AI 自動化最貴的錯誤，是把所有事情都交給 Agent
真正穩定的一人公司，不是一支什麼都能自己決定的 AI 軍隊，而是一間有規則、權限、驗收、紀錄與煞車的半自動工廠。
早上九點，一位電商老闆發現昨晚的 AI Agent 已經自動替十二項商品改好促銷價。唯一問題是，其中三項使用了上個月的成本資料，一款毛利只剩 8% 的商品又被打九折。技術上流程百分之百成功，財務上也相當成功地把毛利一起自動化掉了。
到了 2026 年，真正困難的問題已經不再是「AI 能不能做」，而是「AI 做完後，你怎麼知道它做對了？」
一條成熟工作流的四種元件
我會把 AI 工作流拆成四種東西：規則、AI 判斷、人工核准、紀錄。真正穩定的流程通常不會讓 LLM 從頭想到尾。
規則負責可明確定義的條件，AI 負責模糊地帶，人負責不可逆決策，紀錄則讓所有重要動作可以追溯。
能用規則解決的，不要讓 AI 思考
判斷訂單是否超過一萬元、刪除重複 Email、計算毛利率、檢查必填欄位、判斷庫存是否低於十件，這些都不需要大型模型。
AI 應該留給真正模糊的工作：這封信是不是客訴？客戶有沒有購買意圖？三份資料之間有什麼重要關係？這個顧客真正的疑慮是什麼？
不要因為今年 Agent 很紅，就讓 AI 負責 1＋1。計算機做這件事幾十年來情緒都很穩定。
AI 負責模糊地帶，人負責不可逆決定
可逆決策像文章標籤、CRM 草稿、Email 草稿、報表重整，錯了可以重來。不可逆決策像退款、付款、刪除正式資料、修改價格、簽約、寄送大量訊息、承諾交付條件，則要保留人工核准。
真正要設計的不是「要不要自動化」，而是「自動化到哪一步」。例如退款流程可以由 AI 查訂單、確認政策、整理原因、計算金額，最後停在「是否核准退款 3,280 元？」
每條流程都要有驗收條件
很多工作流只有 Trigger → AI → Action。真正成熟的版本還要加上 Validation。
新增客戶後檢查 Email 是否有效、公司名稱是否存在、CRM 是否重複；文章寫完後確認來源、日期、字數與禁用詞；商品改價後檢查最低毛利、折扣上限與活動衝突。
AI 很會做，下一階段真正值錢的系統會更擅長確認自己做對了。
所有 Agent 都必須有預算
每個工作流至少要有：步驟上限、來源上限、重試上限、每日或每月金額上限。Agent 一次很便宜，一萬次就開始有感覺。
數位員工也需要預算管理，否則它只會覺得「再查十二份資料，答案可能更完整」。
每條重要流程都要有黑盒子
至少要能回頭查到：什麼時間觸發、使用哪個模型、哪一版指令、讀了哪些資料、做了哪些動作、花了多少成本、誰核准、結果是什麼。
三個月後如果客戶問「為什麼系統當時把這位客戶標成高風險」，公司不能只回答「AI 當時覺得」。
五級自動化
- 第 1 級：AI 只提出建議。
- 第 2 級：Shadow Mode，完整執行但不真的對外行動。
- 第 3 級：AI 準備動作，需要真人核准。
- 第 4 級：低風險工作自動完成，只有例外送人。
- 第 5 級：整條低風險流程自行運轉，人只看摘要與異常。
AI 不應第一天入職就拿公司印鑑。這個管理原則對人類員工其實也很合理。
今天就能開始做
挑一件每週至少做三次的工作，把真人現在怎麼做寫下來。每一步標四個字母：R 是 Rule，A 是 AI，H 是 Human approval，L 是 Log。
例如：表單收到 R、檢查 Email R、分析需求 A、建立 CRM R、產生回覆 A、高價案件 H、寄出 R、記錄結果 L。
到這一步，你其實已經完成工作流最困難的七成。真正把 n8n、Make、Zapier、ChatGPT 或 Claude 接上去，反而是後面的事情。
可延伸的商業模式
AI Workflow Audit、垂直產業 Workflow Pack、AI Managed Operations、AI Quality Assurance、Human Approval Center，都會是很好的產品化服務。公司 Agent 越多，「檢查 AI 有沒有亂來」本身就會變成一門生意。
風險與限制
權限、第三方 Plugin、Prompt Injection、資料版本、自動化脆弱性與人的過度信任，都必須正式管理。AI Agent 的風險正在從回答錯誤升級成行動錯誤。
未來三到五年
Agent 執行成本持續下降，真正的企業資產會從 Prompt 變成 Workflow；Human-in-the-loop 會形成獨立軟體層；每個 Agent 的工作會更窄；模型品牌的重要性下降，流程品質成為主要護城河。
最漂亮的狀態不是早上看到「昨晚成功處理 437 件事情」，而是只看到「今天有三件事情需要你決定」。其他 434 件，正常完成。
這篇是「AI 一人公司年度系列」第 4 篇。系列將持續累積成網站知識庫、電子報、課程與書籍章節。