你在台中經營一家做 CNC 精密加工的工廠,業務助理每天早上八點半坐下來,第一件事就是打開詢價信箱。他會先下載客戶附的圖面,在 Excel 登記一筆,再進公司舊的 ERP(管進銷存、訂單和生產排程的系統)查材料庫存,接著看圖面資訊齊不齊,缺公差就寫信追問,齊了就轉給對應的工程師估價。同一個早上,公司的 LINE 官方帳號還會跳出幾則留言,問「你們接不接鋁件」「工廠在哪裡」。信多的時候,光是這一輪就要花掉整個上午。
這陣子你常聽到 AI agent,最直覺的想法大概就是「上一個 agent」,讓它把這一整串工作全包下來。可是廠商來介紹的時候,聊天機器人、自動化流程、RPA、AI agent 這幾個詞常常混著講,你很難判斷自己到底要買哪一種。這一整串工作裡,真的需要 agent 的可能只有其中一段,而要找出是哪一段,就要先知道這四種工具各自在做什麼。
四種工具各自在做什麼
我先用你們工廠早上的這串工作,把四個名詞各講一次。
聊天機器人負責回答問題。LINE 上那則「你們接不接鋁件」,只要答案,不需要有人替客戶去辦什麼事,接上常見問答的聊天機器人就答得了。這種聊天機器人背後就算用了大型語言模型(ChatGPT 這類能讀懂和寫出文字的 AI 模型),它也只是把問題答完,接下來要做什麼還是由客戶自己決定。OpenAI 在建置 agent 的指南裡,就把這種單純的聊天機器人排除在 agent 之外。
自動化流程是事先畫好的步驟:某件事發生之後,就照順序一步一步跑。n8n、Zapier 是兩套常見的自動化工具,可以把信箱、Excel、雲端硬碟這些服務接起來,例如「收到詢價信就把附件存到資料夾、在 Excel 新增一行」。這類流程裡也可以放一步 AI,例如請 AI 把信件內容摘要成一行備註,但下一步要做什麼仍然是事先寫好的。Anthropic 在說明 agent 的文章裡也是這樣分的。只要 AI 和工具是照事先寫好的路徑串起來,就算流程;要由 AI 自己決定步驟,才算 agent。
RPA(機器人流程自動化)是讓程式像人一樣在電腦畫面上點按鈕、填欄位。Microsoft 說明 Power Automate 的桌面流程時寫到,它是為照規則進行的工作設計的,可以認出畫面上的按鈕和欄位,或照固定位置去點,用來操作舊系統、網頁、Excel 和資料夾。你們那套舊 ERP 沒有 API(讓程式直接跟系統交換資料的介面),程式沒辦法直接跟它要資料,只能從畫面上操作,這種系統就特別適合交給 RPA。RPA 怎麼運作、授權和維護要花多少,我另外整理在 RPA 是什麼。
AI agent 則是讓 AI 模型自己決定下一步。你給它一個目標,它會自己決定要先做什麼、要用哪個工具,每做一步就看結果再調整,做完了或做不下去時就停下來,把事情交回給人。至於能讓它自己決定多少事,可大可小。以你們的詢價流程來說,只讓 agent 決定要不要追問、追問什麼,是範圍比較小的做法;如果連要不要接單、報價多少都讓它自己決定,範圍就大很多。這種「AI 能自己決定多少事」的程度,我在 Agentic AI 是什麼另外整理過。
| 類型 | 下一步由誰決定 | 擅長 | 常見限制 |
|---|---|---|---|
| 聊天機器人 | 提問的人自己決定,系統只負責回答 | 回答常見問題、查資料 | 主要負責回答,通常不替人把一連串事情辦完 |
| 自動化流程(n8n、Zapier) | 事先寫好的步驟 | 規則清楚、量大的串接 | 特例一多,規則就越寫越長 |
| RPA | 事先設定好的畫面操作 | 沒有 API 的舊系統 | 畫面改版就可能跑不下去 |
| AI agent | AI 看每一步的結果自己決定 | 讀圖面、自由寫的信件,處理特例 | 比較慢、也比較花錢,上線前要先想好怎麼檢查它做得對不對、讓它碰哪些系統 |
差別在下一步由誰決定
四種工具的差別,在於下一步是事先寫好的,還是做的當下才決定的。
例如今天早上有一封詢價信,附的圖面沒標公差,材質寫的又是一個少見的鋁合金編號。如果你先試著用自動化流程來判斷圖面缺什麼,就得把規則一條一條寫出來,例如「沒標公差就寄追問範本 A」「沒寫材質就寄範本 B」。
可是客戶一多,每家的圖面格式都不一樣,有的公差寫在標題欄、有的寫在備註,有的零件是治具(加工時用來固定工件的夾具),精度要求本來就比成品寬鬆,根本不用追問公差。結果你每遇到一種新情況就要多寫一條規則,規則越寫越長,改了新的有時還會把舊的判錯。
換成 agent 的話,它可以自己讀圖面,看出這是一張治具的圖、公差用一般等級就好,再寫一封只問真正缺的項目的追問信。碰到它自己也判斷不出來的圖面,例如材質寫得前後矛盾,它就把這封標出來,留給業務助理處理。
Anthropic 說明 agent 怎麼運作時寫到,它在每一步都會拿實際的結果來判斷進度,例如系統查回來的結果。碰到做不下去的情況,或是走到你事先設好要讓人確認的地方,就會停下來等人回應。agent 會自己決定下一步,所以它能處理你沒寫進規則的情況,也可能自己判斷錯。它能看出那張圖是治具、不用追問公差,同樣也可能把一張成品圖誤認成治具,結果該追問的公差沒有問。所以後面拆流程時,寄出追問這一步還是會留給人。
用四個問題判斷該用哪一種
知道差別之後,就可以拿你手上的流程一段一段判斷了。拆之前,我會建議你先坐在業務助理旁邊,實際看他處理幾封詢價信。因為像「看圖面齊不齊」這樣一句話,實際上可能包含好幾個檢查,例如公差有沒有標、材質寫不寫得清楚、數量和表面處理有沒有寫、交期是不是合理,而這些檢查連做的人自己都不一定說得出來,你沒看過就很難判斷哪一段要交給哪一種工具。
看完之後,每一段都照順序問下面四個問題,前一題就能決定的,後面就不用再問:
- 對方要的是答案,還是要事情被辦完?LINE 上問「接不接鋁件」的客戶只要答案,聊天機器人就夠了;要替他完成一連串動作,才往下問。
- 下一步能不能事先寫成規則?收信、存圖面、登記 Excel、進 ERP 查庫存,這些步驟每次都一樣,可以寫成規則的,接著看第 3 題決定用哪一種工具。寫不成規則的,直接跳到第 4 題。
- 規則固定的這一段,要操作的系統有沒有 API?有的話用自動化流程,例如信箱和 Excel。沒有 API 的話,先看系統能不能定時匯出報表或 CSV 檔,能的話自動化流程也可以直接讀匯出的檔案;連匯出都沒有、只能點畫面,才交給 RPA,例如你們查舊 ERP 庫存。
- 這一段是不是特例多、規則難寫,而且要讀沒有固定欄位的資料?如果都是,這一段就值得考慮交給 agent。讀圖面、判斷缺什麼、決定轉給哪位工程師,正是這種工作。
OpenAI 的建置指南列了三種值得考慮 agent 的情況,套回詢價流程來看是這樣:
- 要看情況判斷、常有特例的決定:OpenAI 舉的例子是客服的退款核准。在你們工廠,就是判斷這張圖到底缺什麼、要不要追問。
- 規則多到難以維護的系統:就是前面那串越寫越長的圖面判斷規則。
- 大量要讀沒有固定欄位的資料:圖面的格式每家都不一樣,客戶的信也是自由寫的。
OpenAI 也寫到,如果你的工作不符合這些條件,照固定規則跑的做法可能就夠了。Anthropic 的建議也很保守,它建議先找最簡單的解法,有需要才增加複雜度。理由是 agent 在複雜的工作上表現比較好,但比較慢、也比較花錢;而像登記 Excel 這種規則清楚的工作,用固定流程反而結果比較好預測。所以規則寫得清楚的段落先用流程,需要判斷的那一段才交給 agent。
把四個問題套完,你們的詢價流程大概會拆成這樣:
| 步驟 | 用哪一種 | 理由 | 出錯時怎麼發現 |
|---|---|---|---|
| 收信、存圖面、登記 Excel | 自動化流程 | 規則固定、每天量大 | Excel 的筆數和信件數對不上 |
| 進舊 ERP 查材料庫存 | RPA | ERP 沒有 API,只能點畫面 | ERP 畫面改版時跑不下去、跳出錯誤通知 |
| 讀圖面、判斷缺什麼、起草追問 | AI agent | 圖面格式不一、特例多 | 業務助理看草稿時退回了幾封 |
| 建議轉給哪位工程師估價 | AI agent 建議,業務助理寄出前確認 | 要比對過去誰處理過這種材質和零件 | 工程師收到後退回說不是他負責的 |
| 確認追問內容並寄出 | 人 | 對外承諾交期與報價 | 寄出前由業務助理自己再看一次 |
| 回答 LINE 上的常見問題 | 聊天機器人 | 只要答案、不用辦事 | 客戶追問答不出來時轉給業務助理 |
在詢價流程裡,收信登記和查庫存都照事先寫好的步驟跑,只有讀圖面、決定要追問什麼的那一段,要在做的當下才決定下一步;寄出之前,還是由業務助理確認。
流程串起來之後,agent 手上的資料就多了,可以多做兩件事。第一,RPA 從 ERP 查回來的結果如果是那個少見的鋁合金編號沒有庫存,agent 起草追問時就能一併問客戶,能不能改用你們常備的 6061 鋁合金。
第二,它可以去查過去類似的詢價紀錄,找出之前是哪位工程師處理過這種材質和零件,建議這封要轉給誰。不過它要查得到過去的紀錄,前提是那些舊圖面和追問信已經整理到它找得到。
每一段交給適合的工具,出問題時你也比較容易知道是哪一段出錯。例如哪天 ERP 改版、RPA 查不到庫存,你收到的會是查庫存那一步的錯誤通知,而收信登記和讀圖面照常進行,業務助理只要補查那幾筆就好。如果整條流程都交給一個 agent,你就要一步一步翻它的執行紀錄,才知道是查庫存失敗,還是讀圖面讀錯。
agent 不適合的情況
就算在同一家工廠裡,也有幾種工作我會建議先不要交給 agent:
- 每次結果都必須一模一樣的工作:例如每個月和客戶核對出貨數量的對帳單。這類工作用流程比較便宜,結果也每次都一樣,出錯時比較好查。
- 沒有人說得出「做對長什麼樣」的工作:例如業務助理和工程師對「圖面算不算齊」的標準本來就不一樣,你就沒辦法判斷 agent 判得對不對。要先把標準講清楚,驗收怎麼設計可以看 AI agent 專案怎麼驗收。
- 一次出錯代價很高、又沒有人確認的動作:例如直接對客戶報價、承諾交期。Anthropic 提醒 agent 的錯誤可能一步一步累積,OpenAI 也建議高風險的動作先交給人確認,所以前面拆流程時,才會把寄出追問留給業務助理。權限怎麼分級,可以看 AI agent 的權限與人工確認怎麼設。
- 量很小、又沒有特例的工作:例如每個月一次的機台保養排程通知,時間固定、內容也固定,做一個 agent 花的時間,可能比它省下的還多。
這些判斷也會隨時間改變。例如等業務助理和工程師把「圖面算不算齊」的標準寫成一份清單之後,第二種情況就不再是問題,讀圖面這一段才真的可以交給 agent 試試看。
回到這家工廠:拆完之後,早上剩下什麼
照這樣拆完,業務助理早上的工作就會換個樣子。詢價信進來之後,自動化流程會先存好圖面、登記好 Excel,接著 RPA 去舊 ERP 把材料庫存查好,然後 agent 讀完每一張圖面,把缺的項目和追問信草稿準備好,並標出它拿不準的那幾封。
業務助理坐下來之後,要做的就是逐封看草稿和 agent 建議的工程師、改掉不對的地方再寄出,然後專心處理 agent 標出來的那幾封。原本整個上午都在下載圖面、登記和查庫存,現在他的時間主要花在判斷上,而 LINE 上的常見問題也由聊天機器人先回答,答不出來的才轉給他。
所以回到一開始的問題,你要的並不是一個把整件事全包的 agent,而是一個負責讀圖面、起草追問並建議工程師的 agent,加上流程和 RPA 把其他段落跑完。你可以先拿讀圖面這一段去跟廠商談,收信登記和查庫存則先用流程和 RPA 做起來。接下來有三件事要決定:
- 先挑哪個流程:以詢價流程來說,就是先從讀圖面這一段開始,挑法可以看挑第一個流程的四個條件。
- 資料要準備到什麼程度:agent 要查過去的詢價紀錄,所以舊的圖面和追問信要整理到它找得到,可以看知識庫要整理到什麼程度。
- 由誰來做:要自己做、用現成平台,還是交給外面的團隊,可以看自建、平台或委外怎麼選;如果決定自己用流程工具串,n8n 和 Zapier 怎麼挑可以看 n8n vs. Zapier 怎麼選。如果決定交給外面的團隊,我們的企業 AI 營運做的就是這件事:到現場把公司內部的軟體和資料串起來,替團隊建立自動化的工作流程。
常見問題
ChatGPT 算是 AI agent 嗎?
一般對話時,它比較接近 AI 助理:你問、它答,下一步要做什麼由你決定。而 ChatGPT 有一個叫 Work 的功能,是讓你把一件事交給它去辦。它會在 OpenAI 的雲端電腦上開一個瀏覽器,自己讀網頁、點按鈕、填表單來完成你交代的事,遇到訂位、付款這類難以撤回的動作,則會先在對話裡請你確認。這個功能目前只開放給付費方案,免費版和 Go 方案(ChatGPT 比較便宜的入門付費方案)不能用,而且要在有開放的地區才能用。所以同一個產品裡就有兩種用法,差別在當下由誰決定下一步。像 Manus 這種獨立的 agent 產品也是同一種做法,在雲端電腦上自己上網查資料、寫檔案,哪些工作適合交給它,可以看 Manus 是什麼。
公司已經有 RPA,要全部換成 agent 嗎?
不用。已經跑得穩定、規則固定的工作,繼續留給 RPA 就好,結果每次都一樣,出錯時也比較好查。只有常常遇到特例、每次都要停下來等人判斷的那一段,才考慮在那一段前後加一個 agent。
n8n 裡的 AI Agent 算 agent 嗎?
n8n 有一個叫 AI Agent 的功能方塊(n8n 叫節點),要接上一個 AI 模型和至少一個它可以用的工具,例如查資料或寄信,接好之後由 AI 自己決定要用哪個工具。所以這個方塊的運作方式符合 agent 的定義。不過外面那條 n8n 流程仍然是事先寫好的步驟,整體來說是「固定流程裡有一個 agent 步驟」,也就是前面拆詢價流程時那種組合。
這種組合不只 n8n 做得到。Microsoft 的 Copilot Studio(一套用來做 agent 和自動化流程的平台)也是這樣設計的,它的說明就寫到,流程走到某一步時,可以交給 agent 去完成。
聊天機器人接上公司知識庫,就變成 agent 了嗎?
如果它只負責回答問題、不替使用者做一連串的動作,依 OpenAI 的定義還不算 agent。知識庫能讓回答更準確,至於要準備到什麼程度,可以看企業知識庫要整理到什麼程度。
agent 會比自動化流程貴嗎?
通常每次執行都比較慢、也比較花錢。Anthropic 直接寫了 agent 是用速度和成本,去換在複雜工作上比較好的表現。另外,上線之後你也要安排人定期檢查它的結果,這也是一筆時間成本。所以先把規則清楚的段落交給流程,只把需要判斷的段落交給 agent,整體成本會比較好控制。
參考來源
以下依官方文件整理,各產品的功能、開放方案與地區以官方頁面當下為準。