AI Agent／Agentic AI 係乜？2025 年值唔值得用？

因此，判斷一個產品是不是「真正有 agent 能力」，不應只看產品名，而要看它是否具備幾件事：

• 有明確任務目標。
• 可以使用工具、API、瀏覽器或企業系統。^[1][5]
• 會根據工具回傳結果決定下一步。
• 有權限限制、人手批准、日誌、監控、停止和回滾安排；MIT AI Agent Index 亦把 approval requirements、monitoring、emergency stops、sandboxing、evaluations 等列為觀察 agent 控制與安全的重要欄目。^[2]

Agentic AI 同 AI agent 有咩分別？

兩個詞經常重疊，但可用以下方式理解：

• AI agent：偏向一個具體系統或產品，例如一個能跨工具完成任務的 agent。^[1][5]
• Agentic AI：偏向一種較自主的 AI 架構或工作方式，例如按目標取資料、拆任務、優化流程和採取行動。^[5]

簡單講：AI agent 是一個會做事的系統；agentic AI 是令 AI 更自主地做事的設計方式。

同 chatbot、workflow automation 有咩唔同？

如果你的需求只是寫一段文案，普通 chatbot 可能已經足夠。如果你要 AI 查資料、打開工具、更新系統、整理結果，再把下一步交給人批准，AI agent 才真正有差異。^[1][5]

2025 年值唔值得用？值得 pilot，但先守三條線

最合理的採用方式不是追求「全自動 AI 員工」，而是把 agent 放進有邊界的流程裏測試。比較適合先試的工作通常有幾個特徵：

1. 重複性高，但每次需要少量判斷。
2. 需要跨幾個工具、資料源或內部系統。
3. 有清楚輸入、輸出和成功標準。
4. 最終結果可以由人覆核。
5. 做錯可以撤回、修正或重跑。

相反，法律、醫療、財務批核、不可逆交易、客戶承諾，或者任何一錯就代價很高的流程，都不應一開始讓 agent 自主跑到底。原因很直接：AI agent 的能力來自工具使用和系統操作；能力愈接近真實操作，錯誤後果也愈大。^[1][5]

最大風險：自主度上升，但透明度未必跟得上

MIT 2025 AI Agent Index 追蹤 30 個較知名 AI agents，資料來自公開資訊及與開發者通訊。^[3] 其分類顯示，不同 agent 的自主度差異很大：chat agents 多數維持在較低自主度 Level 1–3；browser agents 可到 Level 4–5，但仍屬有限干預；enterprise agents 則可能由設計時 Level 1–2，到部署後升至 Level 3–5。^[3]

透明度是另一個重點。MIT AI Agent Index 指出，13 個具前沿自主度的 agents 入面，只有 4 個公開披露過任何 agentic safety evaluations。^[3] PDF 版本亦顯示，30 個 agents 入面只有 9 個有記錄到 sandboxing 或 VM isolation。^[2]

這不代表每個 AI agent 都不安全；它代表使用者和企業不能只看 demo。採用前應該問清楚：

• 是否有明確人手批准關卡？
• 權限能否做到最小化，只讓 agent 做必要動作？
• 所有 action 是否有日誌和可追蹤紀錄？
• 是否有 monitoring、emergency stop、回滾機制？^[2]
• 是否可以先在 sandbox、VM、測試帳戶或低風險資料上試跑？^[2]

採用熱度是真的，但 ROI 要逐個流程量度

市場採用方面，確實有大型供應商數字支持企業正在嘗試。Microsoft 在 Build 2025 表示，超過 230,000 個組織，包括 90% Fortune 500，已使用 Copilot Studio 建 AI agents 和 automations。^[7]

但這個數字要小心解讀：它是供應商自述的採用數字，而且同時包括 AI agents 和 automations；使用過、建立過或試驗過，不等於每個流程都有正 ROI。^[7] 顧問材料亦把 AI agents 描述為可自動化 workflow、推動決策的 operational layer，並把 ROI 視為採用動因之一；但這類材料不能替代你自己流程的實測數據。^[11]

比較穩陣的做法，是逐個流程做 pilot，先量度：

• 原本人工處理時間。
• Agent 完成時間。
• 錯誤率和重做率。
• 人手覆核成本。
• 權限、監控和回滾成本。
• 最終是否真的減少瓶頸，而不是把工作轉移到審核環節。

5 分鐘判斷清單：你應唔應該上 AI agent？

如果以下問題大部分答「係」，就值得做小型 pilot：

1. 這個流程有清楚輸入、輸出和成功標準？
2. 任務真的需要工具、API 或跨系統操作，而不只是生成文字？^[1][5]
3. Agent 的權限可以限制到只做必要動作？
4. 在任何不可逆 action 前，都可以加入人手批准？
5. 有 monitoring、日誌、停止和回滾機制？^[2]
6. 可以先用 sandbox、VM、測試帳戶或低風險資料跑？^[2]
7. 有基準數據去比較 pilot 前後的時間、錯誤和成本？
8. 有人負責定期檢查 agent 的輸出、權限和失誤案例？

如果第 3 至第 6 題答不到，暫時更適合用普通 chatbot、傳統 workflow automation，或者人手加 AI 輔助，而不是把 agent 放到生產環境自主執行。

最後建議

AI agent／agentic AI 的價值，是把 AI 從「回答問題」推向「使用工具完成工作」。^[1][5] 但正因為它可以採取行動，2025 年更應把它當成受控操作層，而不是無限制的自動化員工。

先從一個低風險、可覆核、可回滾的流程開始，量度自己的數據，再決定是否擴大。這比直接相信任何通用 ROI 數字更實際，也更符合目前公開安全與透明度證據所支持的程度。^[2][3]