歸根究柢，一個 AI 系統的價值不在於它是否是個「真正的」智能代理，
而在於它能多有效地為使用者或客戶解決問題。 - Julia Winn
❏ 引言
展望 2025，「AI agent」在各大科技媒體和白皮書上，佔盡 C 位。自ChatGPT 問世至今，企業都在問，要怎麼抓住這波風口，將這波技術升級真正轉化為實質的效益提升。
一股浪潮總會搭著幾組沸沸揚揚 buzz words，「AI agent」究竟是企業轉型的關鍵推手,還是另一個被過度炒作的概念？它背後的複雜性和所傳遞的價值，又有怎樣的關聯，這期來聊聊。
.
📍 大綱
❏ AI Agent (代理)
❏ 四象限商業模型
❏ 價值的本質
❏ 一門好生意
《非正式寫作》著墨琢磨 技術趨勢、溝通領導、概念理解 與 生活實踐。
每週一四派送，如果您還沒有訂閱，請在這裡訂閱，加入 200+ 位每週讀者的行列：
🔍 工人智慧猜你也喜歡
❏ AI Agent (代理)
與其執著於判斷一個系統是否為AI agent(名詞)，
不如深入理解它所展現的Agentic(形容詞)特性。 — Andrew Ng
在探討AI agent之前，需要擺脫非黑即白的二元思維。正如在先前的研究《解構AI Agent: 人工智能的關鍵突破?》中所分析，AI系統的 "代理性"(Agency) 可以從兩個維度來理解：
基礎自動化能力
感知(Perception)
規劃(Planning)
行動(Action)
進階設計模式
反思能力(Reflection)
工具使用(Tool Usage)
任務拆解(Task Decomposition)
協作能力(Collaboration)
.
✔ Agentic特性的深層剖析
單純具備自動化功能或能夠檢索資料使用工具的系統，並不足以稱之為真正的 AI agent。關鍵在於系統如何整合這些能力，展現出真正的代理性 (Agency)。
近期一篇文章《什麼才是真正的 AI 代理？重新思考自主性的追求》，又更細緻地補充了我對於 Agentic 的看法 [1]。
該文使用 6 種行為特性 的框架來描述 Agentic 所展現出的特質，並以「旅遊規劃」為例 ，區分為 基礎 vs. 進階 兩種程度，很具參考價值。
這個框架不僅提供了評估 AI 系統的客觀標準，也揭示了代理性是一個漸進式的光譜，而不是非黑即白的判斷。
.
✔ Agent 與 Assistant的區別
基於上述框架，我們可以更清晰地區分 AI Agent 與 AI Assistant 的本質差異：
舉例：
代理：Roomba掃地機器人(具有基本的自主性)
助理：GitHub Copilot(增強開發者能力，但最終決策權在人類)
核心差異在於 自主決策能力 的程度與範圍。值得注意的是，"自主性" 必須限定在 "特定領域內"，這個限制非常關鍵：
確保系統行為的可預測性
明確系統的能力邊界
降低應用風險
如果少了這個，那就是 Super intelligence (超級人工智能) 了。
反觀人類，其實也不是在所有領域都有顯著的自主決策能力，對吧！很多時候，我們也只是按照約定俗成的習慣或是以生俱來的基因本能作反應而已 (我們只是基因的助理)。
有了這個框架，對回答「AI agent 是一門好生意嗎？」，提供了一個基礎思路。
.
❏ 四象限商業模型
要評估 AI Agent 的商業潛力，需要一個系統性的分析框架，Four-Box(四象限)商業模型提供了極具參考價值的視角 [3]：
商業模型是一種呈現方式，說明企業如何為客戶創造和傳遞價值，同時也為自身獲取價值，並且能夠持續重複運作。
當你解構任何商業模型時，都可以看到四個獨特但相互依存的要素：
客戶價值主張 (CVP)：客戶價值主張幫助客戶以更有效、可靠、便利或經濟的方式，解決重要問題（或完成待辦事項），且具有合理的價格。
關鍵資源：包括人員、技術、設施、設備、資金、品牌，以及創造和傳遞產品或服務所需的原材料。
關鍵流程：組織中的人員開發出可重複、可擴展和可持續的方式來生產和交付產品。
利潤公式：說明公司如何為自身和股東創造價值。包括收入模式、成本結構、目標單位利潤，以及資源周轉率。
.
✔ 商業模型的動態關係分析
在這些要素形成的三角關係當中，我將三邊的連動理解為：
技術挑戰：如何利用 資源/流程 實現 主張的客戶價值。
價值捕獲：如何識別價值主張中的多種因素，並以合適的收入模式 (買斷、訂閱，等等…) 捕獲。
優先排序：如何找出 技術挑戰低 且 價值捕獲高 的項目優先執行 (或是技術挑戰高，價值捕獲也高的護城河構建)，讓循環持續轉動。
.
作為技術從業者，大多比較側重在 “技術挑戰” 這個邊上，很容易將「資源/流程的複雜度」視作「客戶價值高」又或是「更具收費潛力」。典型「手上有槌子，什麼都是釘子」的思維慣性。
在討論商業價值的時候，若能跳脫自身職能所側重的一邊，站在更高的視角來衡量這四個象限以及三邊的動態，會更具有建設性。
.
❏ 價值的本質
「這個功能為客戶帶來什麼價值」、「這個提案為客戶帶來什麼價值」
價值不僅是引領前進的指針，也是挑戰需求的假設。
那麼，「AI Agent 為客戶帶來什麼價值？」。或者，再往問題背後的問題去想，究竟這個商業世界，價值有多少種形式？
在《客戶真正重視的 30 件事》[4] 提到：
產品和服務能提供滿足四大類需求的基本價值要素：功能性、情感性、改變生活以及社會影響。一般而言，提供的價值要素越多，客戶的忠誠度就越高，企業也能維持更高的營收成長。
如上圖，技術的進展最直接關聯的影響就是「功能性」的價值 (像是 節省時間、降低風險、品質提高，等等…)。
那麼，我們可以看看 AI Agent 展示出來的 6 種行為特性，在進階的情境中，如何對應到不同的功能性價值 (以下是由 LLM 幫忙初步映射，我再微調)。
.
以上面的「旅遊規劃」為例：
Perception (感知)：整合並解讀多重數據源，包括過去旅遊歷史、即時航班資料、天氣預報、當地活動行程、社群媒體趨勢和全球新聞。
Informs: 通過整合多重數據源，提供使用者全面且深入的旅遊資訊。
Simplifies: 將複雜的資訊整合並以易於理解的方式呈現，簡化使用者獲取資訊的過程。
Saves time: 快速整合並分析資訊，節省使用者自行蒐集和分析資訊的時間。
Interactivity (互動性)：維持對話式介面，主動詢問澄清、解釋建議原因，並根據使用者偏好和情境調整溝通方式。
Reduces effort: 透過主動的互動，減少使用者主動搜尋和過濾資訊的負擔。
Quality: 透過對話式互動，更精準地了解使用者需求，提供更高品質的建議。
Avoids hassles: 主動詢問澄清及解釋建議原因，避免使用者因資訊不足或誤解而產生的困擾。
Persistence (持續性)：隨時間建立使用者的完整旅遊習慣和偏好檔案，持續改進對使用者的理解。
Organizes: 系統性地儲存並管理使用者的旅遊偏好和歷史資料。
Integrates: 將每次互動中的資訊整合到使用者檔案中，形成完整的個人化資料庫。
Quality: 隨著時間推移，更深入了解使用者，提供更高品質且個人化的建議。
Reactivity (反應性)：持續監控和分析多重數據流，主動調整旅遊行程和成本估算。
Saves time: 即時監控並調整，節省使用者持續關注和調整行程的時間。
Reduces risk: 根據即時資訊調整行程，降低因突發狀況 (如航班延誤、天氣變化) 造成的風險。
Avoids hassles: 主動應對變化，避免使用者因突發狀況而產生的困擾。
Proactivity (主動性)：預測潛在需求並提供主動建議，如護照即將過期提醒、道路封閉建議改搭地鐵等。
Reduces risk: 預先提醒潛在問題 (如護照過期)，降低風險。
Avoids hassles: 主動提供替代方案 (如改搭地鐵)，避免行程受阻。
Saves time: 預先提醒並提供建議，節省使用者處理問題的時間。
Autonomy (自主性)：控制高價值資源，做出具有重大系統影響的決策，並在較大的操作範圍內運作。
Makes money: 控制高價值資源 (如機票、酒店預訂系統)，可能透過優化預訂策略為使用者節省金錢或為平台創造收益。
Saves time: 自主執行決策，節省使用者做決策的時間。
Variety: 基於對高價值資源的控制，可以提供更多元的旅遊方案選擇。
.
透過 6 種行為特性，套用到「旅遊規劃」這個產業/情境，進一步對應到不同的功能性價值。這一過程，讓我更清晰的知道，AI Agent 對於「旅遊規劃」來說帶來哪些價值。
當然，也可以反過來做，從「功能性價值」出發去思考如何利用 6 種行為特性來達成。像是：思考如何利用 Agent 的「主動性」來「降低風險」，像是：預先提醒潛在問題 (如護照過期)。
.
❏ 一門好生意
「AI Agent 是一門好生意嗎？」不是一個正確的命題
「Agentic 的__特性應用在__產業/情境帶來的__功能性價值是一門好生意嗎?」才是
在回答了 AI Agent 帶來什麼價值以後，回到開頭：「這是否是一門好生意？」
是不是一門好生意，關注點在於上圖左右兩個邊上：
技術挑戰 (左側)：6 種行為特性的達成，對於關鍵技術流程和資源的要求有多高？
價值捕獲 (右側)：這些行為特性帶來的功能性價值，轉化為獲利的比率有多少？
.
舉例來說，要滿足 Perception 進階的特性
Perception (感知)：整合並解讀多重數據源，包括過去旅遊歷史、即時航班資料、天氣預報、當地活動行程、社群媒體趨勢和全球新聞。
技術上需要有串接相關資訊源的能力，可能也需要有網路爬蟲，和大資料處理的能力。這對技術提出的挑戰，算是高的嗎? 研發的投入能夠持續築起技術的護城河嗎?
.
再來，這個特性所帶來的功能性價值
Informs: 通過整合多重數據源，提供使用者全面且深入的旅遊資訊。
Simplifies: 將複雜的資訊整合並以易於理解的方式呈現，簡化使用者獲取資訊的過程。
Saves time: 快速整合並分析資訊，節省使用者自行蒐集和分析資訊的時間。
提供給旅人更全面的資訊、整理成容易理解的形式、節省旅人自行做功課的時間。這樣的價值論述，能夠實際轉換成獲利嗎，and how？
.
透過關注左右兩側的問題，來指導 優先排序(底邊) 的選擇：優先執行充滿技術挑戰的高獲利功能。
❏ 結語
本文深入探討 Agentic(代理性) 特質的細微光譜，而不陷入關於何謂 AI 代理的二元辯論。通過分析六項核心行為特徵 — 感知、互動性、持續性、反應性、主動性和自主性，可以清楚看到 AI 代理的真正價值在於其有效解決複雜且與情境相關問題的能力。
四象限商業模型和價值金字塔的討論進一步強調，AI 代理的成功取決於兩個關鍵面向：
實現進階代理性特徵的技術可行性
將這些特徵轉化為客戶可感知的功能價值的能力。
問題不僅僅是「AI Agent 是一門好生意嗎？」，而是 「如何將特定的代理性特徵應用於目標產業來創造前所未有的價值？」。
關注於此，讓我們跳脫炒作，專注於滿足現實需求的Agentic 應用。
~
More ways I can help you 🚀
1:1 Coaching：與我預約諮詢《非正式閒聊》。無論是技術創新、團隊管理，或是個人成長 方面的疑問，都歡迎 預約諮詢。期待透過輕鬆愉快的對話，與各位交流分享、互相學習 🥳。我將協助您成為高績效的領導者和工程師。
🦥 parting thoughts 🦥
一年的最後一個月，也是聚會最多的一個月，和許久不見的老朋友見面吃飯，聊聊過去一年發生的事情，充滿感恩的溫暖。
最近密集的玩了 AI Agent 開發管理平台，有機會在跟大家分享。
如果這篇文章有幫助到你，記得按讚加分享 👍，請我喝杯咖啡 ☕，我們下期見！
🔖 參考資料
[1] What Makes a True AI Agent? Rethinking the Pursuit of Autonomy - https://towardsdatascience.com/what-makes-a-true-ai-agent-rethinking-the-pursuit-of-autonomy-547ab54f4995
[2] 2024愛分析·AI Agent廠商全景報告 - https://www.gelonghui.com/p/1014632
[3] Reinvent Your Business Model: The Idea in 5 - https://www.innosight.com/insight/the-idea-in-5-reinvent-your-business-model/
[4] The 30 Things Customers Really Value - https://hbr.org/2016/08/the-30-things-customers-really-value
[5] 7 Elements of a Strong Business Model - https://www.linkedin.com/pulse/7-elements-strong-business-model-ian-price/
我觉得用洗碗机都比agent更能带给我幸福感