Agentic AI 落地現實：企業不應把舊流程直接交給 Agent

AI Agent 的吸引力很直接：它好像可以自己理解任務、拆解步驟、呼叫工具、完成工作。但企業真正落地時，問題通常不是模型不夠聰明，而是流程本身未準備好。

Deloitte 在 2026 Agentic AI strategy 中提出一個 reality check：很多企業正在嘗試用 AI agent 自動化舊流程，但這些流程原本就是為人手設計。結果是 agent 只是被放到一條混亂流程裏，速度可能快了，但錯誤、重工和風險也一樣被放大。

文章提到，不少組織仍停留在探索和 pilot 階段，真正 ready to deploy 或已在 production 使用的比例有限。這對中小企其實是一個提醒：不要因為市場很熱，就急著買一個叫 agent 的工具。更重要的是先問清楚，哪一段工作值得被重新設計。

Agentic AI 比普通 chatbot 複雜，因為它不只是回答問題，而是可能接觸資料、改變狀態、觸發通知、生成文件，甚至協調多個系統。這代表企業需要三個基礎：清楚流程、可讀資料、可控權限。缺一個，agent 就容易變成另一個需要人手照顧的工具。

第一個基礎是流程。企業要定義清楚輸入、判斷規則、輸出格式和人工確認點。例如報價流程，不應只是叫 AI「幫我回覆客戶」。較好的設計是：收集需求、分類服務、檢查資料是否足夠、生成初步建議、交由員工確認，再發送給客戶。

第二個基礎是資料。很多公司資料散落在 email、WhatsApp、Excel、舊 CRM 和員工個人電腦。如果資料不可搜尋、不可重用、沒有統一命名，agent 就算能讀，也很難穩定判斷。Deloitte 亦提到資料 searchability 和 reusability 是 AI automation 的常見挑戰。

第三個基礎是治理。Agent 可以做甚麼、不可以做甚麼、何時需要人手批准、錯誤如何記錄、哪些資料不能外流，都要先定義。特別是涉及客戶資料、報價、廣告預算、會計分類或合約內容時，權限和 audit trail 不應事後才補。

對香港中小企來說，最適合第一階段導入 agent 的，不是一次過處理整間公司的所有工作，而是選一條重複、高頻、有明確規則的流程。例子包括：查詢分類、報價前資料收集、廣告報表摘要、售後提醒、內容初稿、內部知識查詢和簡單營運報表。

VM Agent 的思路，正是先把流程變清楚，再決定 AI 應該站在哪個位置。它可以在 WhatsApp、Telegram 或 Discord 這些員工本來已經使用的渠道出現，但背後真正重要的是 workflow、資料連接和人工確認，而不是界面有多像聊天機械人。

Agentic AI 的真正價值，不是讓企業看起來有 AI，而是讓一段本來靠人記、靠人追、靠人整理的工作變得穩定。要做到這件事，企業需要的不是更多 demo，而是更清楚的流程設計。