AI Agent 是最近科技圈最熱門的關鍵字之一。許多討論都集中在一個很大的問題：AI 會不會取代白領工作？企業是不是很快就會全面自動化？
但如果把問題問得更務實一點，其實更值得思考的是另一件事：
AI Agent 會先在哪些工作真正落地？
a16z（Andreessen Horowitz）General Partner Anish Acharya 在討論 AI Agent 與 AI automation 時提出一個非常實用的判斷框架。他認為 AI Agent 最容易改變的任務，其實不是最複雜的工作，而是那些高摩擦、低判斷的任務。
換句話說，就是那些很麻煩、很耗時間，但其實不太需要主觀判斷的事情。
為什麼 AI Agent 會先取代「高摩擦、低判斷」的工作
Anish Acharya 在 a16z 的討論中舉了一個例子：貸款再融資（loan refinancing）。
這個流程通常需要：
- 蒐集大量資料
- 比較不同利率
- 填寫多份申請
- 與金融機構溝通
整個流程非常繁瑣，但對大多數使用者來說，真正關心的其實只有一件事：
能不能拿到更低的利率？
流程本身並不重要，只要結果正確就好。
這類任務正是典型的：高摩擦（High Friction）＆低判斷（Low Judgement）。
因此它們非常適合被 AI Agent 自動化。
AI Agent 最容易落地的企業流程
如果觀察企業日常運作，你會發現很多工作並不是困難，而是「碎」。
例如：
- 資料輸入
- 文件整理
- 跨系統搬運資訊
- 報表整理
這些工作對企業來說很重要，但它們通常具有以下特徵：
- 步驟多
- 高度重複
- 容易出錯
- 消耗人力
過去企業嘗試用 RPA（Robotic Process Automation） 解決這些問題，但 RPA 的最大限制是流程一旦改變就容易失效，因此導入成本很高。
AI Agent 的不同之處在於，它們可以理解非結構化資料，並在流程中做一定程度的判斷。
例如：
- 整理 email
- 讀取文件
- 填寫表單
- 跨系統整合資料
因此 AI Agent 最可能先落地的地方通常包括：
- 客服流程
- 文件處理
- 內部營運流程
換句話說，AI Agent 最先改變的，不一定是最專業的工作，而是企業裡那些最繁瑣的流程。
哪些工作短期內仍然離不開人
如果說 AI Agent 有明確的優勢場景，那也有另一類任務短期內不容易被完全自動化。
a16z 的觀點是：當一個任務沒有明確的正確答案，或者需要大量人類複雜判斷時，就不適合直接追求全自動化。
這類任務通常包括三種。
高風險判斷
例如：
- 稅務規劃
- 法務決策
- 信用審查
- 醫療判斷
這些工作涉及法律責任與風險承擔，因此 AI Agent 可以提供輔助分析，但不太可能完全取代人類決策。
高模糊決策
例如：
- 商業策略
- 產品定位
- 定價策略
- 市場進入策略
這些問題通常沒有唯一答案，而是需要在不完整資訊下做判斷。
高情境互動
例如：
- 複雜銷售
- 客戶關係管理
- 跨部門協作
這些任務涉及情境理解與人際互動，很難完全標準化。
因此在多數企業流程中，更現實的模式不是完全自動化，而是 AI Agent + Human in the Loop。
AI Agent 時代，真正稀缺的能力是「知道 AI 應該用在哪裡」
AI Agent 很擅長執行任務，但不一定擅長定義問題。
Anish Acharya 曾提到，PM的核心工作其實是 addressing ambiguity ——也就是處理模糊、不確定與跨部門協作的問題。
現實世界的企業、組織、人際互動，本來就充滿不確定性。
這也是為什麼很多企業導入 AI Agent 工具後仍然卡住。
問題往往不是技術不夠，而是問題定義錯了。
企業真正需要回答的通常是：
- 哪些流程適合 AI Agent 自動化
- 哪些任務仍需要人判斷
- 哪些 workflow 應該重新設計
AI-native workflow：AI Agent 真正的機會
很多企業導入 AI Agent 的方式是，在既有 SaaS 工具上加一個 AI assistant。
但 a16z 提出另一個重要觀點：AI-native workflow。
AI 的機會不只是讓舊流程更快，而是讓企業重新設計整個 workflow。
例如一條流程原本需要：
- 3 個人
- 5 個工具
- 2 天時間
透過 AI Agent workflow 重新設計後，可能只需要 30 分鐘。
真正的價值往往不在工具本身，而在於工作流設計。
AI Agent 會取代內容與行銷工作嗎？
AI 也正在改變內容產業。
Anish Acharya 指出，大型語言模型本質上像 averaging machines。它們擅長生成合理內容，但不一定能創造真正有差異的內容。
因此未來內容工作很可能會分成兩種。
第一種是低差異內容：
- FAQ
- 基礎說明文
- 標準 SEO 文章
這些內容會越來越多由 AI Agent 生成。
第二種是高判斷內容：
- 品牌敘事
- 行銷策略
- 觀點內容
這些內容仍然需要人主導。
對企業來說，真正重要的不是產生更多內容，而是建立一套能把內容轉化為商機的內容策略。
給台灣新創的 6 個可執行清單：如何開始導入 AI Agent
如果你的公司正在思考 AI Agent 或 AI automation，可以先從以下幾個步驟開始，而不是一開始就追求全面自動化。
1. 找出公司最「高摩擦」的流程
導入 AI Agent 的第一步，不是找工具，而是找問題。
先盤點公司目前最耗時間的三個流程，例如：
- 文件整理
- 客服回覆
- 資料搬運
- 申請流程
這些通常是 AI Agent 最容易產生 ROI 的地方。
2. 分辨「摩擦問題」還是「判斷問題」
不是所有流程都適合 AI Agent。
如果一個流程主要是重複操作，例如整理資料或填表單，那通常適合自動化。
但如果流程涉及：
- 商業策略
- 風險評估
- 市場判斷
那問題往往不是工具，而是決策本身還不清楚。
3. 不要一開始就追求 full automation
許多成功案例其實都是：
AI Agent + Human in the Loop
讓 AI Agent 處理重複任務，人類負責最後判斷，通常會比完全自動化更安全也更實際。
4. 重新設計 workflow，而不是只導入 AI 工具
很多企業導入 AI Agent 後效果不佳，是因為只是把 AI 接到舊流程。
真正有效的做法是：
重新設計整個 workflow。
例如：
- AI Agent 處理資料整理
- 人類負責決策與例外處理
5. 建立能帶來商機的內容系統
在內容與行銷領域，AI Agent 可以大幅降低內容生產成本。
但企業真正需要的不是更多內容，而是能帶來客戶與商機的內容策略。
例如：
- SEO 內容
- 觀點文章
- 品牌敘事
- 轉換 funnel
6. 高摩擦又高判斷的任務，先找專業協作
有些任務同時具有：
- 高摩擦
- 高判斷
例如：
- 商業規劃
- 市場策略
- 品牌內容
- 補助申請
這類工作通常不適合直接用 AI Agent 自動化，而是需要先把問題定義清楚，再決定哪些部分可以交給 AI。
結論
AI Agent 第一波真正改變的，不會是最複雜的工作。
而是那些每天都在做，但其實不值得一直用人力硬撐的流程。
從 a16z 的觀點來看，AI Agent 最容易落地的場景通常具有一個共同特徵：高摩擦、低判斷。也就是流程繁瑣、步驟多，但不需要大量主觀決策的任務，例如文件處理、客服流程或資料整理。
相反地，當一個任務同時具有高摩擦與高判斷——例如商業策略、品牌內容策略、或補助申請——企業真正需要的往往不是更多 AI 工具，而是先釐清問題本身，再決定哪些部分適合交給 AI Agent。
對企業而言，導入 AI Agent 的關鍵並不只是技術，而是三件事情：
- 找到真正高摩擦的流程
- 分辨哪些問題需要判斷
- 重新設計 workflow
AI Agent 可以放大效率，但前提是你知道它應該被放在哪裡。
延伸閱讀
參考來源
Andreessen Horowitz
https://a16z.com
Anish Acharya – The a16z Show
https://a16z.com/podcasts
