從自動化到行動化：代理型AI（Agentic AI）時代的工作流程重構

在麥肯錫公司（McKinsey & Company）的報告〈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）中，有一張名為「複雜工作流程應為每項任務選擇最合適的工具」（Complex workflows should incorporate the best tool for each task）的圖，生動描繪了人工智慧技術在企業運作中的分工層級。

這張圖不只是技術分類，更是一張AI演進的「能力地圖」：從規則式系統（Rules-based System），到分析型AI（Analytical AI）、生成式AI（Generative AI），再到代理型AI（Agentic AI），呈現了企業如何一步步從機械操作邁向智慧決策。

一、AI分層：四個階段的任務分工

橫軸代表一個典型的調查或審查流程：從「接案與分流」（Intake and Triage）到「規劃」（Planning）、「證據審查與決策」（Evidence Review and Decisioning），最終「結案」（Closure）。

縱軸則是四種技術層級：從最底層的規則式系統，到分析式AI、生成式AI，再到最高層的代理型AI，依序展現不同的智慧深度與任務範疇。這樣的結構強調AI不是單一工具，而是一個多層互補的生態系。

二、規則式系統：自動化的起點

最底層的規則式系統，例如：機器流程自動化（Robotic Process Automation），負責固定程序與重複性任務。如圖中所示，它能完成「分派工單」（Route tickets）或「傳送資料請求」（Send data requests）等動作。這一層的重點是效率與一致性，是企業數位化的起點，但仍屬於「被動執行」的階段。

三、分析型 AI：讓資料說話

往上一層是分析型AI（Analytical AI），能根據歷史資料進行風險評估與異常偵測，例如「評估議題風險」（Score risk of each issue）與「偵測異常」（Detect anomalies）。它不再只是執行，而是能理解資料並指出問題。這層AI讓人類能以更快的速度做出判斷，是「自動化」邁向「智慧化」的關鍵橋樑。

四、生成式AI：知識的內容引擎

第三層的生成式AI（Generative AI, Gen AI）開始進行語言層面的知識創造。它能「摘要事件描述」（Summarize incident descriptions）、「撰寫補充問題並搜尋歷史類比」（Draft supplemental questions and retrieve historical analogs），甚至「生成報告摘要」（Draft summaries）。這使企業能快速生產文件、報告與溝通素材，極大提升了知識工作者的產能。

五、代理型 AI：主動協調與決策建議

最頂層的代理型AI（Agentic AI）則具備「行動」與「規劃」的能力。它能「生成工作計畫」（Generate work plans），甚至「整合結果並提出建議」（Synthesize findings and recommend outcomes）。這代表AI不再只是回應人類命令，而是能理解目標、拆解任務、整合資訊，主動協助決策。這正是AI進入「自主協作」時代的重要轉折。

六、AI 的價值在於協同，而非單一技術

這張圖的核心訊息，強調在多步驟流程中，要用對技術。每一層AI各有其專長與侷限，若試圖讓單一AI包辦所有任務，反而會造成效率下降。真正的智慧，來自讓每種技術在最適合的位置發揮最大價值：規則式AI打基礎、分析型AI發現問題、生成式AI表達內容、代理型AI協調全局。

最後，這張圖不僅是AI的分層示意，更是人機協作（Human-Agent Collaboration）的新藍圖。它提醒我們，AI不會單獨取代人類，而是與人類共同重構流程。在此系統中，人類提供判斷與倫理框架，AI提供速度與深度。當我們能善用這四種AI層級，將能真正打造出從「自動化」走向「協同化」的未來工作體系。

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.