AI Agent（AI 智慧代理）是能理解目標、自行規劃步驟、呼叫工具完成任務的 AI 程式，由模型、工具呼叫、知識庫、流程護欄與監控紀錄五個部分組成，是 AI 數位員工的核心技術。導入成敗取決於信心門檻、規則驗證與人工覆核的控管設計。
AI Agent 常被理解成「比較聰明的聊天機器人」；差別在它會自己拆解步驟、呼叫工具把事情做完，也因此需要護欄。本指南依數位勞動力有限公司的專案經驗整理，上位概念見AI 數位員工是什麼。
AI Agent 是什麼？
AI Agent（AI 智慧代理）是能理解任務目標、自行規劃執行步驟、呼叫外部工具並根據結果調整行動的 AI 程式。
它與單純「回答問題」的生成式 AI 不同：AI Agent 接到「整理本週所有客訴並依嚴重度分類通知負責人」這類任務時，會自己拆解成讀取郵件、判讀內容、分類、查詢負責人、發送通知等步驟，逐步執行到任務完成。
在企業導入的語境裡，AI Agent 是「AI 數位員工」的核心技術：當一個 AI Agent 被賦予明確職責、資料權限、監控機制與人工覆核關卡之後，它就成為一名可管理、可稽核的數位員工。數位勞動力有限公司的 AI 數位員工建置服務，本質上就是把 AI Agent 工程化為企業可以放心託付職責的自動化單元。概念定義請參考AI 數位員工完整指南。
AI Agent 由哪些部分組成？
一個可在企業環境運作的 AI Agent 由五個部分組成：模型（大腦）、工具（雙手）、知識（記憶）、流程控制（紀律）與監控（管理）。缺少任何一項，都不足以承擔正式的工作職責。
| 組成元件 | 扮演角色 | 具體功能 | 缺少時的風險 |
|---|---|---|---|
| 大型語言模型（LLM） | 大腦 | 理解任務、判讀內容、規劃步驟、產生輸出 | 無法處理非結構化資料與語意判斷 |
| 工具呼叫（Tool Use） | 雙手 | 查詢資料庫、操作系統 API、讀寫檔案、寄送通知 | 只能空談，無法實際完成工作 |
| 知識庫（RAG 檢索） | 記憶 | 依企業文件、規範與歷史案例回答與判斷 | 憑模型通用知識作答，容易與企業實況不符 |
| 流程控制與護欄 | 紀律 | 限定職責範圍、信心門檻、例外轉人工 | 越權操作或在不確定時仍強行輸出 |
| 監控與執行紀錄 | 管理 | 留存輸入輸出、耗時、失敗告警與版本 | 出錯無法回溯，內稽無法查核 |
AI Agent、生成式 AI、RPA 差在哪裡？
三者的差異可以用「回答、執行、判斷後執行」概括：生成式 AI 產出回答與內容；RPA 依固定規則執行操作；AI Agent 則先判斷再執行，能處理規則寫不完的情境。
| 技術 | 輸入 | 做什麼 | 產出 | 適合情境 | 主要風險 |
|---|---|---|---|---|---|
| 生成式 AI（對話式工具） | 人提出的問題或指令 | 理解語意後產生回答或內容 | 文字、摘要、草稿等內容 | 問答、寫作輔助、資料摘要 | 答非所問或編造內容，不會主動操作系統 |
| RPA | 格式固定的畫面與結構化資料 | 依預先設計的腳本操作系統 | 系統操作結果與檔案 | 量大、規則明確、跨系統的重複操作 | 規則之外的情況即中斷，系統改版需調整腳本 |
| AI Agent | 任務目標＋結構化與非結構化資料 | 理解目標後自行規劃步驟、呼叫工具執行 | 完成的工作，如分類結果、差異清單、系統寫入 | 輸入多變、需要判讀的流程 | 判讀錯誤或越權操作，需護欄與人工覆核 |
數位勞動力有限公司的實務結論是混合架構：AI Agent 負責判讀與決策、RPA 負責穩定的系統操作（適用流程見RPA 是什麼完整指南）、人負責關鍵覆核，以工作流編排把三者串成一條完整流程。
國際市場對 AI Agent 的預測是什麼？
國際研究普遍把代理式 AI（Agentic AI）視為企業軟體的下一個階段，且滲透速度預測相當快。
Gartner（2024）預測到 2028 年約 33% 的企業軟體將內建代理式 AI（2024 年這個比例還不到 1%），且屆時約 15% 的日常工作決策將由代理式 AI 自主完成；Deloitte（2025）的科技預測則指出，使用生成式 AI 的企業中約四分之一將在 2025 年啟動代理式 AI 試點，2027 年預期達半數。
對台灣企業的意義：AI Agent 正在快速標準化為企業軟體的基本能力，愈早以單一流程累積建置與治理經驗，愈能在滲透曲線前段取得優勢。更多國際研究與原始報告連結，請見全球研究數據總覽。
企業常見的 AI Agent 應用場景有哪些？
AI Agent 目前在企業內最成熟的應用集中在「大量、重複、需要判讀」的作業，數位勞動力有限公司實務上最常建置的五類是郵件分類分派、文件判讀擷取、資料查詢與報表摘要、合約比對、知識庫問答：
- 郵件與訊息分類分派：判讀來信意圖（詢價、客訴、售後、垃圾信），自動分派給負責人並附上摘要與建議回覆草稿。
- 文件判讀與欄位擷取：從 PDF、掃描檔與非制式表單中擷取關鍵欄位，經規則驗證後回寫系統，異常件轉人工。
- 資料查詢與報表摘要：依自然語言需求查詢內部系統，彙整成固定格式的日報、週報與異常清單。
- 合約與規範比對：抽取合約關鍵條款、與公司標準範本比對差異，標記需要法務確認的段落。
- 知識庫問答：依企業內部文件回答員工與客戶的常見問題，並明確標示答案出處，超出知識庫範圍即轉人工。
這些場景在本站都有逐流程的落地指南：客服場景見客服自動化（分類、草稿與人機協作三層架構），非制式訂單的判讀見訂單處理自動化，履歷條件比對與到職流程見人資自動化。三篇都把 AI Agent 的信心門檻與人工覆核關卡寫進具體流程。
導入 AI Agent 最重要的風險控管是什麼？
導入 AI Agent 最重要的風險控管是「把不確定性設計進流程」：承認模型會犯錯，用信心門檻、規則驗證與人工覆核三層機制把錯誤攔在造成損失之前。
- 職責邊界：每個 Agent 只負責一段明確職責，禁止開放式的全能授權；權限採最小化原則。
- 信心門檻與例外轉人工：低信心、金額超標、資料缺漏的案件一律停下轉人工，不勉強輸出。
- 確定性驗證：關鍵欄位（金額、統編、日期）以規則複核 AI 的擷取結果，兩者不一致即轉人工。
- 完整執行紀錄：每次執行留存輸入、輸出、依據與耗時，錯誤可回溯、成效可量測、內稽可查核。
- 知識庫治理：回答品質取決於知識庫，過期文件必須下架，重要變更需重新驗證輸出品質。
資料會流到哪裡、留存在哪裡，是資安團隊審查 AI Agent 時最先問的題目；資料流向說明的格式與審查清單，見資安與採購審查說明。
常見問題 FAQ
AI Agent 和 ChatGPT 這類生成式 AI 有什麼不同？
ChatGPT 這類對話式生成 AI 的輸出是「回答」，由人發問、AI 回覆，任務到此結束。AI Agent 則以「完成任務」為目標：它會拆解步驟、呼叫工具（查資料庫、操作系統、寄信）、檢查結果並持續執行到任務完成。生成式 AI 是 AI Agent 的大腦，但 AI Agent 還加上了工具、記憶與流程控制。
AI Agent 需要哪些企業資料才能運作？
AI Agent 需要的資料取決於職責範圍，通常包括作業所需的系統存取權限（例如 ERP 查詢）、判讀依據的知識庫（例如產品規格、作業規範），以及輸入資料本身（例如郵件、單據）。數位勞動力有限公司採最小權限原則：只開放該職責必要的系統與欄位，並保留完整存取紀錄。
AI Agent 判斷錯誤怎麼辦？
以三層機制控管：第一層是信心門檻，低信心案件自動轉人工；第二層是規則驗證，關鍵欄位以確定性規則複核 AI 的輸出；第三層是人工覆核，金額或影響超過門檻的決策一律由人確認。上線初期建議全面採「AI 產出、人工覆核」雙軌，累積正確率數據後再逐步放寬。
建置一個 AI Agent 需要多久？
時程取決於職責複雜度、需整合的系統數量與知識庫的整備程度。單一明確職責（例如郵件分類）的概念驗證最快，跨系統、多步驟的職責則需較長時間。數位勞動力有限公司的做法是先以單一流程 PoC 驗證正確率，再決定擴展範圍，實際時程於流程盤點後評估。
AI Agent 的資料會被拿去訓練模型嗎？
取決於模型的部署與合約方式：企業級 API 服務通常提供資料不用於訓練的承諾，也可選擇私有部署讓資料不出企業環境。資料流向說明與資安審查清單，見本站「資安與採購審查說明」頁。