代理型AI一年後：來自實踐者的六大教訓
麥肯錫公司（McKinsey & Company）於2025年9月12日發表了一篇〈代理型人工智慧的一年：來自實踐者的六大教訓〉（One Year of Agentic AI: Six Lessons from the People Doing the Work）[1]的文章。
內容提到，過去一年，代理型AI（Agentic AI） 在企業界掀起新一波革命。從客服自動化到內部知識助理；從軟體開發到策略分析，各類「具行動能力的AI」開始在真實商業環境中試行。這些系統不僅能生成內容，還能執行任務、呼叫工具、完成指令，甚至在多步驟流程中自行判斷與修正。
然而，根據麥肯錫（McKinsey & Company）在超過50個專案的觀察中，技術只是開端，成功與否取決於人類與流程如何重構。該研究團隊總結出六項企業在導入代理型AI時最值得學習的教訓。
一、焦點不在「AI 代理（Agent）」本身，而在工作流程（Workflow）的再設計
許多企業一開始將注意力放在開發「功能強大的Agent」上，但往往忽略整體工作流程的設計。若只是把AI加入舊流程中，價值很難釋放。
真正的關鍵在於，重新定義人與AI的分工，設計協作節點與反饋機制。成功的團隊通常會重構整個任務鏈，讓AI自動完成重複步驟、人類專注於創意與決策。這種流程導向思維，比追求單一模型精度更能帶來實質的效益。
二、在多步驟流程中，用對技術、放對位置
代理型AI並非萬能丹。麥肯錫建議企業在導入前應審視流程的每一個環節，選擇最合適的技術堆疊（Tech Stack）。
有些任務適合傳統自動化（Automation），有些則需結合機器學習（Machine Learning）或規則引擎（Rules Engine）；只有在需要跨步驟推理與任務協調時，代理型AI才能發揮優勢。這樣的策略可避免「技術過度使用」和資源浪費。
三、導入只是開始，必須建立持續監測與優化機制
許多公司在導入初期看到成果，但隨著時間推進，效果逐漸下降。根本原因在於缺乏監測與評估機制。
該文章強調要持續追蹤指標，如輸出品質、錯誤率、使用者滿意度與業務回報（ROI）。若缺乏這些反饋，AI容易陷入「AI垃圾」（AI Slop），產出大量低品質結果、降低信任與採用率。
因此，企業需建立持續學習迴圈，讓Agent根據實際表現不斷調整Prompt、模型與資料。
四、確保每一步皆可觀察（Observability）與可驗證（Verifiability）
隨著AI在任務鏈中擔任更多角色，企業必須確保整個流程具有可追蹤性。若中間步驟不透明，任何錯誤都難以定位。
麥肯錫建議為每個Agen建立記錄與監測系統，讓開發者與使用者都能查看AI的行為軌跡，並在偏離預期時迅速調整。這樣的透明性（Transparency）與可驗證性（Verifiability）是AI信任與治理的基礎。
五、重用資產（Reuse）比各自為政更具效率
許多企業部門各自打造代理，導致重工與浪費。該文章建議，應建立共享的應用程式模板、可重複使用程式碼、模組化元件（Reusable Components／Modules），以及跨部門可重用的工具庫（Tool Library）。
這不僅能縮短開發周期30%至50%，也能確保品質一致。當代理架構採用平台化設計時，AI生態系的複利效應才會顯現。
六、人類仍不可或缺，但角色正在轉變
最終的教訓是，代理型AI不是取代人類，而是改變人類的工作方式。
在成功的實踐案例中，人類從執行者轉為監督者與判斷者，確保AI的決策合乎倫理與商業邏輯。這種「人機協作」（Human-Agent Collaboration）模式讓AI能在高風險任務中安全運作，也讓人類有更多空間進行創造性工作。
最後，麥肯錫的團隊總結道：代理型AI的力量，不在於它有多聰明，而在於它如何被整合進整個組織系統。唯有從工作流程設計、技術選擇、監控機制、可觀察性、資產重用與人機協作等面向同時優化，企業才能讓AI從「概念驗證」走向「價值創造」。
這一年，麥肯錫學到的最大教訓是：AI不再只是工具，而是一種需要被設計、監督與信任的新型同事。
作者：羅凱揚（台科大企管系兼任助理教授）、鍾皓軒（臺灣行銷研究有限公司創辦人）
資料來源：Yee, L., Chui, M., Roberts, R., & Xu, S. (2025, September 12). One year of agentic AI: Six lessons from the people doing the work. McKinsey & Company.
[1]資料來源：Yee, L., Chui, M., Roberts, R., & Xu, S. (2025, September 12). One year of agentic AI: Six lessons from the people doing the work. McKinsey & Company.