Agentic AI 落地现实：企业不应把旧流程直接交给 Agent

AI Agent 的吸引力很直接：它好像可以自己理解任务、拆解步骤、调用工具、完成工作。但企业真正落地时，问题通常不是模型不够聪明，而是流程本身未准备好。

Deloitte 在 2026 Agentic AI strategy 中提出一个 reality check：很多企业正在尝试用 AI agent 自动化旧流程，但这些流程原本就是为人手设计。结果是 agent 只是被放到一条混乱流程里，速度可能快了，但错误、重工和风险也一样被放大。

文章提到，不少组织仍停留在探索和 pilot 阶段，真正 ready to deploy 或已在 production 使用的比例有限。这对中小企其实是一个提醒：不要因为市场很热，就急着买一个叫 agent 的工具。更重要的是先问清楚，哪一段工作值得被重新设计。

Agentic AI 比普通 chatbot 复杂，因为它不只是回答问题，而是可能接触资料、改变状态、触发通知、生成文件，甚至协调多个系统。这代表企业需要三个基础：清楚流程、可读资料、可控权限。缺一个，agent 就容易变成另一个需要人手照顾的工具。

第一个基础是流程。企业要定义清楚输入、判断规则、输出格式和人工确认点。例如报价流程，不应只是叫 AI「帮我回复客户」。较好的设计是：收集需求、分类服务、检查资料是否足够、生成初步建议、交由员工确认，再发送给客户。

第二个基础是资料。很多公司资料散落在 email、WhatsApp、Excel、旧 CRM 和员工个人电脑。如果资料不可搜索、不可重用、没有统一命名，agent 就算能读，也很难稳定判断。Deloitte 亦提到资料 searchability 和 reusability 是 AI automation 的常见挑战。

第三个基础是治理。Agent 可以做什么、不可以做什么、何时需要人手批准、错误如何记录、哪些资料不能外流，都要先定义。特别是涉及客户资料、报价、广告预算、会计分类或合约内容时，权限和 audit trail 不应事后才补。

对香港中小企来说，最适合第一阶段导入 agent 的，不是一次过处理整间公司的所有工作，而是选一条重复、高频、有明确规则的流程。例子包括：查询分类、报价前资料收集、广告报表摘要、售后提醒、内容初稿、内部知识查询和简单营运报表。

VM Agent 的思路，正是先把流程变清楚，再决定 AI 应该站在哪个位置。它可以在 WhatsApp、Telegram 或 Discord 这些员工本来已经使用的渠道出现，但背后真正重要的是 workflow、资料连接和人工确认，而不是界面有多像聊天机器人。

Agentic AI 的真正价值，不是让企业看起来有 AI，而是让一段本来靠人记、靠人追、靠人整理的工作变得稳定。要做到这件事，企业需要的不是更多 demo，而是更清楚的流程设计。