Agent執行速度快，但做了什麼、什麼時候完成、串聯了哪些系統，管理者往往搞不清楚，指令下得模糊，Token燒了一堆，成果卻不如預期。
問題的核心不在AI，而在管理者從未被訓練過如何把工作拆解清楚、設定可量測的成果標準、在出錯時找到責任歸屬。
意藍科技創辦人楊立偉同時在台大資管系與工管系開課，並帶領團隊在半年內用AI自建ERP、通過上市審查，在全台近兩千家上市櫃公司中被主管機關列為標竿案例。
本集未來城市Podcast邀請楊立偉分享企業轉型的真實挑戰，從如何拆解工作，到建立Agent品質稽核機制，一起成為AI時代的「超級管理者」。
未來城市Podcast EP.131
▹ 未來主持人：未來城市頻道資深總監 陳芳毓
▹ 未來大來賓：意藍科技創辦人 楊立偉
▹ 訪談精華：
主持人問（以下簡稱問）：企業AI成熟度可以怎麼分級？大多數人現在停在哪裡？距離「超級管理者」還差多遠？
楊立偉（以下簡稱楊）：我把企業AI應用成熟度分為五個層級：
| 層級 | 說明 |
|---|---|
| Level 1：問答 | 用ChatGPT、Claude，以對話方式向AI提問、取得摘要或分析 |
| Level 2：使用工具 | 利用現成AI服務完成單點任務，例如製作簡報、數據分析 |
| Level 3：打造專屬工具 | 依企業自身流程需求，自行建構客製化AI工具 |
| Level 4：打造Agent新同事 | 將多個工具串接成可自主執行完整任務的AI Agent |
| Level 5：超級管理者 | 統籌管理由人類與AI Agent共同組成的混合團隊 |
目前大多數人停在Level 1到Level 2。訂閱了一堆工具，但工作依然是散的，每個工具各自獨立，流程並沒有因此整合起來。
Level 3以上之所以難，是因為每家企業的流程都不一樣，現成工具往往不夠用，必須自己打造。
台灣有些企業有特別的業績獎金計算公式，或特定的單據處理方式，這些根本買不到對應的工具。沒有做好這些基礎，就沒辦法用Agent來幫你快速複製或完成工作。
問：很多企業卡在Level 2，上不了Level 3，您認為問題出在哪裡？
楊：問題出在管理。越往高層級走，越需要「把工作拆解清楚，假他人之手完成」。這是管理的真諦，但很多主管從來沒有認真練過這件事。
過去「事必躬親」被視為認真負責，但在AI時代，連工作要怎麼分拆都沒有想過，再強的Agent也用不起來。帶Agent和帶新人的邏輯完全一樣，就算是頂尖大學畢業，你講得模模糊糊，他也只能坐在那邊發呆。
管理者要先釐清自己的工作，步驟越標準、越可分拆，才能同步調用多個Agent協作，最後再把成果收回來。
問：把工作拆解清楚、交給Agent執行，聽起來比自己做還難，有什麼具體的方法嗎？
楊：訣竅是分點論述。現在的Agent都被特別訓練過，對條列式指令特別清楚。
要讓Agent執行順暢，需要做到三件事：把處理步驟逐條列出、說明輸入來源（去哪個系統調哪筆資料）、把預期產出描述得非常具體。
以國際報價單為例，這個任務可以清楚拆解成：翻譯買家需求、比對產品型錄與規格、查詢ERP庫存與售價、確認供應商交期、彙整財務毛利計算。
每個步驟的輸入、輸出都明確，Agent才能依序完成，交出合乎成本、利潤與交期的報價單。
很多人跟AI頻繁來回修改，就像裝潢房子沒把格局想好，叫師傅這邊改一下、那邊修一下。問題不在AI，在自己還沒想清楚要什麼。
問：您讓Agent去稽核另一個Agent的作業，而不是靠人力逐一檢查，這套品質管理機制是怎麼運作的？
楊：機器生產一百個，可能有五個瑕疵品，但你不能因為有瑕疵就放棄機器、改回手工。超級管理者真正要做的，是設計一套管理機制，讓這個瑕疵率在商業上可以被控制和改善。
具體做法是派出二號Agent，稽核一號Agent的工作，但前提是要給二號Agent一套明確的品質管理方法，而不只是叫它「去檢查」。
以報價單為例：人工設計一百題模擬情境，混入真實工作流程；一號Agent先執行，二號Agent逐一比對通過率；針對通過的案例，確認它是否真的查了ERP、庫存、供應商；針對不通過的案例，歸納錯誤傾向，作為修正提示詞的依據。
意藍曾將這套方法用於金融財報分析。一號Agent初始通過率只有85%，派出二號Agent分析後，發現一號習慣在算完財務指標之後亂加額外說明，但客戶只需要指標數字本身。根據這個傾向調整提示詞並持續迭代，最終通過率幾乎達到百分之百。
沒有通過率的概念、不去分析錯誤傾向，就永遠沒辦法往前改進。
問：您的課程介紹了Agent-to-Agent協作的概念，實際上怎麼執行？
楊：A2A的邏輯，和真實世界讓兩個同事協作完全相同。你要先介紹彼此的背景、能力與在這個任務裡各自的角色，再說明任務本身，Agent才能有效分工。
意藍的輿情工具OPView情報收集能力極強，但推理與組織能力有限。我們的做法是讓Claude擔任主導角色，帶著OPView協作：在提示詞裡介紹OPView的能力與職責，再介紹Claude的角色，最後交付任務，例如整理美中關係最新動態並產出緊急報告。
兩個Agent一來一回，速度遠快於讓Claude從頭獨立完成所有工作。把所有事情都交給同一個通用模型，好比買了一台3D列印機，連一顆螺絲都要自己印。市場上有專業的螺絲供應商，直接採購再組裝，才是更快也更省成本的做法。
問：您強調Agent要有獨立帳號、上線前要全部門公告、要有指定的負責主管，為什麼？
楊：如果混用帳號，一旦出錯就無法判斷是人為疏失還是Agent失誤，事後既沒辦法稽核，也沒辦法針對性改善。國外企業的標準做法是為每個Agent開設專屬帳號，設定它能存取什麼、能操作什麼，為每一個行動留下可追溯的軌跡。
除了帳號之外，Agent上線要比照新人報到，做到以下幾件事：全部門公告、明確說明試行期與正式上線日、指定一名人類主管負責這隻Agent、建立同仁反映問題的管道。
跳過這些步驟，沒有人知道某項工作是誰負責、出了問題該找誰，組織久了就會對Agent失去信任。管理人類的配套措施，一樣要搬過來用在Agent身上。
問：意藍科技用AI自建ERP、半年就通過上市審查，成功的關鍵是什麼？
楊：意藍上櫃時，主管機關要求導入ERP，但台灣市面上的ERP幾乎都是為製造業和買賣業設計的，雲端訂閱的軟體業根本找不到合用的系統，我們只能自己開發。
一般ERP導入需要兩到三年，但我們在半年內就上線且通過稽核，被主管機關列為全台近兩千家上市櫃公司的標竿案例。
能做到這件事，關鍵在於團隊對AI能力與邊界的認識夠深，清楚知道哪些任務現在可以交給AI、哪些還需要等待技術成熟。
跨部門溝通原本最耗時，AI大幅壓縮了這個環節。業務與財務部門對同個系統各有不同理解，以前要來回討論數週，現在可以讓Agent直接產出系統畫面或雛形，讓雙方對著同一個畫面討論，遠比口頭描述需求更有效率。
問：想成為AI時代的超級管理者，第一步應該怎麼做？
楊：按部就班，從現在的位置開始往上走。所有人現在都至少在Level 1，下一步是學會挑選工具、了解AI的能力邊界，然後嘗試打造第一個專屬工具，再打造第一個Agent新同事。
第一個Agent上線之後，組織內部一定會出現摩擦，老闆可能會質疑：「你把工作都交給Agent做，那為什麼要請你？」IT部門也會開始介入Token用量和帳號權限的問題。
這些摩擦，正是AI First真正開始的時刻，也是組織從工具使用走向真正轉型的起點。如果因為麻煩就彈回去，就永遠享受不到Agent帶來的效益。
聽懂未來：關於學習AI時代的新工具，我還想知道更多⋯
未來城市給你更多知識補充包！
想聽更多未來城市Podcast節目？
- 首播時間：隔週六播出。
- 頻道搜尋：天下雜誌Podcast頻道「聽天下」，或關注未來城市網站「未來城市Podcast」系列內容。
