企業在接觸 Agentic AI 概念後，最常提出的問題是：「我們應該從哪個流程開始？」這個問題看似簡單，但答案往往決定了 AI agent 試點的成敗。選錯流程，不僅浪費資源，更可能讓組織對 AI 的信心受挫。要了解 AI agent 與其他方案的區別，可以先參閱 AI agents、automation 與 assistants 有什麼分別。
適合導入 AI Agent 的工作流程特徵
並非所有流程都需要或適合 AI agent。以下五個特徵可以幫助企業識別最佳候選流程：
1. 重複性高但需要判斷力
純粹重複且不需判斷的流程，用傳統自動化（RPA）即可解決，不需要 AI agent。AI agent 的價值在於處理那些大致相似但每次有細微差異的任務——例如處理客戶投訴（每單投訴的情境不同）、審核合同條款（每份合同有獨特條款）、或產生個性化的市場分析報告。
2. 涉及多個步驟和系統
如果一個任務只需要單一步驟（如查詢資料庫），用 API 呼叫即可。AI agent 的強項是跨越多個步驟和系統的任務——例如，從 CRM 提取客戶資料、在 ERP 中查詢訂單歷史、分析數據模式、生成報告草稿，然後通過郵件發送。這種需要串聯多個系統的流程，正是 AI agent 展現價值的場景。
3. 數據可獲取且有結構
AI agent 需要存取相關數據才能做出判斷。如果流程所依賴的數據分散在員工的個人電腦中、沒有數碼化、或存在嚴重的品質問題，那麼 AI agent 將無法有效運作。理想的候選流程應具備：數據已數碼化、存放在可通過 API 存取的系統中、且有基本的品質保證。
4. 成功標準可量化
AI agent 的表現需要可衡量的指標來評估。「處理時間從 3 天縮短至 2 小時」「準確率達到 95% 以上」「每月節省 40 工時」——這些都是清晰的成功標準。如果一個流程的成功與否高度主觀（如「生成具有創意的品牌策略」），在現階段不建議作為首批 AI agent 的候選。
5. 錯誤成本可控
這一點在香港的金融和法律等受監管行業尤為重要。在試點階段，應選擇即使 AI agent 出錯，損失也在可控範圍內的流程。例如，在內部報告生成流程中試點（出錯只需人工修正），比在客戶合規文件中試點（出錯可能引發監管風險）更為穩妥。
好候選與壞候選的實例對比
適合 AI Agent 的流程範例：
- 供應商發票處理： 涉及多步驟（接收、核對、分類、審批路由），有明確的規則但需處理例外情況，數據結構化，成功標準清晰（準確率、處理時間）。
- 客戶服務升級處理： 需要查詢多個系統（工單歷史、帳戶資料、產品知識庫），根據情境判斷優先順序和處理方式，有既定的服務水平標準。
- 招聘初篩流程： 從多個渠道收集履歷、根據職位要求進行初步篩選和排序、生成候選人摘要，為招聘經理的面試決策提供支持。
暫不適合 AI Agent 的流程範例：
- 高管策略決策： 涉及大量隱性知識、政治考量和價值判斷，缺乏明確的成功標準，AI agent 難以替代人類的綜合判斷。
- 高風險合規審批： 在金融監管環境中，出錯的後果嚴重，且監管機構對 AI 自主決策的接受度仍在演變中。
- 完全非結構化的創意工作： 如品牌設計或廣告創意，成功標準高度主觀，缺乏 AI agent 需要的明確目標定義。
AI Agent 導入的優先順序評估框架
我們建議企業使用以下三維度矩陣來評估和排序候選流程：
維度一：業務價值（Business Value）。 評估該流程被 AI agent 優化後，能帶來多大的效率提升、成本節省或收入增長。建議量化每月的人工時數和錯誤率作為基準。
維度二：技術就緒度（Technical Readiness）。 評估數據可存取性、系統 API 成熟度、現有工具整合的難度。如果一個流程的相關數據分散在三個以上缺乏 API 的舊系統中，其技術就緒度就偏低。
維度三：組織接受度（Organizational Readiness）。 評估相關團隊對 AI 的熟悉程度、流程負責人是否支持、以及是否有合適的人員來監督 AI agent 的表現。
三個維度都評分為高的流程，應列為最優先的試點候選。如果業務價值高但技術或組織就緒度不足，則應先投入準備工作（如數據整合或團隊培訓），再啟動 AI agent 試點。
了解如何從 AI 培訓逐步過渡到 AI agent 試點，請參閱 如何由 AI 培訓走向 Agentic AI pilot。
總結
選擇正確的流程是 AI agent 導入成功的關鍵前提。企業不應追求一步到位，而是從最適合的流程開始，累積經驗後再逐步擴展。在香港的商業環境中，金融服務、專業服務和物流行業擁有大量符合上述特徵的候選流程。用系統化的評估框架取代直覺判斷，能大幅提高試點成功的概率。
Applied AI 提供 Agentic AI 顧問與試點支援，協助企業由概念走向落地。