週三下午,一家五十人的精密加工廠開會討論公司的第一個 AI agent。起因是上個月的一張客訴:客戶回報一批零件「孔徑超差」,客服花了兩天才從訂單系統、檢驗紀錄和出貨單裡,查出是哪一台機台、哪一批料,品保主管看到品質異常單時,客戶已經又來電催了三次。所以他們希望下次客服收到這類回報時,由 agent 自動去讀訂單和檢驗紀錄、核對批次和機台,先建立一張品質異常單的草稿,再交給品保主管確認。
會議上出現了三個提案。IT 同事說他可以用 SDK(模型供應商提供給工程師的開發套件)自己寫;業務主管說公司本來就在用 Microsoft 365,用 Copilot Studio 拖拉幾下就好;還有一家顧問公司來報價,說可以派人來駐點做。這三個提案都做得出第一版,而真正的差別會出現在三個月後:訂單系統改了欄位、模型換了版本、品保主管想多加一個檢查項目,那時候到底由誰來改?
選自建、平台還是委外,先看流程要串幾個系統、例外有多少,以及上線後由誰來維護。
我這篇會一直拿這家加工廠和那張品質異常單當例子。先講三條路各是什麼,再把上線之後的維護成本算進來,接著用三個條件判斷該由誰來做、談廠商時要問的六個問題,最後看這家工廠選了哪一條。
選路線之前,先確認這段工作需要 agent
選路線之前,有兩件事要先想清楚。第一件是這一段工作真的需要 agent,還是固定流程就夠了。例如品質異常單的「建立表單、通知品保主管」是固定步驟,用一般的自動化流程就做得到。但客戶的回報有時是 Outlook 來信,有時是業務轉過來的 LINE 截圖,每次寫法都不一樣,要先從裡面找出批號、再判斷該查哪一批和哪一台機台,這一段才需要 agent。這部分怎麼分,可以先看 AI agent 和聊天機器人、RPA、自動化流程差在哪。
第二件是要先挑哪個流程來做。這家工廠先挑客訴開單,是因為這類客訴常常要客服花上一兩天查,品保主管又常常最後才知道;挑選的條件可以看哪些企業流程適合先交給 AI agent。而資料要準備到什麼程度,在企業知識庫要整理到什麼程度裡有說明。
三條路各是什麼
自建:用 SDK 或框架寫程式
主要的模型供應商都有提供開發工具,OpenAI 的 Agents SDK、Anthropic 的 Claude Agent SDK 和 Google 的開源框架 ADK 都是。它們做的事大致相同:讓工程師用程式告訴 agent 可以用哪些工具、在哪一步要停下來等人確認,並把每一次執行的過程記下來,方便事後追查。差別在支援哪些模型、怎麼部署這類細節,對第一個 agent 來說影響不大,通常跟著公司已經在用的模型供應商選就好。
不想自己管主機的話,OpenAI 的 Agents API 和 Anthropic 的 Claude Managed Agents(目前還是測試版)可以讓 agent 跑在供應商的主機上,程式還是要自己寫。
以那家加工廠來說,自建就是由 IT 同事寫三個工具,也就是 agent 能呼叫的小程式:查 ERP(訂單、庫存、出貨的管理系統)裡的訂單、查檢驗紀錄、建立品質異常單草稿,並在開單前停下來等品保主管確認。自建的好處是每一步你都看得到、改得動。代價是工程師要了解模型在什麼情況下容易出錯、換版後回答會怎麼變,也要有人寫測試、看執行紀錄;如果只靠一個人兼著做,我覺得很難應付第一次大改版。
平台:低程式碼或無程式碼
低程式碼或無程式碼,指的是用拖拉和填表的方式設定,不需要或很少需要寫程式。Microsoft 的 Copilot Studio 就是這類平台,你可以用一般的文字描述來建立 agent 和工作流程,接上公司的資料與系統,再發布到同事平常在用的地方,例如 Teams;它也有分析、測試評估和集中管理的功能。
Google 的 Gemini Enterprise 則有一個不寫程式也能用的 Workflow Builder,可以建立對話型的 agent 和多步驟的工作流程,資料來源能接 Google Drive、SharePoint、HubSpot、Jira 等;而 agent 能碰到哪些應用程式和資料,是由管理者開放的範圍決定。
如果團隊原本就在用自動化工具,也可以直接在既有的流程裡加一個 agent 步驟。n8n 流程裡可以放一個 AI Agent 步驟,接上聊天模型和工具之後,它會自己決定要呼叫哪個工具;Zapier Agents 則是以能連接數千個應用程式當主要賣點(業者自述)。
還有一種更輕的做法,是直接訂閱 Manus 這類現成的 agent,用一段文字交代工作,它就在自己的雲端電腦上查資料、整理表格、起草文件。這種做法適合不用碰內部系統的工作;要接 ERP 或品質異常單這類公司系統,還是要回到這三條路來選。它能做到哪裡、怎麼交代,可以看 Manus 是什麼。
平台的好處是快,代價是你只能用它現有的功能拼出流程,它沒有的功能,就得另外請工程師寫自訂連接器或程式補上,平台快的優勢也跟著變小。所以試用的時候,我會建議先拿流程裡最難處理的那個例外去測,看平台做不做得到,這會比看示範影片準確很多。以加工廠來說,最難的例外可能是同一張訂單分好幾批出貨,批號和機台要一筆一筆對。決定走平台之後,Dify、n8n、Copilot Studio 要怎麼選,可以看 AI agent 平台怎麼選。
委外:找外部團隊從需求做到上線
外部團隊會負責需求盤點、系統串接、測試和上線,有時也包含之後的維護。你買到的是一組人的時間和經驗,而最後交到你手上的,可能是程式碼、平台上的設定,或兩者都有。
以那家加工廠為例,如果選委外,我覺得合理的第一個交付物是一份流程盤點:客服收到回報之後實際查了哪些系統、每一步怎麼判斷、哪些情況會直接找品保主管。這份文件不管最後由誰來做,都用得到。
委外很方便,但有三種情況我會建議先別找外部團隊:
- 平台就做得到的簡單流程:例如讓員工在 Teams 裡查請假規定、找表單下載位置,用平台設定通常花不了太久,為這種需求付一整個專案的費用並不划算。
- 公司想長期擁有這個能力:內部已經有工程師、也打算培養的話,外部團隊只協助第一版或當顧問就好,不然每次要改,都得回頭找外部團隊。
- 需求還沒定:邊做邊想的專案如果委外,很容易變成沒完沒了的需求變更和追加報價。
三條路放在一起看,差別是這樣:
| 路線 | 代表選項 | 適合 | 你要自己負責 | 常見風險 |
|---|---|---|---|---|
| 自建 | OpenAI Agents SDK、Claude Agent SDK、Google ADK | 要串內部系統、有工程師長期維護 | 程式、放到主機上執行、每天看有沒有出錯、模型改版後跟著調整 | 只有一個人看得懂,他離職就停擺 |
| 平台 | Copilot Studio、Gemini Enterprise、n8n、Zapier Agents | 資料多在既有辦公套件、流程較單純 | 設定、權限、授權費用 | 被平台功能限制,平台調整時要跟著改 |
| 委外 | 外部開發團隊 | 要串多個系統、內部沒有工程人力 | 需求確認、驗收、合約範圍 | 交付後改不動,每次調整都要重新報價 |
真正的成本在上線之後
你做出第一版之後,真正花時間的是上線後的修改和監控,因為 agent 接觸到的東西一直在變:
- 模型:會推出新版本,回答的方式可能跟著變。
- API:也就是系統之間互相溝通的介面,供應商會調整。
- 內部系統:ERP 會改欄位,例如加工廠的訂單系統改版後,批號的欄位名稱換了。
- 新的例外:品保主管會想多加一個檢查項目。
- 權限:人員異動後要重新檢查。
而且要定期有人看執行紀錄,確認 agent 沒有默默做錯,我建議每週一次。
平台本身也會變,任何一家都可能收掉某項工具。例如 OpenAI 在 2026 年 6 月 3 日通知開發者要淘汰 Agent Builder 這個用拖拉方式建 agent 的工具,預定 2026 年 11 月 30 日關閉,官方給的轉移方向有兩個:改用 Agents SDK 寫程式,或是改在 ChatGPT 企業方案裡用 Workspace Agents 建 agent。因為 Agent Builder 原本就可以把流程匯出成 SDK 程式碼,有先匯出的團隊,轉移起來就輕鬆很多。選任何一條路之前,先問清楚設定和程式能不能帶走。
第一版上線只是開始,之後每週看紀錄、每月改指令、每次模型更新後重新測試,都要有人負責;委外時,這幾項要先看合約有沒有包含。
所以比較三條路的時候,我會把「一年的維護」一起算進去。下面這張表可以拿來問自己,也可以拿去問廠商:
| 維護項目 | 大約頻率 | 自建 | 平台 | 委外 |
|---|---|---|---|---|
| 看執行紀錄、抽查結果 | 每週 | 內部工程師 | 內部管理者 | 看合約是否包含 |
| 調整指令或新增例外 | 每月 | 內部工程師 | 內部管理者 | 通常要另外報價 |
| 模型或 API 更新後重新測試 | 每季或不定期 | 內部工程師 | 平台處理大部分更新,但重新測試要自己做 | 看合約是否包含 |
| 權限與帳號盤點 | 每季 | 內部 IT | 內部 IT | 內部 IT |
權限與帳號盤點這一項,三條路都一樣。因為帳號和權限是公司自己的,不管 agent 由誰來做,權限盤點都應該由內部 IT 主導。
用三個條件判斷由誰來做
條件一:流程串幾個系統、例外有多少
如果 agent 只讀一兩個資料來源,做的事也以回答和整理為主,平台通常就夠了。而要跨 ERP、客服信箱、檢驗紀錄等好幾個系統,每一步又有不同的例外時,平台上的設定會越堆越複雜,這時候直接寫程式反而比較清楚。品質異常單就是後者:同一張訂單分好幾批出貨時,批號和機台要一筆一筆對,每多一種例外,平台上的流程圖就要多畫一條岔路,設定也越來越難看懂。但寫程式的前提是有人顧得了,這是條件三要談的。
條件二:資料和系統在哪裡
資料如果主要放在 Microsoft 365 或 Google Workspace,對應的平台已經有現成的連接器,也就是預先做好、登入就能串接的介面,可以省下很多工作。而資料如果在內部的 ERP,或是只能用滑鼠點畫面操作的舊系統裡,就需要客製串接。以品質異常單來說,訂單在 ERP、檢驗紀錄在另一套系統、客服信在 Outlook,業務轉來的 LINE 截圖則要另外讀圖片。Outlook 有現成的連接器;ERP 和檢驗系統就要看是哪一套。這家工廠的 ERP 是國內廠商的版本,平台上找不到現成的連接器;檢驗系統則是早年請人寫的,連可以串接的介面都沒有。所以就算選平台,這兩段還是要另外請工程師寫串接程式。
Model Context Protocol(MCP)是一套開放標準,規定 AI 應用要怎麼接上外部的資料和工具,Claude、ChatGPT 等產品都已經支援(各方案開放的程度不同);OpenAI 與 Anthropic 的 SDK 和 n8n 的 MCP Client Tool 步驟也都能接 MCP 伺服器。所以如果請工程師替內部系統寫一個 MCP 伺服器(替 AI 統一提供工具的轉接程式),讓各家 AI 都用同一種方式讀取,之後換平台或換模型時,串接的部分就比較不用重做。像加工廠那套沒有介面的檢驗系統,就可以這樣處理。
條件三:公司內有沒有人能維護
這是最常被低估的條件。要有人能讀執行紀錄、改指令、處理 API 變更,自建才維持得下去。如果公司裡沒有這樣的人,自建的 agent 很可能在第一次出問題時就被擱置。以那家加工廠來說,假如 IT 同事請了一週假,剛好 ERP 又改了欄位,agent 查不到訂單,這一週客服就只能退回自己查,等他回來才修得好。有沒有人能維護,會比選哪個工具更早決定這個 agent 能用多久。
| 情境 | 建議先試 | 理由 |
|---|---|---|
| 單一部門,資料都在 Microsoft 365,流程以問答和簡單動作為主 | Copilot Studio 這類平台 | 連接器現成,權限管理沿用既有環境(平台授權要另外確認) |
| 已經用 n8n 或 Zapier,想在流程中加一個判斷步驟 | 在既有流程加一個 agent 步驟 | 不用重建整條流程,出錯範圍小 |
| 要串 ERP、舊系統,內部有兩位以上工程師 | SDK 自建 | 串接彈性大,會改的人在公司內 |
| 要串 ERP、舊系統,內部只有一位工程師 | 委外做第一版,內部一起寫,程式碼和設定都交給公司 | 一個人要兼顧開發和維護很吃力,但修改這套 agent 的能力要留在公司內 |
| 要串多個內部系統,內部沒有工程人力 | 委外,合約寫明程式碼、設定、提示詞(寫給 agent 的工作指令)、測試案例都要交 | 需要有人到現場釐清流程並負責上線 |
| 流程還說不清楚 | 先做需求盤點,暫緩選路線 | 需求沒定,任何路線都會一直改 |
評估時要問的六個問題
不管選哪條路,跟內部團隊、平台業務或外部廠商談的時候,都可以拿這六題去問。對方答不出來的地方,通常就是之後會出問題的地方。
- 資料會存在哪裡、保留多久、誰看得到?
- 模型或平台更新時,誰負責測試、多久通知?
- agent 在哪些步驟會停下來請人確認?權限怎麼分級?
- 執行紀錄能不能查、能不能匯出?
- 設定、程式和提示詞能不能匯出帶走?
- 出錯時誰處理、多久回應?
其中第 5 題最容易被略過。如果設定和提示詞只留在某個平台帳號,或某位工程師的電腦裡,換人或換平台時就得從頭再來一次,連當初為什麼這樣設定都查不到。權限和人工確認要怎麼設計,可以看 AI agent 的權限與人工確認怎麼設。
如果決定委外,第 5、6 題的答案要直接寫進合約,至少包括這幾件事:
- 交付物:程式碼、平台設定、提示詞、測試案例、權限設計文件。
- 驗收標準:用哪些案件測、做到什麼程度算通過。
- 維護範圍與回應時間:哪些調整包含在內、出錯多久內回應。
- 結束時的交接:交給誰、要附哪些文件。
驗收要怎麼設計,可以看 AI agent 專案怎麼驗收。
回到那家加工廠
拿三個條件對照那張品質異常單,結果是這樣:
- 串幾個系統:訂單在 ERP、檢驗紀錄在另一套系統、回報在 Outlook,至少 3 個系統,再加上業務轉來的 LINE 截圖;而且同一張訂單分批出貨時,批號要一筆一筆對。
- 資料在哪裡:只有 Outlook 有現成的連接器,檢驗系統是早年請人寫的,平台幫得上的只有一小段。
- 誰來維護:IT 同事寫得出程式,但全公司只有他一個人。
這正好符合上面建議表裡「要串 ERP、舊系統,內部只有一位工程師」的情況。所以他們沒有選業務主管提的平台,也沒有讓 IT 同事一個人自建,而是請外部團隊做流程盤點和第一版,IT 同事從第一天就一起寫、一起看執行紀錄。那套沒有介面的檢驗系統,最後是由外部團隊和 IT 同事寫一支只讀的小程式,直接查它的資料庫,再照 MCP 的方式包成 agent 能呼叫的「查檢驗紀錄」工具,之後換模型時,這段多半能沿用。
簽約前,他們拿那六個問題去問顧問公司。第 5 題對方原本只答應交「能跑的系統和操作手冊」,談過之後才改成程式碼、設定、提示詞和測試案例全部交付;第 2 題則談成模型或 API 大改時,由對方負責重新測試。
試做時,他們沒有用整齊的示範資料,而是拿過去三個月真實的 30 張品質回報來測,包括開場那張孔徑超差的客訴。第一版先處理格式比較固定的信件,LINE 截圖打算之後再做;結果 30 張裡有 7 張的批號只出現在截圖裡,比預期多,所以上線前就補上了讀圖片裡批號的步驟。這 30 張回報後來也成了驗收的測試案例。
開場擔心的第一件事後來也真的發生了:上線後的第二個月,ERP 改版換了批號的欄位名稱,IT 同事自己改了查訂單的那個工具,半天就修好,外部團隊只在旁邊看。到了第三個月,日常維護正式交回給他。為了不讓 agent 只有一個人看得懂,外部團隊留下每個工具的說明文件,合約也保留每季一次的支援,模型或 API 大改時一起處理。後來再有類似的客訴進來,agent 幾分鐘內就把訂單、批次和機台查好、開出異常單草稿,品保主管當天就能確認,不用再等客服查兩天。
EthorX 的企業 AI 營運屬於委外這條路。
常見問題
公司已經有 Microsoft 365,直接用 Copilot Studio 就好嗎?
如果流程單純、資料多半在 Microsoft 365 裡,很適合先從它開始。要注意的是,當流程需要串內部 ERP 或舊系統時,設定可能會變得很複雜,這時候再評估要不要改用程式開發。給員工日常使用的 AI 助理是另一個採購決定,可以看企業版 AI 助理怎麼選。
用 n8n 或 Zapier 做 agent,和用 SDK 自建差在哪?
n8n、Zapier 讓你在既有的自動化流程裡加一個 agent 步驟,上手快、出錯的範圍也小。而 SDK 自建可以自己決定 agent 的每一步、權限和紀錄怎麼做,適合要深度串接內部系統的情況,但需要工程師長期維護。
委外做完之後,公司自己改得動嗎?
要看合約。如果交付物有程式碼、設定、提示詞和測試案例,內部又有人接手,就改得動;如果只交付一個能跑的系統,之後每次調整都得回頭找原廠商。
選路線時要在意 MCP 嗎?
值得一併考慮。內部系統如果已經包成 MCP 伺服器,換平台或換模型時,串接的部分多半能沿用。MCP 的組成和導入前要檢查什麼,可以看 MCP 是什麼。
平台停止服務怎麼辦?
先確認設定和程式能不能匯出。OpenAI 淘汰 Agent Builder 時給了過渡期和轉移指南,而且這個工具原本就能下載 SDK 程式碼,所以有定期匯出的團隊,轉移成本會低很多。
參考來源
以下依官方文件整理,功能、方案與停止服務日期以官方頁面當下為準。
- OpenAI:Agents 指南(Agents API、Agents SDK、Responses API)
- OpenAI Agents SDK
- OpenAI:Agent Builder
- OpenAI:Deprecations(Agent Builder 淘汰時程)
- Anthropic:Claude Agent SDK overview
- Anthropic:Claude Managed Agents overview
- Model Context Protocol:What is MCP?
- Google:Agent Development Kit(ADK)
- Google Cloud:Gemini Enterprise
- Google Cloud:Gemini Enterprise Workflow Builder
- Microsoft Learn:Copilot Studio overview
- n8n Docs:AI Agent node
- n8n Docs:MCP Client Tool node
- Zapier:Zapier Agents(業者自述)