別急著做 Agent:先想清楚問題要解到哪一層
2026-11-16
16
上一篇談到,工廠導了很多 AI,工作卻沒變少,原因在數據鏈還沒打通:電表、機台的數字還靠人抄,沒有自動進系統。數據有了之後,下一個常被問的問題是:要不要直接做 Agent,把整段流程交給 AI?先別急。同一個問題可以解到不同深度,有的設一條警報就夠,有的才值得讓 AI 串起整條工作流。這篇用「電費太高」當例子,把問題拆成三層,再用三個判斷題決定該做到哪一層。
一、背景:人人都在談 Agent,少有人先問要解什麼
1. 一張電費帳單,一個 Agent 的念頭
月初,老闆看完電費帳單皺起眉頭:「這個月電費怎麼這麼高?」停了幾秒,又補一句:「聽說現在 AI Agent 什麼都能做,我們是不是也該做一個?」
這兩句話放在 2026 年,一點也不奇怪。研討會、展場、廠商簡報,到處都看得到「交給 AI Agent 處理」的說法。
2. Agent 跟上一代 AI 差在哪
上一代的 AI 工具像問答機,你問一句、它答一句。Agent 是一套跑在系統上的 AI 軟體,用起來比較像指派一位助理:交代一件事,它自己去翻電表紀錄、對照生產排程、抓出異常的機台,把好幾個步驟接著做完。
3. 念頭沒錯,順序反了
要不要做 Agent 是工具的選擇,在它前面還有兩題:到底要解決什麼問題,這個問題又需要解到多深。工具先定、問題後補,常見的結果是做出一套看起來很厲害、現場卻沒人每天用的系統。
二、痛點:直接跳到 Agent,常卡在三個地方
1. 問題沒定義,Agent 只是把模糊的流程自動化
「降低電費」「提升效率」,這些是方向,還算不上問題。一個定義清楚的問題,要回答得出:看哪一個數字、目標是多少、誰負責看、多久看一次。
原本的流程如果就說不清楚,交給 Agent 也只是讓它更快地跑完一套說不清楚的流程。報告每天準時產出,卻沒人知道該拿來做什麼決定。
2. 底層數據沒到位
第一篇講過,AI 沒辦法無中生有。這件事放在 Agent 身上更明顯:它要串的系統越多,只要其中一段數據缺漏或延遲,後面每一步判斷都會跟著偏掉。
3. 判斷規則講不出來,最後回到人身上
Agent 要替人做事,前提是人至少講得出「什麼結果算對」。
很多工廠的判斷藏在資深師傅的經驗裡,例如「這批料摸起來比較濕,速度就放慢一點」。這些經驗還沒變成可以檢查的數據之前,Agent 做不了決定,只能把資料整理好再丟回給人。繞了一圈,工作還是落在原本那個人身上,只是多了一套要維護的系統。

問題沒定義、數據沒到位、規則講不出來,任何一處卡住,Agent 都跑不起來
三、解法:先把問題拆層,再決定做到哪一層
1. 一個問題,三種深度:以「電費太高」為例
回到老闆那句「這個月電費怎麼這麼高」。同一句話,可以解到三種深度。
- 第一層:看見。設定警報門檻。需量快要超過契約容量,或某台設備在下班時段還在耗電,系統就通知負責的人。這一層不做分析,目標是讓同樣的狀況不要每個月重演。
- 第二層:看懂。把用電數據導出來,按時段、按設備拆開看,找出電耗在哪幾個時段、哪幾台設備。到這一層才答得出「為什麼高」,也才知道該調排程、改契約容量,還是檢查設備。
- 第三層:串起來。由 AI 定期跨電表、生產排程、電價時段抓資料,發現異常就自己往下追:是哪個時段、哪台設備、跟過去比差多少,再整理成報告並提出建議。Agent 在這一層才真正派上用場:它接手的是原本要有人在幾張表之間來回對照、追查、寫摘要的工作。

同一句「電費太高」,可以停在看見、看懂,或一路串起來
三層是往上疊的。第三層要追查的資料,全部來自前兩層已經站穩的數據。連第一層的警報都還沒有就直接做第三層,Agent 手上只有殘缺的資料,寫出來的報告也只能是殘缺的。
第三層本身也有深淺。讓 Agent 查資料、寫報告、提建議是一回事;讓它直接動手,例如自動改排程、調設備參數,是另一回事。Agent 要讀電表、排程、帳單,本身就得開系統權限;讓它動手,等於連操作權限也交給它,而 AI 也會判斷錯、會講錯。停在建議,錯了還有人在中間攔得住;直接動手,錯了影響的就是產線。大部分工廠可以先讓 Agent 停在「查和建議」,要不要放手讓它動手,交給下面第三個判斷題。
2. 該做到哪一層?先問三個問題
並非每個問題都得爬到第三層。動手前先問三題:
- 頻率:這件事是不是重複發生,而且每次都吃掉人力?一年碰到一次的事,人工處理就夠了;每天、每週或每月固定要做,每次又得花上不少時間的,才值得往上做。
- 規則:做出來的結果,人檢查得了嗎?規則一句話寫得完的(超過多少就通知),用不到 AI,第一層的警報就解決了。規則很難一次寫完整,但好壞判斷得出來的,例如一份用電檢討寫得對不對、建議合不合理,懂的人一看就知道,才適合交給 AI 去追查和整理。連好壞都還判斷不了的,先回到第二層,把數據看懂再說。
- 代價:判斷錯了,中間有沒有人看得出來、攔得住?AI 的產出會先經過人才變成決定,例如報告先給主管看過,就可以放手讓 AI 去做;AI 的判斷會直接變成動作,錯了會影響品質、安全或交期,就只讓它查和建議,決定和動手留給人。
3. 三題實際套一次:三個常見的用電問題
拿工廠常見的三個用電問題來試,答案會落在不同層:
- 下班後空壓機還在空轉:每天都可能發生,規則一句話寫得完(下班時段功率超過某個值就通知),漏報的影響也不大。停在第一層就夠了,一條警報解決,用不到 AI,更用不到 Agent。
- 某幾個月電費突然變高,沒人說得出原因:連問題出在哪都還不知道,自然也判斷不了 AI 給的答案對不對。這時候該做的是第二層,先把用電按時段、按設備拆開看,找到原因再談下一步。
- 每個月給老闆的用電檢討:一個月只做一次,但每次都得有人在電表、排程和帳單之間拉資料、對數字、寫摘要。哪幾台設備該看、該跟哪個月比,很難一次寫成固定規則;但報告寫得對不對,主管一看就知道,而且報告會先經過人才變成決定。這種工作適合交給第三層:AI 不只是把報表排好寄出,而是自己追到用電變多的設備,跟上個月、去年同期比,再寫成摘要和建議。

同樣是用電問題,三題的答案各自落在不同層
三題答完,多半會發現大部分問題停在第一、二層就夠了。真正值得做成 Agent 的,是那些重複發生、每次吃掉大量整理時間、結果又檢查得了的工作。先把這幾件挑出來,Agent 才有發揮的地方。
4. GoodLinker 的做法:陪一台烘乾機把經驗變成數據
GoodLinker 谷林運算正陪一家染紗廠規劃這段路。
廠內的高週波烘乾機是全廠的瓶頸站:不論染什麼顏色、走哪條產線,每一批紗最後都要經過這裡。這台 80kW 的純電設備,功率靠基板高低調整,停留時間靠輸送帶速度控制,兩者都由現場人員依經驗設定。同一規格一視同仁,不會因為進料的含水率高低而調整。

每一批紗都要經過的高週波烘乾機,是全廠的瓶頸站(示意圖)
用前面三個問題來看,頻率沒有問題:每一批紗都要烘,天天在發生。結果也檢查得了:紗有沒有烘乾、用了多少電,都量得到。代價則很清楚:參數調錯會影響品質,所以決定必須留在人手上。
卡住的是數據。含水率多高該配什麼功率、什麼速度,現在只存在老師傅的經驗裡,沒有任何紀錄可以拿來比。這正是前面說的第二、第三個卡點。所以這台烘乾機不能直接跳到第三層,要先用前兩層,把經驗變成數據:
- 第一層:先看見。在烘乾機上裝一顆電力品質電表,接上 LESI EDGE 機上盒(把電表數字自動送上雲端的工業數據盒),從此每一批烘乾耗了多少電都看得到,不靠人抄。這份數據同時是改善前的基準,少了它,之後做任何調整都證明不了有沒有效。
- 第二層:再看懂。把電力數據、烘乾參數(功率與輸送帶速度)、批號與進料含水率接在一起,看清楚不同條件下各耗多少電。「摸起來比較濕就放慢」的經驗,到這一層開始變成看得到、可以檢查的數字。
- 第三層:先找參數,再談 Agent。數據累積夠了,由我們協助用 AI 比對不同參數組合的耗電,在達到烘乾標準的前提下,整理出比較省電的功率與速度搭配,給現場當調整的參考。老實說,這一步是數據分析,還不到 Agent。等參數規則找出來,每一批進料自動對照含水率、提出建議參數,這條每天重複的工作流,才輪到 Agent 接手。
這套參數是用工廠自己的數據跑出來的,所以屬於工廠自己。AI 負責把資料整理好、幫忙比對可行的選項;要不要調、調多少,仍由現場的人決定。就算走到 Agent 那一步,也是停在「查和建議」。
5. 用同一條數據鏈,檢查自家用電走到哪一層
想知道自家工廠的用電走到哪一層,可以問三件事:需量快碰到契約容量時,有沒有人會先收到通知?用電能不能按時段、按設備拆開看?每個月的用電檢討,是有人花時間整理,還是系統自動產出,而且會追蹤上個月的異常有沒有改善?
GoodLinker 的能源模組就是照這個順序排的:即時監測搭配系統的警報推播,快超約先通知;時段費率分析與重大能源設備,把電耗拆到時段和設備;每月用電報告是第三層的起點:固定格式自動產出,AI 負責標出異常、附上建議,下個月再追蹤。要再往上做到跨系統自己追查的 Agent,用的也是同一條數據鏈,往上爬不必把前面重做一次。

以能源模組為例:從即時監測到每月用電報告,三層接在同一條數據鏈上
結語
Agent 的價值,在把原本靠人一段一段接起來的工作流串成一條線。前提是前兩層已經站穩:該看見的有警報,該看懂的有數據。先把問題拆層,再決定做到哪一層,往往比先決定要不要做 Agent 更省錢,也更容易真的用起來。
如果想今天就開始,可以先做一件事:挑一個每週都有人抱怨的問題,寫下四個答案:看哪一個數字、目標是多少、誰負責看、多久看一次。再多問一句:這個數字現在是系統自動收的,還是有人抄的?四個答案寫不出來,先別談 AI;數字還靠人抄,先回頭把數據鏈打通。都過了,再用頻率、規則、代價三題,判斷它該做到哪一層。

動手前的自我檢查:四個答案寫得出來、數字是自動收的,再判斷做到哪一層
做了之後,數字到底有沒有變?AI 給的答案又該怎麼檢查?下一篇用實際案例的數字來驗證。