Agentic AI 的潛力令人興奮，但在香港的企業現實中，我們見過太多「先買技術、再想用途」的失敗案例。一個 AI agent 的部署成功與否，往往在技術實施之前就已決定——取決於企業是否在規劃階段回答了正確的問題。以下五個問題，是每個考慮部署 Agentic AI 的企業都應該先釐清的核心議題。
問題一：我們的業務目標是什麼？
這看似最基本的問題，卻是最常被忽略的。許多企業的 AI 項目起點是「我們也應該用 AI agent」，而非「我們需要解決某個具體的業務問題」。
正確的思考方式：
- 不是「我們能用 AI agent 做什麼？」而是「我們有哪個業務痛點可以被 AI agent 更好地解決？」
- 目標應該是可量化的：「將客戶投訴的平均處理時間從 48 小時縮短至 4 小時」比「提升客戶服務效率」更有用
- 清晰的業務目標讓團隊能夠評估投入是否值得，也讓試點結束後的成敗判斷有據可依
實務建議： 在啟動任何 AI agent 項目前，要求提案團隊用一句話回答：「如果這個 AI agent 成功部署，六個月後我們能看到什麼具體變化？」如果無法清楚回答，項目還沒準備好。
問題二：我們的數據是否準備就緒？
AI agent 的能力上限，往往不是由模型決定，而是由數據品質決定。一個再先進的 AI agent，如果只能存取不完整、不一致或過時的數據，其輸出也不會可靠。
數據就緒度評估的四個維度：
- 可存取性（Accessibility）： 目標流程所需的數據是否存放在可通過 API 存取的系統中？如果數據仍在個人 Excel 檔案或紙本文件中，需要先完成數碼化。
- 品質（Quality）： 數據的完整性、準確性和一致性如何？是否有定期的數據清洗機制？
- 時效性（Timeliness）： AI agent 需要的數據是即時的還是歷史的？數據更新的頻率是否滿足需求？
- 安全性（Security）： 數據的存取權限是否已根據角色和需求進行了適當的設定？AI agent 存取敏感數據是否符合公司的資料保護政策？
在香港的金融服務和醫療健康行業中，數據治理的要求尤其嚴格。企業需要確保 AI agent 的數據存取方式符合《個人資料（私隱）條例》和行業監管要求。
問題三：目標工作流程是否足夠清晰？
AI agent 需要清楚的任務定義才能有效運作。如果一個流程目前完全依賴「有經驗的員工的直覺」，沒有任何書面記錄的步驟和判斷標準，那麼 AI agent 就缺乏運作的基礎。
流程清晰度的檢驗標準：
- 流程的輸入和輸出是否有明確定義？
- 每個步驟的判斷標準是否可以書面表達？
- 例外情況的處理方式是否有記錄？
- 流程中的決策權責是否清晰？
常見陷阱： 許多企業以為自己的流程很清晰，但當嘗試將其文件化時，才發現大量依賴隱性知識的環節。建議在部署 AI agent 前，先進行一次徹底的流程梳理。哪些流程最適合作為起點，可以參考 什麼工作流程適合導入智能代理 的評估框架。
問題四：誰負責治理和監督？
AI agent 不是「設定好就不用管」的工具。它需要持續的監督、維護和優化。在部署前，企業必須明確以下責任歸屬：
日常監督： 誰負責監控 AI agent 的運作狀態和輸出品質？當 AI agent 出現異常行為時，誰是第一時間的處理人？
質量保證： 如何定期審核 AI agent 的決策品質？是否有機制來發現和修正偏見或錯誤模式？
合規管理： AI agent 的決策記錄是否保留完整的審計線索（audit trail）？在受監管行業中，AI agent 的決策是否符合監管機構的要求？
持續優化： 誰負責根據業務變化和用戶反饋來調整 AI agent 的配置？更新頻率是多少？
實務建議： 在組織架構上，建議設立一個跨部門的 AI 治理小組，由業務負責人、IT 團隊和合規團隊共同組成。這個小組負責制定 AI 使用政策、審核 AI agent 的部署方案，並定期評估其表現和風險。
問題五：我們如何衡量成功？
沒有清晰的成功指標，就無法判斷 AI agent 是否達到了預期目標，也無法為後續的擴展決策提供依據。
建議的指標設計原則：
- 多維度衡量： 不僅看效率指標（處理時間、吞吐量），也要看品質指標（準確率、客戶滿意度）和風險指標（錯誤率、人工介入頻率）。
- 設定基準線： 在部署 AI agent 前，先量化現有流程的表現，作為比較的基準。
- 階段性目標： 將最終目標分解為階段性里程碑。例如，第一個月達到人工處理效率的 70%，第三個月達到 90% 並減少 50% 人工介入。
- 定期回顧： 建議每兩週進行一次指標回顧，而非等到試點結束才總結。
要了解如何從培訓階段有系統地過渡到 AI agent 試點，請參閱 如何由 AI 培訓走向 Agentic AI pilot。
總結
這五個問題沒有「標準答案」，但回答這些問題的過程本身就是價值所在。它迫使企業在投入資源之前進行系統性的思考，避免因準備不足而導致的失敗。在香港快節奏的商業環境中，花兩到三週的時間來認真回答這些問題，遠比匆忙上馬一個 AI agent 項目，然後花六個月來修補問題要划算得多。
Applied AI 提供 Agentic AI 顧問與試點支援，協助企業由概念走向落地。