及退款分流；遇到難判斷的情況，回到人工佇列。
3. 在多個工具之間搬運資訊。 例如從表單讀需求、建立待辦、整理成提案草稿。若只是欄位對欄位的搬移，固定自動化通常更簡單。
4. 反覆查漏。 Agent 可比對網站商品資訊與內部清單，列出缺圖、規格不一致與過期說明。真正修改或上架前，仍由負責人確認。
5. 協助處理有變數的初稿。 像是會議後追蹤未決事項、找相關檔案、產生寄給不同窗口的草稿。最後寄出、承諾交期或費用，留給人決定。
這 3 種事，先別急著交給 Agent
第一，目標說不清楚，例如「幫我把生意變好」。第二，結果無法查證，例如沒有來源的研究結論。第三，錯一次代價很高，例如付款、刪除資料、公開發布、處理敏感個資。這些任務若要用 Agent，至少要先設權限、紀錄與人工批准。
最容易上手的測試方式，是挑一件每週都要做、目前需跨兩三個工具、但最後能由人快速驗收的工作。先讓 Agent 只讀資料與產草稿，量一量節省多少時間、錯誤有沒有增加，再決定是否擴大權限。AI 能動手，責任還是在設定流程的人身上。
CTA｜你手上的工作裡，哪一件最常重複找資料、複製貼上，又需要最後核對？先把它寫成「輸入、允許的動作、完成標準、人工確認點」四欄，再判斷是否值得用 Agent。
