什麼是 AI 智能代理？

2024 年度關鍵詞：AI 智能代理。

而作為 2025 年頂尖 AI 趨勢，AI 智能代理的普及度和影響力只會持續提升。

從初學開發者到大型企業、甚至小型商家，都開始探索 AI 智能代理能為他們帶來什麼。

根據 PwC 2025 年調查，79% 的企業領導者已經在某種程度上導入了 AI 智能代理。

這項熱門技術，其實我們已經耕耘多年——我們已協助 數千家組織部署 AI 智能代理。

如果你對 AI 智能代理是什麼、如何運作、或該從哪裡開始有任何疑問，你來對地方了。

什麼是 AI 智能代理？

AI 智能代理是一種自主系統，能夠處理資訊、做出決策並採取行動，以實現特定目標。

與僅回應使用者輸入的 AI 聊天機器人不同，代理型 AI指的是能夠自主決策的軟體。

它常被用來自動化複雜的工作流程，例如客服、資料分析或程式輔助。

這代表 AI 智能代理可以在某些任務上免除人工參與，或協助員工處理日常工作。

AI 智能代理與 AI 聊天機器人有什麼不同？

許多人會將「AI 智能代理」和「AI 聊天機器人」這兩個詞交替使用。這很合理——它們確實有許多相似之處。

例如，兩者都會利用 自然語言處理（NLP）來理解語言輸入，通常都由 LLM 驅動，也常常連接外部系統。

但 AI 智能代理在幾個關鍵層面上超越了聊天機器人。以下是區分 AI 智能代理與 AI 聊天機器人的關鍵：

‍

這些差異決定了你的公司需要的是一個 銷售聊天機器人，還是 銷售用 AI 智能代理。

前者可以回答顧客問題、推薦產品並協助購買。

後者則能預測哪些顧客最有可能再次購買，並在最佳時機發送個人化的 Facebook Messenger 訊息。此外還能執行聊天機器人的所有對話與銷售功能。是不是很厲害？

AI 智能代理如何運作？

AI 智能代理的運作方式包括：1）感知環境，2）處理資訊，3）做出決策，4）執行行動以達成目標。

與傳統聊天機器人不同，AI 智能代理不僅僅回應使用者問題——它們能獨立運作、擷取並分析資料，並與外部系統互動。

步驟一：感知

首先，AI 智能代理會從各種來源接收輸入。根據其用途，來源可能包括：

• 使用者互動
• 從外部系統拉取資料的 API
• 連接應用程式的感測器或日誌
• 儲存的知識庫——例如庫存表、人資政策等。

步驟二：處理

取得資料後，AI 智能代理需要理解這些資訊。

AI 智能代理可能會利用 NLP、結構化資料或即時訊號來處理其設計要使用的輸入。

如果需要從資料庫擷取相關知識，可能會用 檢索增強生成（RAG）來取得。

步驟三：決策

決策過程會依據建構者如何設計 AI 智能代理而有所不同。

它可能會運用 專屬商業邏輯，例如根據銷售團隊制定的公式判斷潛在客戶是否合格。

也可能運用 機器學習預測或強化學習，例如根據過去詐騙案例標記可疑交易。

最好的 AI 智能代理工具會考慮 AI 可解釋性：即 AI 智能代理能多清楚說明其決策背後的原因。

步驟四：執行行動

在感知、處理並決策後，AI 智能代理就能採取行動。

AI 智能代理能執行的行動沒有限制。它可能只回覆一則簡單訊息，例如「這三個帳戶有潛在流失跡象」。

也可能觸發 API 呼叫，例如從倉儲系統即時擷取庫存資料，或發起密碼重設請求。

其他 AI 智能代理則會執行直接營運操作，例如調整電商價格、安排銷售通話、重新安排物流運送，或根據安全政策修改系統設定。

有些 AI 智能代理甚至會與外部應用程式互動，例如自動化 CRM 工作流程、更新客戶資料，或依據預設商業規則辦理退款。

這些代理能從頭到尾執行完整的 代理型 AI 工作流程。

無論採取何種行動，AI 智能代理都會確保其回應符合決策流程——而且在許多情況下，還會從結果中學習，以優化未來的行動。

AI 智能代理架構的六大組成

「AI 智能代理」這個詞有時定義模糊。由於應用範圍廣泛，要區分什麼是 AI 智能代理、什麼是一般自動化或傳統聊天機器人並不容易。

AI 智能代理有六大關鍵組成：

• LLM 路由：AI 智能代理如何思考
• 身份與指令：AI 智能代理的任務
• 工具：AI 智能代理如何收集資料並採取行動
• 記憶與知識：AI 智能代理如何獲取資訊
• 通道：AI 智能代理如何接觸你的使用者
• 治理：AI 智能代理如何維持安全

這六大特性結合起來，造就了一個完整的 AI 智能代理。理解這些組成有助於掌握 AI 智能代理的能力與潛在應用場景。

1. LLM 路由

首先，你需要將 AI 智能代理的「思考」交給 LLM。事實上，有時你會聽到「LLM 代理」這個詞，這是 AI 智能代理的一種。

一個好的代理應該能針對不同任務選用不同的 LLM。

沒有單一最強的 LLM，尤其在發展快速的現今。有時你可能希望 AI 智能代理在產生長篇內容時用一種模型，分析使用者輸入時用另一種模型。

所有 AI 智能代理都是 LLM 代理嗎？幾乎如此，但還是有例外。

不使用 LLM 的 AI 智能代理包括 機器流程自動化機器人、多代理系統（如交通管制或群體智慧），以及強化學習代理（例如機器人領域）。

2. 身份與指令

任何 AI 智能代理都需要一個身份、使命與目標。它為什麼存在？要達成什麼？又該如何實現？

舉例來說：IT 支援公司的客服第一線。這個 AI 智能代理的目標可能是盡可能正確解決客戶問題，遇到複雜案件則轉交真人處理。

指令應該明確定義其角色、決策門檻（例如何時該升級或轉介使用者），以及其關鍵績效指標（KPI）。

3. 工具

工具是 AI 智能代理收集資料與執行行動的方式。

由於其自主性，AI 智能代理能夠自行選擇要使用哪些工具來執行任務。

舉例來說，一個潛在客戶開發 AI 智能代理的任務可能是在 Hubspot 中創建合格的潛在客戶。

根據使用者的互動，智能代理可能會選擇檢查 CRM 是否有重複資料、為使用者推薦特定內容，或是持續提問直到能夠評分該潛在客戶。

AI 智能代理可用的工具包含：

• 外部系統，例如 HubSpot、Linear 或 Zendesk
• 程式碼執行，用於建立臨時工具
• 內建功能
• 其他 AI 智能代理
• 人類（例如 AI 智能代理在執行任務前需要人類核准）

4. 記憶與知識

AI 智能體的記憶與知識決定了它知道什麼，以及如何隨時間保留資訊。

與傳統軟體僅在需要時擷取資訊不同，AI 智能體能夠儲存、回憶並根據過去的互動進行學習，做出更聰明的決策。

例如，客服 AI 智能體可能會記住過去與某位使用者的故障排除經驗，避免重複無效的解決方案。銷售 AI 智能體則能記得與潛在客戶的歷次互動，並相應調整訊息內容。

AI 智能體主要依賴兩種記憶：

1. 短期記憶－來自進行中對話或任務的暫時性脈絡，例如使用者的語言偏好。
2. 長期記憶－智能體可長期存取的知識，例如訂單數量或供應商偏好。

除了記憶之外，AI 智能體還能存取結構化與非結構化的知識來源，例如資料庫、API、公司知識庫或其他相關文件。

5. 通路

通路是 AI 智能體與使用者互動的方式。根據應用情境，可能使用文字、圖片、影片或語音。它可以透過網站小工具、網頁聊天介面等方式觸及使用者，

AI 智能體可以部署於網頁聊天小工具、即時通訊應用程式（如 WhatsApp、Messenger、Telegram、Slack 等），甚至嵌入電子郵件流程中。

針對語音互動，語音智能體可整合至電話系統或智慧助理；而以文字為主的智能體則可運作於即時聊天、簡訊或企業內部工具。

‍

6. 治理

全球 AI 法規正不斷演變，若未考慮合規性就建立 AI 智能體，等於白費力氣。

治理確保你的 AI 智能體能以合乎道德、透明且符合法律規範的方式運作。

完善治理的 AI 智能體會遵循：

• 政策遵循－符合品牌指引、語調與商業規則。
• 報告與 KPI 追蹤－監控效能、偏誤與決策準確性。
• 審核與人機協作 (HITL)－關鍵行動需經人類驗證。
• 回饋機制——根據用戶意見與監督持續優化。‍
• 合規與稽核紀錄－記錄決策與行動，以符合法規要求。

AI 智能體有哪些應用？

說實話：AI 智能體幾乎可以用在任何事情上。

由於具備高度彈性，AI 智能體能協助簡化各種端到端流程。

現實世界中有無數AI 智能體的應用案例。

即使是最嚴謹的產業－無論流程多複雜，總有某個環節可以由 AI 智能體協助。

加密貨幣 AI 智能體可能會追蹤市場趨勢、執行交易或提供即時投資組合分析。AI 數位行銷智能體則能優化廣告預算並分析互動數據。

我們多年來已在各行各業部署 AI 智能體。

無論你需要企業級機器人還是小型企業專用 AI 智能體，以下是 AI 智能體最常見的應用。

客服

AI 智能體最常見的應用之一就是客服機器人。

這些虛擬智能體能引導顧客查詢特定政策、提供個人化商品建議，甚至處理帳戶任務如重設密碼。

現在企業提供客服聊天機器人已成常態－但過去那種僅靠規則運作的聊天機器人，往往會損害品牌形象。如今，真正服務組織用戶的是具備動態能力的 LLM 智能體。

我們正迎來AI 聊天機器人的終結與 AI 智能體的崛起。即使是（尤其是）客服機器人也必須升級。

潛在客戶開發

目前在 Botpress 上部署的 AI 智能體，大多屬於某種形式的潛在客戶開發智能體。

潛在客戶開發智能體屬於AI 銷售智能體的子類別。

它們經常向使用者提供關鍵資訊，並同時收集合格的潛在客戶，自動分派給銷售團隊，無需人工介入。

Waiver Group 是一家醫療顧問公司，在部署機器人取代「聯絡我們」表單後，潛在客戶增加了 25%。

Waiverlyn 會與網站訪客對話、篩選潛在客戶並預約 Google 日曆活動－全程無需人工參與。

知識管理

知識管理這類應用由機器人處理往往比人類更有效，範圍涵蓋內部文件到面向客戶的自助系統。

員工可能花費數小時搜尋隱藏在 wiki、PDF、電子郵件或客服單中的關鍵資訊。AI 智能體能以自然語言回應查詢，提供相關帳戶資訊、政策或故障排除步驟。

對客戶端來說，這可能像是一個保險機器人，協助用戶找到所需表單與指引。

工作流程與任務協調

工作流程與任務協調 AI 智能體不僅執行單一動作－它們能跨多個系統協調多步驟流程。（有時也稱為AI 協調。）

• 採購 AI 智能體可能會自動產生採購申請、與預算比對，並在下單前送交主管核准。
• 在人資領域，新人培訓 AI 智能體可自動安排訓練、開通軟體權限並設定薪資，無需人工操作。
• IT 領域的 AI 智能體能分流客服單、檢查系統日誌，並將未解決問題升級給工程師處理。

企業不再需要為每個流程拼湊不同自動化工具，AI 智能體可作為集中協調者－動態處理完整工作流程、即時決策並隨情境調整。

這類AI 工作流程自動化是 AI 智能體最常見的應用之一。

人工智慧很容易應用於那些耗費知識工作者時間的日常瑣事。

開發者協作助手

AI 智能體正成為開發人員不可或缺的工具，加速編碼、除錯與文件撰寫。

協作 AI 可即時自動補全程式碼、標示錯誤並提出最佳化建議。

除了編碼外，這些智能體還能協助審查 pull request、進行安全檢查與追蹤相依套件。

對工程團隊來說，AI 協作助手代表更快的開發週期、更少的錯誤，以及減少重複性工作所花的時間。

虛擬助理

有時候，你只需要多一點幫手。

有人能幫你做研究、分析數據或彙整資訊。也許你需要一個個人行程管理員，提醒你即將到來的任務，或是一個能幫你撰寫郵件、摘要報告的助理。

這些空缺可以由AI 智能體助理來補足，這些軟體程式能代你執行各種任務。

AI 助理的概念我們早已熟悉－像 Siri 和 Alexa（最知名的語音助理）。

AI 智能體讓個人化規劃邁向全新層次。

如果你正在規劃假期，一個AI 旅遊助理不僅能為你推薦新目的地和找出合適的飯店，還能幫你挑選最佳航班和住宿，甚至直接為你完成預訂。

AI 智能體有什麼好處？

1. 可擴充且彈性高

AI 智能體不受限於僵化的工作流程。它們會根據情境動態選擇工具、API 和模型，因此更具彈性。

2. 自主決策能力

AI 智能體不需要事先定義每個流程，而是能即時做出決策並完成端到端任務。建置速度更快，部署後效率也更高。

3. 可擴展於多種應用場景

一個用於客服的 AI 智能體，可以延伸應用到銷售、內部流程或人資自動化，無需完全重建。

4. 全天候可用

AI 智能體可持續運作，處理任務、回應用戶並執行工作流程，無需停機。

5. 大規模具成本效益

AI 智能體能減少客服、銷售及內部營運對大量人工團隊的需求，同時維持高品質服務。

6. 端到端自動化

AI 智能體不只是回答問題；它們能執行工作流程、觸發 CRM 行動、管理審核並做出實際決策，減少營運瓶頸。

7. 無縫整合系統

AI 智能體可連接 Salesforce、HubSpot、Zendesk、Slack 及專屬系統，確保技術架構整合一致。

8. 更快實現價值（TTV）

與傳統自動化專案不同，AI 智能體會從互動中學習並持續優化，加速部署與投資回報。

9. 提升準確性與合規性

AI 智能體可遵循品牌規範、法律框架及決策邏輯，確保運作符合企業政策。

AI 智能代理的類型

‍AI 智能代理有多種型態——哪一種適合你，取決於你要解決的任務。

多代理系統

多代理系統（MAS）由多個 AI 智能代理組成，彼此互動以達成整體目標。

這類系統通常用於處理過於龐大、複雜或分散，單一 AI 智能代理無法管理的任務。適當的AI 智能代理分流可確保將正確任務分配給合適的代理。

多代理系統中的每個代理都能獨立行動，感知並解讀環境、做出決策，然後採取行動以實現目標。

MAS 的效率可透過AI 智能代理評估系統來衡量，這些系統可包含量化及質化的洞見。

舉例來說，市場調查公司可運用 MAS ：一個代理負責收集產業報告，另一個提取關鍵洞見，第三個將結果整理成客戶簡報，第四個則監控數據準確性並持續優化成果。

簡單反射型代理

簡單反射型代理根據預設的條件-行動規則運作。它們僅對當前感知做出反應，不考慮過去的感知歷史。

這類代理適合處理複雜度低、功能範圍有限的任務。例如智慧型恆溫器就是一種簡單反射型代理。

‍

模型型反射代理

模型型代理會維護一個內部環境模型，並根據模型的理解來做決策。

這讓它們能處理更複雜的任務。

這類代理常用於自駕車技術開發，因為它們能收集像是車速、前車距離、即將到來的停車標誌等資訊，並根據車速與煞車能力做出何時煞車的判斷。

效用型代理

效用型代理會根據每個可能行動的預期效用來做決策。

這類代理常用於需要權衡多種選項並選擇預期效用最高方案的情境。

如果你希望代理推薦行動方案，或針對特定任務推薦不同型號電腦，效用型代理就很適合。

學習型代理

學習型代理設計用於未知環境，能從經驗中學習並隨時間調整行動。

深度學習與神經網路常用於學習型代理的開發。

這類代理常見於電商與串流平台的個人化推薦系統，因為它們能隨時間學習用戶偏好。

信念-慾望-意圖代理

信念-慾望-意圖代理會維護對環境的信念、慾望與意圖，模擬人類行為。它們能推理並規劃行動，適合複雜系統。

邏輯型代理

邏輯型代理透過演繹推理來做決策，通常依據邏輯規則。這類代理適合需要複雜邏輯推理的任務。

目標導向型代理

目標導向型代理會為了達成目標而行動，並能根據未來行動的後果調整決策方式。

目標導向型代理常見於機器人應用，例如倉庫導航代理。它可以分析不同路徑並選擇最有效率的路線到達目標地點。

AI 智能代理實作 5 步驟

根據你的情況，你有兩種選擇：可以購買 AI 智能代理，也可以自行開發。

如果你想購買，可以參考認證代理商與自由工作者，他們能為你開發客製化 AI 智能代理。

但如果你想善用現有資源，其實自行開發 AI 智能代理沒你想像中困難。有許多AI 智能代理框架和LLM 代理框架，可配合你的技術程度。

步驟 1：確定試點案例

「我們來用 AI 智能代理吧！」如果你的主管在看到『AI 智能代理元年』的新聞後這麼說，那你就要決定該從哪種 AI 智能代理試點。

很容易被熱潮帶著走，但最好的做法是從明確且高影響力的案例開始。

思考代理在哪些地方能減輕工作負擔、提升準確性或加強決策，例如潛在客戶篩選、客服或內部知識檢索。

一個好的試點案例應該範圍夠小，能快速實作，同時又有足夠價值展現成效。

正確的選擇能幫助你更容易獲得支持、證明投資報酬，並為更廣泛的 AI 導入打下基礎。

步驟 2：選擇合適的平台

合適的工具完全取決於你的情況——你有多少內部開發能力？多少時間？你希望代理完成哪些任務（不只是試點案例，還有長期規劃）？

多數情況下，使用 AI 平台會比從零開始更合理。

最理想的選擇通常是垂直且靈活的平台：一種能建構各種應用並連接外部工具的建置軟體。

你可以參考我們整理的最佳 AI 智能代理建置工具、最佳聊天機器人平台，甚至最佳開源平台。但說實話——我自己最推薦我們家的。

Botpress 已被 35% 的財富 500 強企業及超過 50 萬開發者採用。

我們已經部署 AI 智能代理多年，而且可以免費開始使用，基本上沒有損失。

步驟 3：整合工具

如果你的 AI 智能代理要建立 Hubspot 潛在客戶，你就要先把 AI 平台和 Hubspot 整合起來。

雖然一個優質的平台會內建多種整合，但針對特殊需求，你仍需進一步自訂代理人的連接器。

如果你的團隊需要整合多個系統——無論是內部工具還是第三方軟體——你的代理人可以作為AI協調者，確保各平台之間順暢同步。

步驟 4：測試與優化

第四步是利用平台內建的測試工具，徹底測試你的代理人。

根據測試結果調整參數、提示語句及工作流程，確保代理人在實際情境下表現良好。

步驟五：部署與監控

雖然開發與部署階段常被視為重點，但千萬別低估長期監控的重要性，尤其是透過機器人分析。

你的平台應該具備監控工具，能在部署後追蹤代理人的互動與效能。

收集洞察並根據需要優化設定，善用平台提供的回饋機制。

請記住：最優秀的AI代理人都需要持續更新。許多表現最好的AI代理人自首次上線後，已經歷數百次更新。

你越常調整代理人，投資報酬率就會越高。

實施最佳實踐

我們的客戶成功團隊擁有多年部署聊天機器人與AI代理人的經驗。他們見過許多AI代理人部署常見錯誤，從預算不足到過度承諾。

從小處著手，再逐步擴展

我們正進入AI強化組織的時代——但沒有人會一次到位。先從一個能快速獲勝的試點案例開始，再逐步擴展AI代理人。

我們稱這為「爬行-行走-奔跑」法。你可以在我們的AI代理人實施藍圖中了解更多。

確保高品質資料來源

老話一句：垃圾進，垃圾出。如果你的AI代理人無法從維護良好的資料庫取得資訊，其影響力將大打折扣。

如果你的代理人用Hubspot追蹤交易週期並分析成交與未成交的預測因素，那麼你的業務代表就必須確實記錄潛在客戶的通話與資料。

設定明確的KPI與成功指標

如果無法正確衡量AI代理人的影響，就很難知道它有多成功。

事先定義KPI ——不論是回應準確率、節省時間、轉換率還是成本降低。這些基準將有助於指引優化方向並展現投資報酬率。

善用RAG

使用檢索增強生成（RAG）可以讓AI代理人的回答依據最新資料，例如公司知識庫、CRM或文件。

這能降低產生錯誤資訊的機率，並確保回應準確且具情境相關性。

AI代理人有哪些風險？

合規風險

AI代理人必須遵守GDPR、HIPAA、SOC 2等法規及產業相關政策。

合規風險是許多開發者選擇在平台上建立AI代理人，而非從零開始的主要原因之一。

如果你的工作不是AI合規，將這部分交給專業團隊會更有效率。

處理用戶資料不當、未記錄決策過程或產生不符合法規的回應，都可能導致法律與財務後果。

幻覺現象

所謂幻覺，是指對話式AI系統產生錯誤或誤導性資訊。

這類失誤曾引發多起爭議事件，例如加拿大航空聊天機器人事件，或是以1美元賣出Chevy Tahoe的機器人。

謹慎設計的AI代理人很少出現幻覺。你可以透過檢索增強生成、人為驗證或驗證層來把關回應品質。事實上，有多種方法可讓AI代理人避免幻覺。

缺乏可解釋性

如果AI代理人在做決策，你的團隊應該能理解其運作原理與原因。

一個黑箱系統若只給結果卻不透明，會削弱信任，也難以排查錯誤、確保合規或優化效能。

對於受監管產業而言，可解釋性尤其重要，因為決策必須可供稽核。

像是記錄代理人推理過程、顯示資料來源、納入人為驗證等技術，都有助於讓AI決策更清楚且可追溯。

如果缺乏可解釋性，你的團隊將花更多時間解釋代理人行為，而不是受益於其效能。

持續資源投入

AI代理人不是「設定好就不用管」的資源。

它們是真正的軟體專案，需要持續監控與優化。若忽略維護，代理人的成效將大打折扣。

好消息是，只要你的團隊有規劃，這並不算缺點。如果你準備好投入AI，AI代理人所需的持續資源很容易在回報中體現。

AI代理人的三大特性

1. 自主性

AI代理人能夠自主運作，無需人為介入即可做決策並執行。

這種自主性讓AI代理人能處理複雜任務，並即時決定最佳執行方式，而不需人類為每個任務編寫細節步驟。

雖然「自主代理人」這個概念可能讓人聯想到《2001太空漫遊》中的HAL 9000電腦，但AI代理人仍需依賴人類指令。

使用者或開發者需要花時間告訴代理人要做什麼——但代理人會自行思考如何最佳完成任務。

2. 持續學習

回饋對AI代理人長期進步至關重要。

這些回饋來源有兩種：批評者或環境本身。

批評者可以是人類操作員，也可以是另一個AI系統，負責評估代理人表現。AI代理人的環境則能根據其行動結果提供回饋。

這個回饋循環讓代理人能夠適應、從經驗中學習，並在未來做出更佳決策。

隨著經驗累積，它會學會創造更好的結果。由於 AI 智能代理具備學習與改進的能力，因此能快速適應變動的環境。‍

3. 反應性與主動性

AI代理人在環境中同時具備反應性與主動性。

由於能夠接收感測輸入，它們能根據環境變化調整行動方向。

例如，智慧型恆溫器能感知房間因突如其來的雷雨而變冷，因此會降低冷氣強度。

但它也具備主動性——如果每天大約同一時間陽光照進房間，它會主動調高冷氣強度，以配合陽光帶來的溫度上升。

下個月就部署AI代理人

AI代理人能簡化各種工作流程中的多步驟任務——如果你還沒用它們來消除低效率，請相信你的競爭對手已經在用了。

Botpress是一個極具彈性的AI代理人平台，廣受開發者與企業採用。它擁有豐富的預建整合、超過30,000人的Discord開發者社群，以及多年真實案例部署經驗。

立即開始打造，完全免費。

常見問題

企業在部署第一個AI代理人時常見的錯誤有哪些？

企業部署第一個AI代理人時常見的錯誤是未明確定義使用情境或可衡量的成功標準，導致參與度低、影響有限。許多企業也將AI代理人視為一次性部署，而非需定期更新與優化的系統，這會讓其長期效益大打折扣。

AI代理人試點專案應規劃多少時間與預算？

一個聚焦的試點專案通常可在2到6週內啟動，預算約新台幣9,000元至21,000元（約300至700美元），尤其是在採用無程式碼或低程式碼平台時。

我應該實作哪些日誌或稽核追蹤機制？

你應該記錄每一筆使用者輸入、代理人的決策、執行的動作，以及所有 API 呼叫，並包含時間戳記與使用者識別碼，以便追蹤。為了提升透明度與診斷能力，建議在可行時也記錄推理步驟或信心分數。

實際上的「人類介入流程（HITL）」是什麼樣子？

在實務上，HITL 意味著 AI 代理人在特定決策（如核准、升級處理或遇到模糊情境）時會暫停，等待人類輸入後再繼續。這樣能建立一道防線，確保在有疑慮的情況下，有人類監督相關行動。

單一 AI 代理人可以同時支援多個部門（例如人資與業務）嗎？

可以，只要設計時有適當的情境區隔、明確的角色行為指示，以及智慧的查詢導向機制，單一 AI 代理人就能服務多個部門。許多組織會先從單一部門開始，逐步擴展代理人的功能，以避免重疊或混淆。