AI Agent vs Workflow Automation：公司應該先做哪一種？
很多公司都說想做 AI Agent，但第一個真正有用的系統，往往是 workflow automation。兩者分別重要，因為 agent 會加入判斷、不確定性和 governance 需要。Automation 則是移除重複步驟。公司應按流程選擇，而不是按 buzzword 選擇。
由痛苦 workflow 開始
正確起點不是「我們需要 AI」。正確起點是一個浪費時間、拖慢客戶、容易出錯，或需要 senior person 重複作相同判斷的 workflow。例如 lead qualification、quote preparation、invoice follow-up、support triage、reporting、approval routing 和 customer onboarding。
用普通文字寫下現有流程：誰開始工作？需要什麼資料？會碰到哪些系統？工作在哪裏等待？哪些決策永遠一樣，哪些決策需要判斷？這張 map 會告訴你應該先做 automation 還是 agent。
規則穩定時，用普通 automation
如果 workflow 跟清晰規則走，先做 automation。表格提交可以建立 CRM record、通知團隊、寄 confirmation email 和新增 task。Invoice 可以觸發 reminders。Status change 可以更新 dashboard。這些都不需要 agent。
普通 automation 更容易測試，營運成本較低，亦更容易令員工信任，因為行為可預期。對很多公司來說，這是回報最高的第一步。
工作包含語言時，用 AI assistance
AI assistance 適合處理閱讀、總結、重寫、分類或草擬。例如 AI assistant 可以總結客戶 request、draft reply、分類 support ticket、從混亂 message 抽取欄位，或重寫 proposal section。
在這個階段，AI 通常應該 suggest，而不是直接 act。人可以 approve draft、修改分類，或確認抽取欄位。這可以加速工作，同時不會太早給系統過多 autonomy。
系統需要跨工具判斷和行動時，才用 AI Agent
當系統需要選擇步驟、call tools、檢查結果，並決定下一步時，AI Agent 才開始有用。例如 agent 可能查 customer record、檢查 inventory、建立 support task、draft reply，然後在發送前要求人工 approve。
額外 autonomy 會帶來額外責任。你需要 guardrails、logs、permissions、fallback states、cost controls 和 evaluation。如果 workflow 不值得加這些控制，較簡單的 automation 通常更好。
一個實用 decision framework
問四個問題。第一，規則是否穩定？如果是，先 automate rules。第二，工作是否涉及混亂文字或文件？如果是，加入 AI assistance。第三，系統是否需要跨多個 tools 行動？如果是，考慮 agent。第四，錯誤 action 會否造成財務、法律、私隱或客戶信任風險？如果會，在 autonomy 前加入 human approval 和 logging。
這個 framework 可以令 project 保持貼地。它避免你為本來只需要 form、webhook 和 dashboard 的流程，做一個看似厲害的 agent。它亦避免你低估那些每天需要員工在分散工具之間重複判斷的 workflow。
第一版應圍繞 approval 構建
商業使用上，最安全的第一個 agent 很少是 fully autonomous。它應該 prepare work、展示 reasoning、要求 approval，並記錄發生了什麼。這樣團隊可以加速，同時保留控制。
當系統有真實使用歷史後，你才決定哪些 actions 可以完全自動化。Autonomy 應由證據換取，而不是因為 demo 看起來好就直接給。