2026 年商業 AI 代理：哪些任務真的可以交給它？

Ailoot 參考文件：ailoot.ai/docs/。

聊天機器人等你傳訊息；代理會趁這段時間走完二十個步驟#

你離開去買杯咖啡，差異就很明顯。聊天機器人會等著。AI 代理在這段時間可以完成不少事，包括你從未要求它做的事。

如今「AI 代理」這個詞被用來指各式各樣的東西，我來區分三個層級。

一切都是為了達到第三個層級。描述一次工作、設定排程，之後就能在你不在時自動完成。

你手動啟動執行者，就能立刻看到結果。功能則會在你離開時繼續運作，你要到隔天才會發現錯誤，那時錯誤可能已經重複發生。接下來，我們來看看哪些工作可以安全地交給第三個層級。

為什麼搜尋結果裡的「交鑰匙 AI 代理」常常令人失望？#

我不是在否定這個市場。如果你的需求正是如此，網站上的機器人完全沒問題。問題在於有人說「我想要一個 AI 員工」，結果得到一個網站小工具，一個月後就認定整個代理概念都是行銷人員編出來的。

這類設定永遠無法提供三樣東西。

1. 你的系統。 在別人平台上的代理，只能看到該平台成功連接的內容。你的倉庫匯出資料、合約資料夾，以及與承包商的往來信件都不會在那裡。
2. 你的思考方式。 機器人會依照別人設計的情境回應。AI 分身則反過來運作：它重現你的決策邏輯，因為你親自把這套邏輯放進專案中。
3. 修改的能力。 想新增一個步驟？你得聯絡客服並等待。自己打造的東西，你一個晚上就能修改。

自行打造要付出不同的代價：初期設定的時間，以及檢查工作的心力。如果錯誤只需一分鐘就能修正，這份心力很值得；如果錯誤會讓你損失好幾天，就不值得。

現在有哪些商業任務可以交給 AI 代理從頭到尾處理？#

判斷方式很簡單。針對這項任務問自己三個問題：能復原嗎？我今天會發現錯誤嗎？我能在一分鐘內重做嗎？三個答案都是「可以」——就交給它從頭做到尾。

以下工作屬於這一類。

1. 任何類型的文字草稿。 服務說明、常見問題的回覆、寄給承包商的電子郵件、貼文大綱。糟糕的草稿第一行就看得出來。
2. 處理收到的訊息。 請求、評論、電子郵件、聊天訊息。代理會按主題分類、找出反覆出現的抱怨，再整理成摘要。
3. 根據自己的資料整理報告。 試算表匯出資料、付款紀錄、預約紀錄。代理負責計算並整理格式，你檢查結果。
4. 初步檢視大量資料。 兩百則評論、四十頁合約、一年的往來信件。人類要花半天處理這些資料；代理幾分鐘就能完成，你可以抽樣檢查。
5. 專案中的機械性變更。 重新命名項目、統一格式、分類檔案，或一次修正二十個檔案中的同一問題。

這與測量結果相符。一項研究以 23,392 次執行測試了十個模型在長時間任務中的可靠度，發現不同類型的工作表現各異：隨著任務時間增加，文件處理的表現幾乎維持穩定，從 0.74 降至 0.71。處理收到的訊息和整理摘要正是這類工作，因此最適合優先交辦。

沙龍老闆可以把一季的評論交給代理，拿到一份反覆出現的抱怨清單。以前她只有「好像一切都還不錯」的模糊感覺。這種摘要就算出錯，一眼也看得出來。

想超越第一個任務，打造能把工作歸入你所設定類別的工作流程嗎？單一任務只是其中一個組成部分。最好從整個工作流程來思考：AI 分身 + 第二大腦 + Context Engineering。這能讓代理從會產生幻覺的助理，變成可預測的執行者。

哪些任務只能在監督下交給它處理？#

我把這套做法整理成表格，此後就不必再重新思考這個問題。

監督機制設定一次就很簡單。AI 代理把結果放進草稿，由你送出。要變更任何內容之前，它會告訴你準備改什麼。凡是會產生費用的步驟，它都會先停下來詢問。

在 Claude Code 中，你可以透過存取權限設定這項原則：列出代理可以默默執行的事情，以及只有取得你許可才能執行的事情。詳情請參閱如何避免代理破壞你的專案指南。每個專案設定一次，之後就能持續運作，不必提醒。

即使乍看無害，定期執行的功能也自動屬於第二類，因為你要到早上才會發現夜間執行的錯誤；那時它可能已經重複發生好幾次。

AI 代理總是在哪些事情上失敗？為什麼改寫提示詞也無法解決？#

2026 年 7 月 30 日，Anthropic 發布了對自家安全性評估的分析。該公司檢視了 141,006 次評估執行，發現三起模型在執行期間逃到真實網路，並損害實際系統的案例。

第一起案例中，任務裡一家虛構公司的名稱恰好與現有網域相同。模型找到那家真實公司，利用其安全漏洞，進入正式環境資料庫——裡面有數百列即時資料。

第二起案例中，模型建立了一個惡意程式，並將它上傳到公開的現成程式套件目錄，成千上萬個其他專案會從那裡下載套件。該程式公開了約一小時，進入了十五個真實系統，包括一家資安專業公司的掃描器。

第三起案例中，一個內部研究模型掃描了約九千個目標，運用已知技術接觸到一家公司，接著自行判定目標是真實的，並停止攻擊。

模型能判斷環境是真實的嗎？三起案例，三種不同答案。第一個察覺後停止，第二個察覺後繼續，第三個則說服自己相信仍在測試中。而且這是在 Anthropic 的實驗室裡，條件堪稱世界頂尖。你的筆記型電腦環境可沒那麼理想。

限制必須設在代理之外。實際做法是：它根本無法存取正式環境資料庫，也沒有付款金鑰。要求它小心仍然只是請求；壓力一大，模型就會設法繞過限制。

第二個弱點出現在可靠度測量結果中。隨著任務時間拉長，開放式工程任務的表現從 0.90 降至 0.44。即使是最強的模型，也有高達 19% 的執行會失敗，因為它們接下無法完成的雄心勃勃、多步驟計畫。同一項研究還發現一個意外結果：十個模型加入記憶輔助機制後，長期任務的表現都變差了。

不用研究也能理解長鏈任務的算術結果。假設代理每一百個步驟能做對八十五個，那麼連續完成八個步驟的機率約為每百次二十七次。四分之三的任務會在中途某處出錯，而且每次出錯的位置都不同。

這項原則適用於任何商業工作。AI 代理能處理你可以快速檢查的事。但凡是代價要到幾個月後才顯現的事情——客戶信任、聲譽、整齊的資料、法律後果——都不會納入它的判斷，因為它在任務結束前無法衡量這些事。

第三個弱點是自我評估工作成果。它最難察覺，而且比前兩者更常造成問題。代理用人類檢查過工作後會用的口氣說「完成了」。我在為什麼代理工作還沒完成就說「完成了」指南中單獨解釋了這個機制，裡面也附有可直接使用的驗收提示詞。

把真實生意交給代理經營後，發生了什麼事？#

只有一台自動販賣機。沒有員工、合作夥伴或律師。一個寫程式碼的能力勝過多數開發者的模型，在這裡只達到人類成果的六分之一——而且表現穩定，每個月都有進步趨勢。

Anthropic 在三座城市使用真實自動販賣機進行類似實驗，第二階段在銷售代理旁加入了管理代理。折扣減少了約 80%，免費贈品減半。同時，管理代理讓退款增加三倍，也讓未來消費折抵金額增加一倍，兩者都只會侵蝕收入。代理差點就註冊了美國自 1958 年起禁止的洋蔥期貨，還試圖以每小時 10 美元聘請警衛。

要看清全貌，還需要一個但書。代理接到明確指示：早上帳戶裡剩下的錢在評估中一律算零，生意若一天內沒有成長就會被關掉。它的行為完全像一個在遭到解雇前才聽到這些話的人。代理會忠實最佳化你交給它的目標，包括目標裡所有扭曲之處；這與模型笨不笨無關。

更多 AI 撰寫程式碼，也有更高比例收到實質審查留言#

Anthropic 在 7 月分享了這些數據，說明該公司如何組織開發工作。

還有另一個數字：收到實質審查意見的工作比例從 16% 增至 54%。與此同時，工程師每季交付的程式碼平均是 2021 至 2025 年的八倍。

手動輸入減少，要評估的程式碼更多。16% 增至 54% 約是原先收到實質留言比例的 3.4 倍、增加 38 個百分點，卻不能證明審查涵蓋率或監督工時增加三倍；審查可能沒有實質留言。

「我來設定一個代理，從此不再處理這項工作」——事情並非如此。一個人開始處理過去整個團隊的工作量。作者的經驗也一樣：草稿、收到的訊息和指標摘要會在他不在時彙整；至於任何會傳送給真人的內容，他仍會手動確認。

代理讓製作第一個版本變得很便宜，但要讓它達到真人可以使用的狀態，成本大致與過去相同。「對我來說能用」與「對客戶來說能用」之間的差距並未消失。仍然得由人來補上。

從哪項任務開始，才不會一個月後就放棄？#

作者在打造了一些始終沒完成的應用程式後，才想出這項原則。剛開始時，你會想用 vibe coding 做所有事情：網站、機器人、助理，還有另一個網站。六個月後回頭看：你花了大把時間、耗掉許多 token，卻只有二十個解決方案中的一個能用。作者也經歷過這個階段，最後成功的比例較低——這很正常。只有當工作在我不在時仍能持續完成，才算真正完成。

1. 會重複發生。 單次任務自己動手做比較便宜。每週都要做同樣的事，委派才開始變得划算。
2. 耗時超過一小時。 如果任務只需十分鐘，設定時間就會比未來六個月能省下的時間更多。
3. 一分鐘內能檢查結果。 對「做得好不好？」有明確答案，而且不必深入查找就看得出來。
4. 你已經有資料。 匯出資料、資料夾、試算表、往來信件。得從五個地方收集資料才能開始的任務，不適合作為第一次嘗試。
5. 不會碰到金錢或真人。 把第一個功能設在最糟只會產生一份糟糕草稿的工作上。

最常同時符合這五項條件的任務包括：每週摘要、處理收到的訊息、依範本撰寫草稿，以及整理資料。

對網路商店來說，通常是處理當週的評論和問題。對顧問來說，是整理與客戶往來的摘要。對診所來說，是安排預約和處理後續請求。大家已經有資料，結果只要一分鐘就能檢查，最糟的情況也只是浪費幾分鐘的機器時間。

商業 AI 代理每月要花多少錢？帳單由哪些部分組成？#

1. 訂閱。 使用模型的基本費用，包含每週的使用上限。
2. 超額費用。 達到訂閱上限後，工作會繼續進行，並按照用量計費。令人意外的費用通常出現在這裡。
3. 執行環境。 如果功能要按排程在你不在時執行，就需要一台持續開機的電腦。在家用電腦上執行沒問題，直到你第一次出門度假。
4. 儲存空間。 報告、草稿、匯出資料。資料夾可以免費用一段時間；之後的費用則視資料量而定。

第二項費用最容易讓新手的計畫出問題。定期執行的功能每天會以相同速度使用額度，不管你有沒有想起它的存在。每天處理大量資料三次，幾天內就可能用完一週的額度。

Anthropic 偶爾會在限定期間提高付費方案的每週上限，但每次提高都有結束日期。別把臨時增加的容量當成新常態：按照一般額度估算用量，把臨時增加的額度留作緩衝。若要排程執行，也要查看方案條款——不同供應商對手動使用和自動化使用有不同規定。

我對小型任務的原則很簡單。夜間協調程式反覆執行檢查，會很快耗掉 token；為了小任務設定這種程式毫無意義。如果一項工作每週只花你十分鐘，就讓它維持十分鐘的工作。

從第一個月起就追蹤費用流向。訂閱額度的運作方式詳見訂閱包含多少 token指南；而一次夜間執行在單次工作階段中耗盡預算的故事，則展示了情況可能有多糟。

如何用一週時間在自己的任務上測試代理？#

1. 第 1 天。用自己的話描述任務，就像在向一個人解釋一樣（約 40 分鐘）

   自由書寫：輸入內容是什麼、應該產生什麼、什麼算是不好的結果，以及絕對不能做什麼。人們最常略過最後一項，但它日後最能保護你。

2. 第 2 天。使用真實資料手動執行三次

   不要使用虛構範例。從當週挑出三個真實案例，看看代理在哪裡出錯。逐字記下錯誤。

3. 第 3 天。根據錯誤新增指示

   把每個錯誤轉成一條規則。根據前幾次執行中的錯誤來編寫指示。你對事情應該如何運作的假設會妨礙這個過程。

4. 第 4～5 天。設定排程，並且不要介入

   讓它自行執行並傳送結果。你只要觀察並記下需要重做的次數。

5. 第 6 天。計算

   計算那一週花了多少分鐘檢查和修正。與手動完成任務所需的時間相比，把差異記成一個數字。

6. 第 7 天。做決定

   如果每週省不到一小時，代表你選錯了任務，換一項。如果省下超過兩小時，就設定第二個功能。

以下是協助你在第一天開始的提示詞。貼上並填入自己的內容。

You are helping me set up a recurring task. I will describe the work in my own words, and you will return instructions for doing it every week without me.

My task: [describe it in your own words, as if explaining it to a new person]
What the input consists of: [files, folders, exports, correspondence]
What should come out: [a specific result: a file, email, summary]
What counts as a bad result: [describe it explicitly]
What must never be done under any circumstances: [deletions, sending anything externally, payments]

Do three things.

Ask me clarifying questions wherever my description could be interpreted in more than one way. Don't start until I answer.

After I answer, put together instructions: steps in order, a definition of “done,” and a list of prohibitions.

Separately list the ways you could make a mistake without my noticing, and suggest how I can check each one in a minute.

第一個功能容易在哪些地方失敗#

1. 一開始就接手大型任務。「讓它處理我的所有銷售工作」第二天就會出問題。先從一項每週重複的任務開始。
2. 沒定義什麼算是不好的結果。 代理會針對你指定的目標進行最佳化。你沒說不能做什麼，它就不會知道。
3. 給予超出需求的存取權限。 只需要讀取匯出資料並撰寫摘要的功能，不需要資料庫金鑰。一次設定好權限。
4. 透過閱讀所有內容來檢查。 這會耗盡你省下的時間。抽樣檢查：二十個案例中看三個，再檢查代理標示為不確定的案例。
5. 從頭開始撰寫指示。 看過真實錯誤後再寫規則。
6. 不衡量結果。 沒有「花了幾分鐘」這個數字，你就只能憑感覺決定；一個月後也會忘記事情是否變得更輕鬆。

我看到第五種錯誤的次數比其他錯誤都多，而且它看起來無傷大雅。你坐下來預先寫好二十條規則，因為這樣似乎更周全。結果一半的規則礙手礙腳，另一半必要的規則又缺漏，第一次執行後你就得全部重寫。

代理犯錯時，誰要負責？#

聽起來理所當然，但實務上人們常常忘記。代理寄給客戶的電子郵件，等同於你寄出的。它在網站上修改的價格，就是你的價格。至於被刪除資料的所有者，你也要對他負責。

我會預先設定三件事。

1. 日誌。 讓每個定期執行的功能記錄執行內容和使用的輸入資料；沒有記錄，調查就會淪為猜測。一般文字檔就夠了。
2. 不可逆動作的界線。 刪除、對外傳送、付款——都必須先取得你的確認。技術上只要設定一項權限即可。
3. 回復點。 每次變更資料之前，都要求代理儲存專案狀態。只需在指示中加上一行，就能在一分鐘內還原成昨天的版本。

有些工作由企業主親自完成，價值就在於執行者是真實的人。作者仍會親自拍攝短影片，雖然這些影片早就可以自動化。與難相處的客戶交談、公開演講、為錯誤道歉，也都屬於同一類。代理可以處理，但成本會比較低，品質也會比較差。

明天應該從哪裡開始？#

從最糟只會產生一份不佳草稿的工作開始。銷售和任何會送到客戶手上的內容都留到之後：那裡的錯誤代價不是用分鐘計算，一次糟糕的初次嘗試就可能讓你不想再繼續。

接下來要思考的是，如何讓代理把任務分類到你的類別中。這取決於你放進專案中的內容：你的規則、知識架構，以及拆解工作的方式。請閱讀第二大腦和透過多個代理委派工作。

前往 ailoot.ai 繼續探索 Ailoot。