AI 代理（AI agent）是一種你可以把任務交辦給它的軟體。它會自己決定步驟，用你的工具去執行，等工作完成或卡關時就停下來。代理式 AI（agentic AI）則是比較廣義的說法，泛指用這種方式運作的 AI。所以這兩個詞並不是互相競爭的概念。「AI 代理」指的是一個具體的東西；「代理式」描述的是 AI 自己規劃、自己執行了多少工作。
為什麼這件事很重要？因為廠商用這兩個詞都很隨興，而標籤很少能告訴你，一套產品實際上會怎麼處理你的收件匣、你的 CRM，或你的客戶。這篇指南會說明這兩個詞的由來、現在大家怎麼使用它們，以及如何用幾個簡單的問題來評估任何一套工具。
AI 代理與代理式 AI：重點整理
| AI 代理 | 代理式 AI | |
|---|---|---|
| 它是什麼 | 一個指得出來的東西 | 一種描述，或是一整個類別 |
| 大家怎麼說 | 「我們用一個 AI 代理來研究新的潛在客戶。」 | 「這個工作流程是代理式的。」 |
| 規模多大 | 一套系統處理一類任務 | 從簡單的 AI 輔助流程，到好幾個代理分工合作，都算在內 |
| 該問什麼 | 它負責哪項工作？能碰到哪些東西？ | 在有人檢查成果之前，它會自己做多少個決定？ |
這些術語不屬於任何人。如果有篇文章告訴你兩者之間有一條「官方」界線，它給你的其實只是某一派的看法。
這兩個詞從哪裡來
「Agent」這個詞由來已久。 Stuart Russell 和 Peter Norvig 在 1995 年的教科書《Artificial Intelligence: A Modern Approach》（中譯《人工智慧：現代方法》）裡，把代理（agent）定義為任何能感知周遭環境並對其採取行動的事物。照這個定義，連恆溫器都算。真正新的是，現在的 AI 模型讀得懂雜亂的工作資料，例如一封客戶的抱怨信，還能決定接下來該怎麼處理。
「Agentic」這個詞比較新。 2024 年 6 月，DeepLearning.AI 創辦人吳恩達（Andrew Ng）提出一個不必再爭論的方法，不用再糾結什麼才「算」代理。他寫道，把它當成程度問題就好。"Unlike the noun 'agent,' the adjective 'agentic'"（中文翻譯：「和名詞 agent 不同，形容詞 agentic」）讓你可以描述有一點像代理、或非常像代理的系統。
幾個月前，他就用過一個很好的比喻。要 AI 一次就給出答案，就像要一個人寫文章，卻完全不准按退格鍵。代理式的做法則讓 AI 像人一樣，先擬大綱、查資料、寫草稿、檢查，再修改。
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund（AI 代理式工作流程的下一步，來賓：AI Fund 的吳恩達）· 2024年3月26日
「不按退格鍵寫文章」這個比喻，是我們找到對「代理式」最清楚的簡短說明。這是 2024 年的演講，所以請把它當作理解這個概念的一堂課，而不是對現今工具的報告。
現在大家使用這些術語的三種方式
1. 把「代理式」當成統稱。 Anthropic 的指南 Building effective agents（〈打造有效的代理〉，2024 年 12 月）把這些全部稱為「代理式系統」（agentic systems），再分成兩種。在工作流程裡，步驟是事先設定好的。在代理裡，AI 會自己選擇步驟。一份每次都跑同樣五個步驟的週報是代理式的，但它屬於工作流程。
2. 把「代理式 AI」當成一組代理團隊。 一篇研究回顧 AI Agents vs. Agentic AI（〈AI 代理與代理式 AI〉，2025 年 5 月首次發表，2025 年 9 月修訂）用「AI 代理」指處理單一工作的單一系統，例如回答客服問題。「代理式 AI」則保留給好幾個代理拆解一個更大的目標、彼此協調完成的情況。
3. 把「代理式 AI」當成市場標籤。 分析師和廠商常把它當作產品類別的名稱。2025 年 6 月，Gartner 預測，到 2027 年底，超過 40% 的代理式 AI 專案會因為成本、價值不明確或風險控管不足而遭到取消。這是預測，不是統計。Gartner 也提出了「代理洗白」（agent washing）一詞：把舊的聊天機器人或自動化工具叫作代理，卻沒有加入真正的新能力。2026 年 5 月，Gartner 又針對供應鏈軟體中的同樣現象提出警告。
圖 1. 「代理式系統」的一種常見用法：作為工作流程和代理的統稱。多代理描述的是代理如何組合；這些並不是互斥的產品類別。
真正的問題：步驟由誰決定？
這三種用法有一個共同概念：AI 自己決定的事越多，就越代理式。大部分的商務工作都落在以下三個層級之一：
- 助理。 你發問，它回答或擬稿。其他事都由你自己來。
- 工作流程。 步驟事先講好。AI 負責每個步驟裡的閱讀和撰寫。
- 代理。 你給它一個目標。它自己決定要查什麼、用哪個工具，以及什麼時候資訊已經夠了。
IBM 的 Maya Murad 把這稱為自主程度的「滑動刻度」（sliding scale）。你要為每項任務選擇適合的層級。這不是買一次就搞定的功能。
YouTube · IBM Technology
What are AI Agents?（什麼是 AI 代理？）· 2024年7月15日
Maya Murad 說明了 AI 自主程度的「滑動刻度」，並解釋為什麼範圍明確、結果可預期的任務，用固定路徑往往比用代理效果更好。
代理還是自動化？一場值得了解的論戰
以打造這類系統為業的人，現在正為此爭論。Alex Vacca 自我介紹是 Frontal AI 的創辦人兼執行長，這家公司協助 B2B 企業提升營收。他在最近一篇貼文裡，很直白地替自動化說話。
X · Alex Vacca (@itsalexvacca) · 2026年10月7日
"If you can write every step down first, build an automation." … "An agent fails quietly."（中文翻譯：「如果你能先把每個步驟都寫下來，就做成自動化。」……「代理出錯時不會出聲。」）
他的論點很實際。如果一項工作的步驟是固定的（我們舉的例子：把新的表單資料複製到 CRM），付錢讓 AI 來決定這些步驟就是浪費。他也指出，自動化壞掉時通常會跳出錯誤，代理卻可能在答案慢慢變差的同時，一直回報成功。所以在任何東西寄出之前，他都會先讓人核准。
我們認同這個判斷方式，但要提醒一點：這是一位從業者根據自己的架設方式提出的看法，而且他本身就在販售這類服務。不過，這和 Anthropic 與 IBM 的說法一致：先從最簡單、可行的做法開始。只有當步驟真的取決於它查到的內容時，才使用代理。
常見迷思
「代理式 AI 是 AI 代理更新、更好的版本。」 不是。代理本身就是代理程度最高的東西之一。這些術語描述的是程度，不是產品的世代。
「自主程度越高越好。」 不是。自主程度越高，成本越高，也越難檢查。如果是每次格式都一樣的週報，固定的工作流程更便宜，也更好預測。
「代理對你的業務無所不知。」 它只知道自己看得到的東西：你串接的工具，以及它所在的對話。以 Okou 為例，每個對話都保有自己的脈絡。新的對話會從頭開始，除非你刻意把之前的對話帶進來。
「代理越多，能力越強。」 不一定。代理之間的每一次交接，都是錯誤累積或權限擴散的另一個破口。要問清楚最終結果由誰負責。
「看標籤就知道它能做什麼。」 並不能。Gartner 正是為此創造了「代理洗白」這個詞，而且到了 2026 年還在提出警告。別管它叫什麼名字，去問這套產品自己會做哪些事。
一項任務，三種做法：一筆有風險的續約
來看看這在實際工作中是什麼樣子。這個例子是為了說明概念而虛構的，不是客戶案例。
Dana 在一家軟體公司負責客戶成功。有個客戶六週後要續約，她覺得哪裡怪怪的。線索很零散：客服收件匣裡有一封不滿的信。CRM 上還是顯示「健康」。一份共用文件記錄著，這位客戶組織改組之後，登入次數就下滑了。上個月的一則 Slack 討論串則寫著主管們的決定：這一季不提供續約折扣。
1. 問代理一次
Dana 問 Okou：「這個客戶為什麼有風險？這週我該寄什麼給他們？」Okou 自己決定要讀哪些資料：那封信、CRM 紀錄、使用狀況筆記，還有那則 Slack 討論串。對話中會顯示 Okou 已經工作了多久、走了幾個步驟，以及現在正在做什麼。
Okou 正在處理另一項任務。你可以看到花費的時間、步驟數，以及目前的動作。
改變答案的是那則 Slack 討論串。如果只看那封信，你可能會給折扣。但 Slack 上的決定排除了這個選項，所以 Okou 改為建議替客戶的新團隊重新安排一次導入教學。Okou 也會點出 CRM 和那封信的說法互相矛盾，而不是默默挑一邊。事實都附上出處連結。推測會標明是推測。
Okou 也會依照每位讀者調整成果的形式，Okou 產品介紹把這稱為用合適的媒介溝通。Dana 拿到一份簡短的簡報，用來做決定。客戶會收到一封回覆，存成 Gmail 草稿，等 Dana 核准。負責這個客戶的團隊，可以在他們的頻道裡收到兩行的進度更新。在 Dana 親自寄出之前，什麼都不會送到客戶手上。Okou 只能做 Dana 允許的事。如果某個工具把擬稿和寄送分開，Dana 可以只開放其中一項。
在 Okou 裡，郵件會以草稿的形式等待，直到有人把它寄出。這裡的 Sent（已寄出）數量是零。展示資料來自另一項任務。
Dana 修正了一個錯誤的假設（營運主管是新來的，不是要離職），並要求把回覆寫短一點。因為還在同一個對話裡，Okou 會記住這項修正。
2. 把做法存成工作流程
這套做法有效，所以 Dana 請 Okou 把它存成一個工作流程：一組有名稱的步驟，加上要查看的資料來源和規則。她做過的修正變成了明文規則，例如「沒有附上現行政策的連結，就絕對不提供折扣」。只有像這樣存下來，回饋才會變成團隊的規則。
Dana 把這個工作流程分享給團隊。同事執行時，用的是同事自己的帳號和權限，不是 Dana 的。分享工作流程分享的是做法，不是她的收件匣或私人對話。現在 AI 要做的決定變少了，因為步驟已經固定，成果也更一致。
3. 設定排程
工作流程不會自己執行。想讓它每週一執行，團隊要新增一個自動化，並指定負責人和觸發條件。每週一，它會檢查未來 60 天內到期的續約，並替每個看起來有風險的客戶發布一份簡報。郵件依然以草稿形式等待。
請留意排程改變了什麼、沒改變什麼。它決定工作何時開始，但不會讓 AI 在如何完成工作上擁有更多自由。
以下把同一件工作並排比較：
| 1. 問代理 | 2. 已儲存的工作流程 | 3. 自動化 | |
|---|---|---|---|
| 步驟由誰決定 | 代理，根據它查到的內容 | 已儲存的步驟。AI 在每個步驟裡作業 | 和工作流程相同。排程不會增加自由度 |
| 由什麼啟動 | Dana 提出要求 | 團隊中任何人依名稱呼叫 | 排程，並有指定的負責人 |
| 由誰把關 | Dana 審閱簡報和草稿 | 每位執行的人 | 負責人閱讀簡報。郵件維持草稿 |
這三種做法都在某種程度上是代理式的。只有第一種是大多數人口中的「AI 代理」。
哪些事該留給人
讓 AI 決定步驟，不代表結果就沒人負責。在代理接手真實工作之前，先講清楚四件事：
- 它能讀什麼。 哪些收件匣、CRM 和文件，透過誰的帳號。
- 它能改什麼。 擬稿不等於寄出。建議更新 CRM 不等於真的去改。
- 它在哪裡停下。 哪些動作一律要等人處理。
- 它交回什麼。 一份簡報、一封草稿，或一筆別人能對照來源查核的紀錄。
在工作上使用 AI 的人，早就這樣思考了。在微軟的 2026 年工作趨勢指數（Work Trend Index）中，一項於 2026 年初針對 10 個國家、20,000 名 AI 使用者的調查顯示，86% 的人表示會把 AI 的產出當成起點，而不是最終答案。這些是受訪者自己的回答，不是對實際成效的衡量。
想進一步了解 AI 開始接手工作後，團隊會如何調整，請參考當 AI 自主運作時，會有哪些改變。
評估任何「代理式」工具時該問的問題
- 步驟由誰決定？ 是事先設定、由 AI 每次自己選擇，還是兩者混合？
- 它看得到什麼？ 哪些工具、用誰的登入身分，它會記得過去的對話嗎？
- 哪些事需要你核准？ 這是由權限強制執行，還是只寫在提示詞裡？
- 它不確定的時候會怎麼做？ 會標出問題，還是用猜的？
- 你看得到它做了什麼嗎？ 每個步驟和結果都有紀錄嗎？
- 團隊能重複使用有效的做法嗎？ 這套做法能不能儲存、分享，並在指定負責人的情況下排程執行？
能把這些問題回答清楚的工具，不管它怎麼稱呼自己，都值得一試。如果想找起點，可以看看這些實際工作中的 AI 代理應用範例，以及我們關於管理脈絡與權限的指南。
常見問題
代理式 AI 和 AI 代理是同一件事嗎？
不完全是。AI 代理是一套具體的系統：接下任務、選擇步驟，並使用工具完成工作。代理式 AI 是比較廣的說法，泛指以這種方式運作的 AI，不論程度高低。每個 AI 代理都是代理式的，但「代理式 AI」也可以指含有 AI 步驟的固定工作流程，或好幾個代理一起合作。
代理式 AI 和生成式 AI 有什麼不同？
生成式 AI 會在你要求時寫出或產生某樣東西，然後就停下來等。代理式 AI 則運用這種能力朝目標前進：它會規劃、用工具採取行動、檢查結果，然後繼續做下去。大多數 AI 代理都是以生成式模型為基礎運作，但寫出一則回覆只是它們工作的一部分。
代理式 AI 有哪些風險？
風險來自採取行動，而不是回答問題。能存取電子郵件、CRM 或廣告帳號的 AI，可能做出錯誤的變更，或寄出沒人檢查過的內容。Gartner 在 2025 年預測，許多代理式 AI 專案會在 2027 年前遭到取消，原因指向成本、價值不明確和風險控管不足。只給它完成任務所需的權限，保留每個步驟的紀錄，任何要送出公司的東西都必須經過核准。
代理式 AI 和 RPA 有什麼不同？
RPA（機器人流程自動化）會完全照著錄製好的步驟執行，例如把欄位從一個系統複製到另一個系統。代理式 AI 能處理下一步取決於讀到什麼內容的工作，例如一封需要真正理解的信。有些 RPA 工具只是換上「代理式」的標籤，並沒有實質改變，所以請對方實際示範工具如何處理意料之外的狀況。
代理式 AI 能完全自主運作嗎？
有些系統可以在沒有人介入的情況下跑完許多步驟。但在商務情境裡，這很少是目標。大多數團隊會讓 AI 負責研究、擬稿和提出建議，而任何對外或難以復原的動作，例如寄出郵件或修改紀錄，都由人來核准。分析師也還是保持謹慎：2026 年 5 月，Gartner 表示大多數供應鏈規劃工具還沒有達到完全自主。
我需要的是 AI 代理，還是更簡單的自動化？
先從簡單的開始。如果一項任務每次的步驟都一樣，排程執行的已儲存工作流程會更便宜，也更好預測。當步驟取決於它查到的內容時，例如找出某個客戶為什麼有風險，再使用代理。很多團隊兩種都用：先用代理摸索出做法，再把它存成工作流程反覆執行。
