假設一家台中的精密加工廠，老闆看完 AI agent 的展示，隔天列了八件想做的事：自動報價、詢價資料彙整、客服品質異常單、生產異常警示、業務會前簡報、產品規格問答、月報、請款對帳。會議開了兩次，每一件都有人說最重要，最後還是沒決定從哪裡開始。
這種卡住很常見。清單上的事情大小、風險、資料條件差很多，放在一起比「哪個最重要」永遠比不完。第一個流程的任務，是證明 agent 在你的公司能穩定做完一件事，最大的問題可以留到第二輪。
這篇給你一套挑法：先排除根本不需要 agent 的流程，再用四個條件替剩下的候選打分。如果你還不確定 agent 和一般自動化、聊天機器人差在哪，可以先看 AI agent 和聊天機器人、RPA 的差別。
先排除不需要 agent 的流程
agent 的成本比一般程式高：要設計工具、寫指示、測試、設權限，執行時也比較慢。所以第一步是把用不到它的流程先拿掉。
Microsoft 的 AI agent 導入指南給了兩個很實用的排除問題。第一，步驟清楚、可重複、照嚴格規則走的工作，用一般程式或傳統模型就好，更快、更便宜，也更穩定。第二，只是從一批固定文件裡回答問題或做摘要，用檢索增強生成（RAG）的做法就夠，不需要會自己選工具、跑多步驟的 agent。
Anthropic 在整理 agent 設計經驗時也講了同一件事：先找最簡單的解法，真的需要時才增加複雜度；很多應用只要單次模型呼叫加上檢索和範例，就已經足夠。
套回那家加工廠：
- 月報：欄位固定、資料來源固定，每月照同樣步驟產出。排程加報表範本就能做，n8n 或 Zapier 這類工具的取捨可以看 n8n 與 Zapier 怎麼選。
- 產品規格問答：業務想快速查某個材質的公差範圍，答案都在既有的規格書裡。這是知識庫檢索的題目。
- 請款對帳：規則明確、金額敏感，一般自動化加人工複核比較合適。
八件事刪掉三件，剩下五件才進下一步。
agent 擅長的是哪一種工作
OpenAI 在 agent 實作指南裡建議，優先看過去一直自動化不起來的流程，特別是三種：需要細緻判斷與處理例外的決策、規則多到難以維護的系統，以及大量依賴非結構化資料的工作，例如讀信件、讀文件、和人對話。
Microsoft 的說法可以互相補充：當任務需要一路做多個決策、要在多個工具或系統之間切換，或者輸入常常不完整、需要理解意圖時，agent 才明顯比固定流程好用。
這些描述換成工廠裡的例子，就是客服收到的品質異常回報。客戶來信寫「上週那批鋁件孔徑好像不對」，要有人讀信、找出是哪張訂單、調出檢驗紀錄、比對批次與機台，再開一張異常單。每封信寫法不同，要查的系統有三四個，中間還要判斷資料夠不夠。同時需要讀懂內容、跨系統查資料、做判斷的流程，才是 agent 的主場。
業務會前簡報是另一種典型。業務明天要拜訪客戶，agent 從 CRM 找出過去的往來紀錄、最近三封信和上一次的報價，整理成一頁重點。資料散在三個地方，每個客戶要看的東西也不一樣，固定範本很難做好；但這份簡報只給業務自己看，出錯的代價很低。
四個條件，挑第一個流程
排除完之後，剩下的候選用下面四個條件檢查。四個都成立，才適合當第一個流程。
1. 量夠多，而且每週重複
一個月只發生兩次的流程，試行三個月也累積不到足夠的案例，很難判斷 agent 做得好不好。量夠多，才能在短時間內看到穩定的結果，也才有省下時間的空間。挑之前先記下現在每週大約幾件、每件花多久，這就是之後比較的基準。
2. 需要判斷，但規則講得出來
agent 做判斷時，依據是你給它的指示和資料。OpenAI 建議直接用既有的作業程序、客服話術或政策文件，改寫成 agent 能照著做的步驟。如果流程裡的判斷全靠某位資深同事的直覺，連他自己都講不清楚標準，agent 也學不起來。先請負責的人把判斷標準說出來，說得出來的流程才交得出去。
有個簡單的測法：拿五張上個月處理過的舊單，請負責的同事一張一張講為什麼這樣處理。五張都講得出理由，而且理由大致一致，這個流程就有機會寫成指示；講到第三張開始出現「這個要看情況」「我也說不上來」，就先把標準整理清楚再說。
3. 出錯時攔得住，或改得回來
第一個流程最好產出的是草稿、摘要或待確認的單據，由人看過再送出。OpenAI 建議把敏感、不可逆或高風險的動作，例如取消訂單、核准大額退款、付款，放在人工監督之下，直到確認 agent 可靠。Anthropic 也建議先在沙盒環境裡充分測試、設好防護。權限怎麼分級，可以看 AI agent 的權限與人工確認怎麼設。
4. 需要的資料與系統拿得到
agent 要查訂單，訂單系統就要能被存取；要讀檢驗紀錄，紀錄就不能只存在某台電腦的 Excel 裡。Microsoft 把「和既有系統與資料存取方式的契合度」列為技術可行性的評估項目。資料要整理到什麼程度，企業知識庫要整理到什麼程度有更完整的說明。
用評分表比一比
四個條件各給 1 到 3 分，加總比較。下表是那家加工廠的假設評分，分數是示範，你的公司要用自己的情況重打。
| 候選流程 | 量與重複 | 判斷講得出來 | 出錯攔得住 | 資料拿得到 | 合計 |
|---|---|---|---|---|---|
| 客服品質異常單整理 | 3 | 3 | 3（產出草稿，品保確認後開單） | 2（訂單與檢驗紀錄在系統，機台紀錄要補） | 11 |
| CNC 詢價資料彙整 | 3 | 2 | 3（整理成清單，業務決定回覆） | 2 | 10 |
| 業務會前簡報 | 2 | 3 | 3（業務自己會看） | 2 | 10 |
| 生產異常警示 | 3 | 2 | 2（通知延遲會影響交期） | 1（設備資料尚未接出） | 8 |
| 自動報價 | 3 | 1 | 1（價格一報出去就是承諾） | 1（材料成本散在多處） | 6 |
四個條件像四個不同狀態的育苗箱，先從條件最齊的那一箱開始。
自動報價常常是老闆最想做的一項，分數卻最低。最想做的流程，常常最不適合當第一個。它的判斷規則最模糊，錯了直接變成對客戶的價格承諾，材料成本的資料又分散。這類流程適合放在第二輪或第三輪，等團隊已經知道怎麼管 agent 之後再挑戰。
Microsoft 的評分方式是用 1 到 5 分看商業影響、技術可行性和使用者意願三個面向。我建議第一次先用上面四個條件篩，因為它們都能在一次會議裡由流程負責人回答；篩出前兩三名之後，再用 Microsoft 的三個面向確認有沒有主管支持、使用者願不願意用。
用異常單走一遍：agent 做什麼、人做什麼
分數最高的是客服品質異常單。把它拆開來看，會更清楚為什麼它適合當第一個流程。
假設客戶來信：「上週收到的那批鋁件，有幾件孔徑好像偏大，麻煩確認。」流程可以這樣分工：
| 步驟 | 誰來做 | 用到的資料或系統 |
|---|---|---|
| 讀信，判斷是品質問題還是一般詢問 | agent | 客服信箱 |
| 從客戶名稱與「上週」「鋁件」找出可能的訂單 | agent | 訂單系統 |
| 調出該批的檢驗紀錄，比對批次與機台 | agent | 檢驗紀錄、生產紀錄 |
| 找不到對應訂單或資料不一致時，列出疑點 | agent | — |
| 草擬異常單與回覆客戶的信 | agent | 異常單範本 |
| 確認內容、開單、寄出回覆 | 品保人員 | 異常單系統、信箱 |
agent 負責的是原本最花時間的查找與整理，最後會對外承諾的動作仍由人完成。就算 agent 找錯訂單，品保人員在確認時就會看到，錯誤不會流到客戶那裡。產出先停在草稿，是第一個流程最重要的安全設計。
這張表也順便回答了第四個條件：表上每一個系統，都要確認 agent 讀得到。如果機台紀錄只存在現場的紙本報表，那一格就要先處理，或是第一版先不做機台比對。
選完之後，先定三件事
挑出第一個流程，還不急著開發。先把下面三件事寫下來：
- 現在的基準：這個流程每週幾件、每件花多久、多常出錯。Microsoft 建議在開發前就定好要改善的指標，並記下現況。沒有基準，三個月後誰都說不清楚 agent 到底有沒有幫上忙。
- 繼續或停止的門檻：試行多久、達到什麼結果就擴大、沒達到就停。Microsoft 把業務指標當成每個階段的決策關卡，試行結果不如預期就暫停重新評估。
- 最難的那一步先試：Microsoft 建議試行時先挑最難的步驟。以異常單為例，最難的通常是從客戶模糊的描述找到對應訂單，這一步做得到，其他步驟就比較放心。
驗收標準怎麼訂、要看哪些數字，可以接著看 AI agent 專案怎麼驗收。
這套條件的限制
四個條件是用來排順序的編輯判斷，算不出投資報酬率。量很少但每次出錯代價很高的流程，例如年度稽核資料彙整，也可能值得做，只是不適合當第一個。
另外兩件事評分表看不到。一是速度與成本：Anthropic 提醒，agent 系統常用較高的延遲和成本換取更好的表現，需要即時回應的流程要先確認等得起。二是人：Microsoft 把使用者意願列為獨立的評估面向，第一個流程最好交給願意試、會回報問題的團隊。
流程本身也會變。系統換了、負責人換了、客戶的來信方式變了，原本的分數就要重打一次。我建議每季回頭看一次候選清單，第二個流程常常就是在這時候浮現的。
如果你的公司連流程盤點都還沒做過，可以先看 南部中小企業 AI 導入怎麼評估裡的盤點步驟，再回來用這四個條件篩。
接下來可以看什麼
選定第一個流程之後，接下來的問題通常依序是權限、資料和由誰來做。例如異常單流程，要先決定 agent 能不能直接開單，再確認檢驗紀錄的哪些欄位要整理，最後才是自建或委外。
- 權限、人工確認與稽核紀錄：AI agent 的權限與人工確認怎麼設
- 資料要準備到什麼程度：企業知識庫要整理到什麼程度
- 自己做、買平台還是找人做：企業 AI agent 自建、用平台還是委外
- 第一個流程選了客服：AI 客服怎麼導入
需要有人陪你挑第一個流程
我們的企業 AI 營運方案從需求診斷開始：前線工程團隊會到現場了解作業細節，協助梳理資料現況，挑出最適合先切入的關鍵流程，再進行系統串接、驗證上線與持續維護。如果你手上也有一張這樣的清單，可以帶著它來聊。
常見問題
第一個流程要挑最痛的，還是最容易的？
我建議挑四個條件都成立、而且團隊有感的那一個。最痛的流程常常規則最亂、風險最高，第一次就挑戰它，失敗的機率也高。先用一個做得起來的流程建立信心和管理方法，再處理最痛的問題。
量很少的流程，值得交給 agent 嗎？
可以，但不適合當第一個。量少時，試行期間累積不到足夠案例，很難判斷表現穩不穩定。等第一個流程上線、團隊知道怎麼測試和監控之後，再評估低量但高價值的流程。
流程還沒有 SOP，可以先交給 agent 嗎？
先把判斷標準寫下來比較實際。OpenAI 建議用既有的作業程序或政策文件改寫成 agent 的指示；沒有文件時，就請負責的同事口述一次，整理成步驟。寫的過程常常會發現流程本身就有需要先釐清的地方。
可以一次挑兩三個流程同時做嗎？
資源夠的話可以，但我建議第一輪只做一個。同時做多個流程，問題出在哪裡比較難分辨，團隊也要同時學習多套人工確認方式。第一個穩定之後，第二、第三個通常會快很多。
評分應該找誰一起打？
至少找三種人：實際執行流程的同事、這個流程的主管，以及管系統與資料的人。執行的人知道量和例外，主管知道出錯的代價，管系統的人知道資料拿不拿得到。