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。
要把術語差異用在實際判斷中，可以先看一個 AI 代理如何完成任務，了解目標和工具如何推動具體系統。再讀代理式 AI 的工作循環，追蹤規劃、行動與檢查的過程，分別判斷它能自主推進多少、成果是否可靠，以及究竟獲准做什麼。
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：行銷活動報告
設想一位行銷經理需要週五的行銷活動摘要。這是示意性任務，不是客戶成果。活動追蹤表記錄註冊數，廣告帳號記錄支出，任務說明規定報告期間。有一個管道尚未完成資料回報。
1. 請代理執行一次
經理提出：「比較本週各行銷活動的支出與註冊數。使用任務說明中的日期，為數字附上來源連結，並標出資料不完整的管道。準備一份摘要；不要調整預算，也不要發布。」 代理自行選擇步驟：閱讀任務說明、蒐集數字、發現缺口，並準備一份說明資料限制的比較。稱它為代理，說明的是誰執行任務，而不是結論是否正確。
另一項任務中的真實活動指示器。它顯示工作正在進行，不代表行銷活動報告已經核查或完成。
2. 把報告方法儲存為 workflow
經理核查結果後，把來源清單、日期規則、計算方式和審核清單儲存為 Okou workflow。步驟本身可以相當固定，但某些步驟內的工作仍需要判斷，例如發現某個管道使用了不同的日期範圍。workflow 是可重複使用的方法。它不能證明有多個代理協作，也不意味著 AI 可以獨自做出所有決定。
3. 另外加入排程
自動化可以每週五為指定負責人啟動這個 workflow。它改變的是工作何時開始，不會補齊缺漏資料、確保報告可靠，也不會授予調整預算的權限。
這三種做法的驗收標準相同：日期一致，數字連結到來源，缺漏資料明確標示，並保留草稿供審核。如果報告建議轉移預算，經理需要核查證據並作決定。因此，真正有用的區別在於執行者、儲存的方法和觸發條件，而不是三個聽起來越來越厲害的產品標籤。
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。
