你的工作需要多少 AI 自主性?
2026-11-19
10
工作需要 AI 幫到哪一步,不一定要從 Agent 開始。這篇以研究與寫文章為例,說明流程改善、AI 輔助、Workflow 與 Agent 的差別,再討論什麼時候適合讓多個 Agent 分工。
假設今天想讓 AI 幫忙完成一篇文章,從蒐集資料、整理大綱、撰寫初稿,到最後的查證與潤飾,你會怎麼安排?
一種做法是建立一個 AI Agent,讓它負責整個過程。
另一種做法則是把任務拆成好幾個 Agent,一個負責研究、一個負責寫作、一個負責修改,最後再由另一個 Agent 檢查成果。
後者看起來很像一個完整的編輯團隊,每個 Agent 都有明確的工作,似乎也更專業。
但我會先問,如果自己都還沒把寫文章的流程整理清楚,怎麼知道該把工作分給誰?
例如,一篇文章寫出來不符合期待,可能是研究方向錯了、資料不完整,也可能是文章結構不符合讀者需求。當多個 Agent 同時參與,還得追查問題究竟發生在哪個環節。
這不只發生在文章寫作。企業想用 AI 處理報表、客戶信件、會議紀錄或內部文件時,也會遇到類似的問題。
所以我會先釐清,這份工作究竟需要 AI 幫忙到什麼程度,再決定要不要用 Agent。
一、工作卡在哪裡?
一件工作花太多時間時,我們很容易先找工具。例如每週整理部門報告,就可能想到用 AI 分析資料、產生摘要,甚至讓 Agent 直接完成整份報告。
但如果每次資料格式不同、提供資訊的人不固定,連主管想看什麼都沒有共識,AI 也很難解決這些問題。這時先建立共同的 SOP,說清楚資料來源、交付格式與審核責任,就可能減少往返溝通。流程清楚後,再判斷哪些環節適合交給 AI。
我會把常見的解法分成四種:
流程改善
如果問題來自資料缺漏、分工不清楚,或每個人使用不同標準,應該先改善流程,不一定需要 AI。
AI 輔助
如果工作需要閱讀文件、整理資訊、產生初稿或協助分析,可以先讓 AI 處理部分任務,由人控制整體流程。
Workflow 或自動化
工作需要定期執行,而且步驟、輸入與輸出相對固定時,可以整理成可重複執行的流程。裡面可以包含 AI,也可以只用一般程式或自動化工具也可以是skill。
AI Agent
如果任務無法完全預先決定執行路徑,需要 AI 根據中間結果判斷下一步、選擇工具、補充資料或調整執行方式,才有更充分的理由考慮 Agent。
這四種方法可以搭配使用,也不必依序升級。選擇時,要看哪一種能處理目前的問題。
二、把寫文章的流程交給 AI
如果想讓 AI 協助整個內容流程,我會先從自己熟悉的寫作方式開始,暫時不急著分出研究、寫作與查證 Agent。
例如先釐清文章寫給誰、想解決什麼問題、需要哪些研究資料,再決定大綱、撰寫正文,最後檢查論點、來源與語氣。
過程中可以讓 AI 協助整理資料或產生草稿,但我還是需要知道:
- 哪些資料是必要的,哪些只是補充?
- 一篇文章的核心觀點應該怎麼確定?
- 什麼情況代表內容偏離原本的方向?
- 哪些內容需要查證,哪些是作者自己的判斷?
- 到什麼程度,才算是一篇可以交付的文章?
釐清這些問題,訂出完成標準後,就可以逐步把任務交給 AI 嘗試。
例如讓單一 Agent 依序蒐集資料、整理來源、規劃大綱,再生成文章草稿。
第一次的結果可能不理想。研究範圍太廣,就需要縮小主題;文章沒有抓到重點,就要補充判斷標準;引用缺乏依據,就必須要求它回到原始資料重新檢查。
這些修正也會讓原本沒有寫清楚的工作規則慢慢浮現。把規則留下來,下次就不用每個地方都從頭交代。
也不用等到能預測所有錯誤,才開始使用 Agent。
實際工作總有例外,可以先說清楚工作範圍、完成條件,以及遇到無法處理的情況時該怎麼辦,再從試跑中修正。
三、什麼時候適合用 AI Agent?
這裡需要先區分 Workflow 和 Agent。
假設文章製作流程已經固定為「確認主題、整理資料、產生大綱、撰寫初稿、檢查內容」。
如果每一步都按照預先安排的順序執行,中間只需要固定的檢查與修正,使用 Workflow 就可能足夠。
如果研究時需要隨著新資訊調整做法,例如資料不足時另找來源、研究結果矛盾時追查原因,或論點缺乏證據時改變研究方向,就有理由考慮 Agent。它可以在授權範圍內,根據中間結果選擇工具與下一步行動。
Anthropic 在《Building Effective Agents》中,也將預先定義執行路徑的 Workflow,與由模型動態決定執行方式的 Agent 做出區分。
設計任務時,仍要說清楚最多嘗試幾次、能用哪些資料與工具,以及何時需要人介入。
一直找不到足夠資料,就該停下來確認原因。
四、多 Agent 的分工與交接成本
多 Agent 的專業分工看起來能提高效率,但分工之後,也得處理彼此之間的交接。
以文章寫作為例,研究 Agent 必須把蒐集到的資料、來源、限制與重要發現交給寫作 Agent。寫作 Agent 需要理解文章方向,才能產生符合期待的內容。負責查證的 Agent 還得知道哪些是外部事實、哪些是作者觀點。
交接資訊不完整,後面的 Agent 就可能誤解前面的結論。研究結果需要修改時,也可能連帶影響大綱與正文,讓多個 Agent 重跑部分任務。這些協調、傳遞資訊與追查錯誤的工作,都要一起考慮。
token 消耗也要計算。不同 Agent 可能得各自理解背景、讀取資料與處理中間成果,因此多 Agent 未必比單一 Agent 省成本。
多 Agent 也有適合的工作。
例如大型研究報告需要調查不同市場、比較多組競爭對手,或獨立驗證不同假設時,平行處理可能比單一 Agent 依序執行更有效率。
拆得太細反而可能增加交接與修改的負擔,所以我會先讓單一 Agent 跑通任務,觀察瓶頸,再決定要不要拆分。
五、導入 AI 的四個判斷
如果一個部門想導入 AI,我會先確認以下四件事,再選工具或平台。
1. 目前這份工作到底卡在哪裡?
是資料太多、內容整理太慢,還是工作交接不清楚?不同問題需要不同解法。
2. 這份工作的步驟能不能預先定義?
如果流程固定,可以先考慮 SOP 或 Workflow。如果需要根據執行結果動態選擇下一步,再評估 Agent。
3. 我們是否知道什麼叫做完成?
如果沒有清楚的輸出標準,就很難判斷 AI 是否真的完成任務,更不用說讓它反覆自行修正。
4. 出錯的時候,誰能發現並處理?
必須確認哪些錯誤可以自動重試,哪些需要停止執行,以及哪些涉及重要資料、外部發送或正式決策的操作需要人工核准。
即使只是自己用 AI 整理文件、製作簡報或撰寫報告,也可以用這四個問題檢查流程。
六. 讓 AI 穩定完成工作
我期待的是,理解一份工作、整理出方法與驗收標準後,能逐步把重複執行的部分交給 AI。試跑遇到的錯誤,也可以幫助我找出還沒說清楚的規則。
固定 Workflow 能處理,就先用 Workflow,需要 Agent 時,先讓單一 Agent 試跑,遇到明確限制再考慮拆分。
對我而言,判斷的標準是這份工作能否在合理的成本、風險與人工投入下,穩定完成。
我是 Level UP 升級志的Yuzen,持續整理和分享 AI、職場工作、行銷、數位工具與工作方法等主題。
如果你也喜歡研究怎麼把工具用得更好、讓工作方式持續升級,可以關注 Level UP,我們會繼續分享一路上研究、實作和整理出的內容。
參考資料
- Anthropic, Building Effective Agents
- OpenAI, A Practical Guide to Building AI Agents
- Anthropic, How We Built Our Multi-Agent Research System