代理式 AI（Agentic AI）是朝著一個目標去完成工作的 AI，而不只是回答一個問題。 你告訴它要完成什麼，它會自己找需要的資訊、決定步驟、使用你的工具（電子郵件、文件、CRM）、檢查自己的成果，一路推進，直到工作完成，或是需要你出手為止。
聊天助理回答完就停下來等你。代理式系統則會自己踏出下一步。
不過，這個詞有一件事沒有告訴你：做出來的東西對不對，以及系統被允許碰哪些東西。這些是另外的問題。關於代理式 AI 的大部分困惑，都來自把它們混為一談，所以本指南會把它們分開來談。
「Agentic」是什麼意思
「Agentic」源自 agency，也就是為了達成目標而自主行動的能力。根據美聯社（AP）2025 年 11 月的報導，Merriam-Webster 現已將它列為熱門詞彙，釋義為 "able to accomplish results with autonomy, used especially in reference to artificial intelligence"（中文意譯：能夠自主地達成成果，尤其用於指稱人工智慧）。
最實用的理解方式是：代理程度是一道光譜，而不是「是或否」的標籤。 OpenAI 在 2023 年發表的論文 Practices for Governing Agentic AI Systems（《代理式 AI 系統的治理實務》）將它描述為：一個系統在複雜混亂的環境中、在沒有人盯著每一步的情況下，能在多大程度上達成一個困難的目標。有些工具只有一點代理能力，被要求時會挑一個工具來用。有些則具備高度代理能力，可以在很少確認的情況下，跑完一項又長又多步驟的工作。
所以，當一個產品自稱「agentic」時，真正該問的是：這份工作裡，它實際上有多少是自己扛下來的？
代理式 AI 如何運作
大多數代理式系統使用的，和聊天機器人是同一類 AI 模型。差別在於模型周圍的架構。模型不是只回覆一次，而是在一個循環中工作。
協助讓這個詞流行起來的吳恩達（Andrew Ng），在一場 2024 年的演講中解釋了其中的差異。用一般方式使用聊天機器人，就像請一個人一口氣從頭寫到尾完成一篇文章，過程中從來不按退格鍵。代理式的做法則讓 AI 先擬大綱、做研究、寫初稿、重讀，再修改。人寫文章也是這樣。
代理式循環在行動前會先確認權限。每次行動後，它會交回完成的工作、回到循環規劃下一步，或暫停下來尋求協助。
用白話來說，這個循環是這樣的：
- 你設定目標。 說清楚你要什麼，以及「完成」長什麼樣子。「幫我準備週四的續約會議」是一個目標。「看一下這個客戶」則不是。
- 它蒐集脈絡。 它會讀取這份工作所依賴的資料：最近的電子郵件、會議紀錄、CRM 紀錄。這一步決定了大部分的品質。建立在錯誤資訊上的好計畫，結果依然是錯的。
- 它擬定計畫。 它把目標拆解成更小的步驟。
- 它採取行動。 它使用自己有權限的工具：搜尋收件匣、開啟文件、草擬電子郵件。
- 它進行檢查。 它看的是實際發生了什麼，而不是它預期會發生什麼。如果 CRM 裡沒有通話紀錄，它會改到共用雲端硬碟裡找。
- 它交回成果，或停下來詢問。 要嘛你拿到可以審閱的東西，要嘛它因為缺少存取權限、目標不明確，或下一步需要你同意而暫停。
第 6 步包含一個常被忽略的選擇：結果要以什麼形式呈現。同樣的研究，可以是一則兩行的訊息、一份別人可以留言的文件，或是一份開會用的簡短簡報。答案正確但形式不對，還是得有人重做。
代理式 AI、生成式 AI 與自動化有何不同
這三者常被混淆，以下是簡短版本：
- 生成式 AI 在你提出要求時產生內容：文字、圖片、程式碼。然後就停下來。
- 規則式自動化 依照有人事先設定好的步驟執行：「收到表單時，新增一列並寄出一封電子郵件。」速度快、可預測。但遇到不符合規則的情況就會出錯。
- 代理式 AI 在一個循環中運用生成式 AI。它自己決定下一步、使用工具，並檢查結果。
最簡單的區分方式是問：由誰決定下一步？ 用自動化時，每一步都是有人事先決定好的。用聊天助理時，每次回覆後由你決定。用代理式 AI 時，則由系統朝著你的目標、在你設定的範圍內做決定。
如果你比較喜歡看影片，這支簡短的說明影片也把這種區分講得很清楚：
YouTube · IBM Technology
Generative vs Agentic AI: Shaping the Future of AI Collaboration（生成式 AI 與代理式 AI：形塑 AI 協作的未來）· 2025年4月21日
Martin Keen 用七分鐘說明，為什麼生成式 AI 會等待你的提示，而代理式 AI 會持續朝著目標工作。
你也會聽到有人用「AI 代理」（AI agent）來指同一個概念。大致來說：AI 代理是執行工作的那個主體，而「agentic」描述的是它的工作方式。
三個不同的問題：自主性、可靠性、權限
人們聽到「代理程度更高」時，常常理解成「更好」或「更自動」。其實兩者都不是。這個詞裡藏著三個不同的問題：
- 自主性： 它自己能決定多少事？
- 可靠性： 結果有多常是對的？
- 權限： 它被允許碰什麼？
「Agentic」描述的只有第一個問題。
自主性更高，不代表更可靠。 每一步都建立在前一步之上。初期一個錯誤的假設，最後可能變成一份精美、自信但錯誤的報告。就連以打造這類系統為業的人也說，這部分很難：
YouTube · LangChain
The Future of AI Agents with Andrew Ng | Interrupt 26（吳恩達談 AI 代理的未來）· 2026年6月17日
吳恩達："building agentic workflows is hard." 他解釋，要讓它們變得可靠，需要對業務有真正的了解，並且持續不斷地測試。
中文意譯：打造代理式工作流程很難。
自主性更高，也不需要更多權限。 AI 可以自己完成大量工作（閱讀、比較、草擬），同時被允許做的、會流出團隊之外的事卻非常少。吳恩達在同一場演講中指出，大多數公司的權限是為人設計的，而不是為 AI 設計的（28:50），所以這件事值得刻意去決定。有經驗的使用者通常會把權限收得很緊：
X · Simon Willison / @simonw · 2026年10月23日
"I don't let my agents have production access to modify deployed services"
中文意譯：我不會讓我的代理擁有可修改已部署服務的正式環境存取權限。
Willison 是知名的軟體開發者，他當時是在一串回覆中談論程式設計代理。換成商務情境，道理是一樣的：讓 AI 自由地閱讀和草擬，而「寄出」「付款」「發布」「刪除」這些動作則留給人來做，直到你在這項特定工作上信任它為止。
實際範例：準備一場續約會議
以下看看這在一種真實的工作上是什麼樣子。下面的客戶、人物和細節都是虛構的，用來說明各個步驟如何串在一起。這不是客戶的實際成果。
需求。 一位客戶經理對 Okou（我們打造的 AI 隊友）說：「幫我準備週四和 Northwind 的續約會議，再草擬一封會後要寄的追蹤信。」Okou 可以讀取她的 Gmail、共用雲端硬碟和 CRM，也可以建立 Gmail 草稿。Okou 不能寄出電子郵件，也不能變更 CRM 紀錄。
脈絡改變了計畫。 CRM 顯示這個客戶狀況良好，還列出一個加購機會。但 Okou 在電子郵件往來中發現一封三週前的信：客戶的營運主管表示，先前承諾的一項整合功能延遲了，並要求提供新的時程。沒有人回覆。這一封信改變了這場會議。會前摘要現在以那個未兌現的承諾開頭，而不是加購。
這正是業界許多人最近一再強調的重點：
X · Aaron Levie / @levie · 2026年11月6日
"Every AI agent deployment comes down to how successfully they can get access to the critical context to make a decision"
中文意譯：每一次 AI 代理的部署，關鍵都在於它們能否成功取得做決策所需的重要脈絡。
Levie 經營 Box，一家儲存企業文件的公司，所以他和這個觀點有利害關係。但續約的例子說明了它為何成立：AI 之所以能發現問題，正是因為它能讀到那封信。
交回的成果，依每個人的需要採用合適的形式。
- 給客戶經理：一份會議前閱讀的一頁會前摘要（先前談定了什麼、有什麼改變、需要敲定的三個問題）。
- 給客戶：暫時什麼都不寄，只有一封等待審閱的 Gmail 草稿。
- 給團隊：一則簡短的 CRM 備註提案，等待有人核准。
以下是在 Okou 中等待審閱的草稿樣貌（另一個虛構範例）：
Okou 中一封真實的待審閱草稿：Gmail 卡片標示為 Draft（草稿），Send（寄出）按鈕要由人來按。收件人與內容皆為虛構的示範資料。開啟完整尺寸截圖。
由人做決定，再由團隊重複使用。 客戶經理在同一段對話中，要求把開頭寫得委婉一點，並刪掉一行價格相關內容。Okou 仍然記得先前的對話，所以不必重新交代就能修好草稿。她親自寄出這封信，並核准了 CRM 備註。
之後，團隊把這套方法儲存為共用的工作流程（workflow，一種儲存下來、可重複使用的做事方式）：要查哪些來源、會前摘要長什麼樣子，以及追蹤信一律保留為草稿的規則。下一位客戶經理用自己的存取權限，在自己負責的客戶上執行它。如果希望每週一針對即將續約的客戶自動執行，可以加上一個自動化（automation，啟動工作流程的排程或觸發條件）。
有兩件事值得知道。新的對話不會自動看到舊的對話；如果舊對話很重要，你要主動指給它看。而分享工作流程分享的是方法，不是任何人的收件匣或登入資訊。Okou 的說明文件對這兩點都有解釋：對話脈絡如何運作與團隊共享哪些內容。
代理式 AI 何時有幫助，何時沒有
代理式 AI 適合像續約會議這樣的工作：有好幾個步驟、會用到不只一個工具、中間需要一些判斷，而且結果是別人能夠查核的。例如：
- 營運：「彙整每個團隊本週交付了什麼，標出任何卡關的事項，每週一發布一份摘要。」
- 行銷：「把上個月的活動成效和企劃簡報對照，草擬下一步計畫供審閱。」
- 業務：「依照我們的理想客戶輪廓，替本週的進線潛在客戶評分，告訴我該打給誰，並附上理由。」
- 客戶成功：「把本月的客服工單依原因分組，並替未解決問題最多的三個客戶草擬進度更新。」
更多依團隊分類的範例：AI 代理應用案例。
如果一項工作每次都依照完全相同的步驟進行（用一般的自動化就好，比較便宜），或者你只需要一個答案（用聊天助理），那它就不是合適的工具。
分析師早已對過度使用提出警告。2025 年 6 月，Gartner 預測，到 2027 年底，超過 40% 的代理式 AI 專案將因成本、價值不明確或風險控管薄弱而被取消。這是預測，而不是實測結果。2026 年 7 月，Gartner 又針對業務團隊提出相關預測：到 2028 年，AI 代理的數量將是業務人員的十倍，但只有不到 40% 的業務人員會表示代理提升了他們的生產力。教訓相同：代理變多，並不會自動讓工作變得更好。
有一個習慣需要調整：代理式的工作可能要花上幾分鐘，而不是幾秒。給出明確的目標，然後像對待同事一樣，用結果來評斷。
如何保持主導權
真正有用的問題不是「它有多自主？」，而是「哪些決定由它來做，哪些要回到我手上？」你可以在三個地方保持主導權。
它能接觸到什麼。 只給這項工作需要的存取權限。在 Okou 中，你是一次針對一個工具、一個動作授予權限，並選擇有效多久。因此 Okou 可以被允許撰寫 Gmail 草稿，但不被允許寄出。請參閱 Okou 權限。
什麼需要你同意。 有風險的動作應該等人來確認。當 Okou 需要一項新權限時，在任何權限被授予之前，你都能清楚看到它究竟在要求什麼：
一次真實的 Okou 權限請求。在確認之前，使用者可以看到工具、動作、適用範圍，以及有效期間（1 小時、24 小時、7 天或永久）。開啟完整尺寸截圖。
你要審閱什麼。 工作成果應該以你能閱讀和修改的形式交回，並附上 AI 做了哪些事的紀錄。
有「人在迴圈中」就夠了嗎？
光靠這一點並不夠，而這也是最近流傳的論點中比較有用的一個。
YouTube · IBM Technology
Human in the Loop Is Not a Governance Strategy for Agentic AI（人在迴圈中並不是代理式 AI 的治理策略）· 2026年10月11日
Phaedra Boinodiris："a human reviewed it is not the same as the system is governed." 她用四分鐘列出審閱者真正需要的條件。
中文意譯：有人審閱過，不等於系統受到了治理。
她的清單簡單來說是：審閱者應該能看到推理過程、有權喊停、知道好的結果長什麼樣子，並且能把修正回饋回去。
還有第二個比較不明顯的問題：AI 可能會影響審閱者的想法。
X · Ethan Mollick / @emollick · 2026年10月27日
"experts working with AI agents are swayed by the positions of the AI, even if they think they are working independently"
中文意譯：與 AI 代理合作的專家會被 AI 的立場左右，即使他們認為自己是在獨立作業。
Mollick 是華頓商學院研究職場 AI 的教授，他當時是在摘要一項他附上連結的研究。我們沒有親自審閱那項研究，所以請把它視為他的解讀。不過他的建議依然實用：如果你自己的判斷很重要，就在看 AI 的草稿之前先做決定。套用到續約會議的例子，就是客戶經理在閱讀 Okou 的會前摘要之前，先決定這場會議必須達成什麼。
人們已經感受到自己的角色正朝這個方向轉變。在 Microsoft 的 2026 年 Work Trend Index（2026 年 5 月發布；調查對象為 10 個國家、20,000 名使用 AI 的工作者）中，86% 的人表示，他們把 AI 的產出當作起點，而不是最終答案。這是受訪者的自述，而非品質的衡量，但指向的是同一個方向。
所以，符合以下條件時，審閱才算是真正的審閱：
- 你能看到成果背後的工作： 來源、步驟，以及改了什麼。
- 你能喊停或修改： 編輯草稿、拒絕權限請求。
- 你知道好的結果長什麼樣子： 會前摘要的格式、語氣，或是「追蹤信一律保留為草稿」這類規則。
- 修正不會遺失： 如果你每週都在做同樣的修正，就把它寫進工作流程。在 Okou 中，只有在有人更新工作流程時才會如此；在某一段對話中做的修正，不會悄悄變成團隊規則。
想進一步了解實務上的核准做法：為什麼你的企業需要對 AI 動作擁有最終決定權。
把工作交給代理式 AI 之前該問的問題
- 我能只描述想要的結果嗎？ 還是必須把每一步都講清楚？
- 它讀得到這項工作所依賴的資料嗎？ 它會告訴我哪些東西找不到嗎？
- 我能限制它的動作嗎？ 例如只能讀取，或是可以草擬但不能寄出？
- 它卡住時會怎麼做？ 會開口詢問，還是自行猜測？
- 我看得到它做了什麼嗎？ 來源、步驟、變更。
- 我的團隊能重複使用好的成果嗎？ 而且是在他們各自的存取權限下？
如果一個產品答不出這些問題，「agentic」這個詞其實沒告訴你多少事。
用 Okou 會是什麼樣子
Okou 是為商務團隊打造的 AI 隊友。你可以像向同事交代任務一樣，把工作交給 Okou。Okou 會從你連接的工具中蒐集這份工作需要的資訊，在雲端完成工作（即使你闔上筆電，它也會繼續進行），然後以最適合下一位讀者的形式，交回你可以審閱的成果：一則簡短訊息、一份文件、一個網頁、一份簡報，或是一份草稿。好的方法會變成共用的工作流程，再由自動化依排程執行。
用本指南的說法：Okou 在尋找脈絡與處理繁瑣工作上提高自主性，而權限則維持在你的團隊所設定的範圍內。想了解更多，請看什麼是 Okou，或免費開始使用。
常見問題
簡單來說，什麼是代理式 AI？
一步步朝著目標工作的 AI。你說出想要什麼；它會找資訊、使用你的工具、檢查自己的成果，一路推進，直到工作完成或需要你出手為止。聊天機器人則是回答一次就停下來等待。
生成式 AI 和代理式 AI 有什麼不同？
生成式 AI 在被要求時產生內容，然後停下來。代理式 AI 在一個循環中運用這種能力：它決定下一步、使用其他工具，並檢查目標是否達成。寫一封業務信件是生成式的。讀取客戶往來紀錄、草擬信件，並提出一項 CRM 更新供你核准，才是代理式的。
對話式 AI 和代理式 AI 有什麼不同？
對話式 AI 是為了交談而設計的：你提問，它回答，下一步由你決定。代理式 AI 是為了完成工作而設計的：你設定目標，它選擇並執行步驟。許多產品兩者兼具，表層是聊天介面，底層則是代理式循環。
代理式 AI 有哪些風險？
風險主要來自行動，而不是交談。錯誤可能在多個步驟中層層累積。它可能根據錯誤或缺漏的資訊採取行動。過於寬鬆的權限，可能讓一個錯誤波及客戶或金流。由於每項工作都需要許多步驟，成本可能上升。請限制存取權限，把有風險的動作留給人來核准，並審閱成果。
代理式 AI 最適合哪些工作？
有好幾個步驟、會用到不只一個工具、需要一些判斷，而且結果可以查核的工作：會議準備、週報、以草稿收尾的研究、潛在客戶或客服工單分類。每次都是相同固定步驟的，用一般的自動化。只有一個問題的，用聊天助理。
代理程度越高越好嗎？
不是。代理程度越高，代表它自己決定的事越多。但這不會讓那些決定更準確，也不會決定它應該被允許做什麼。對大多數商務工作來說，最好的安排是：AI 負責研究與草擬，由人來核准哪些內容可以送出團隊之外。
