代理式 AI 與生成式 AI:您的業務需要哪一種?

如果您需要的是協助創作內容、解答問題,或按指示產出結果,請選擇生成式 AI。如果您需要的是能追求目標、作出決定、使用工具並完成多步驟任務的軟件,請選擇代理式 AI。本指南會把代理式 AI 與生成式 AI 的分別講清楚,不會迷失在術語之中。

重點摘要

• 生成式 AI 在您提出要求時,創作一個答案、素材或建議。
• 代理式 AI 朝著一個明確的成果,跨越多個步驟持續工作,不需要事事指點。
• 生成式 AI 通常是 AI 代理內部的基礎。代理在其上加入規劃、記憶、工具、規則及行動。
• 對於獨立的單項任務,先從生成式 AI 開始。當未完成的工作正在消耗您的時間或錯失商機時,就該選擇代理式 AI。

代理式 AI 與生成式 AI 有甚麼分別?

生成式 AI 按提示產出內容。代理式 AI 接下一個目標,然後逐步完成達成目標所需的工作。生成式系統可能在您要求時草擬一封電郵。代理式系統則可能自行找出誰需要收到電郵、寫好它、按既定規則發送、記錄結果,並決定接下來該發生甚麼。

這個分別,歸根究柢是產出與承擔之別。

生成式 AI 主要關心的是創作:

• 文字
• 圖像
• 程式碼
• 音訊
• 影片
• 摘要或建議

您給出指示,系統產出結果,然後由您決定怎樣使用它。

代理式 AI 關心的是把一項工作完成。它仍然可能生成文字、程式碼或其他內容,但生成只是整項工作的一部分。代理能把目標拆解成任務、選擇路徑、調用獲批准的工具、核對結果,並持續推進,直至到達終點。

**生成式 AI 回應一個請求;代理式 AI 管理一項工作。**這個區分之所以重要,是因為企業通常不需要更多為寫而寫的文字,而是需要一個完成了的成果,例如一位合資格的潛在客戶、一個已確認的預約,或一宗已解決的支援個案。

兩個詞並非完全割裂。代理式 AI 普遍使用生成式 AI 來理解語言及撰寫回覆。可以把生成式 AI 想像成產出有用材料的引擎,而代理式 AI 則加上司機、路線、煞車掣及目的地。

生成式 AI 如何運作?

生成式 AI 從大量數據中學習規律,並運用這些規律,按指示創作全新的產出。語言模型負責預測合適的字詞,而圖像、音訊、影片及程式碼模型則生成其他形式的內容。質素取決於模型、提示、脈絡,以及圍繞它的核查機制。

您給系統一個輸入。這個輸入可以是一條問題、一份文件、一張圖片、一段錄音,或一段詳細指示。模型處理該請求,並按它學到的規律預測一個相符的輸出。

以語言而言,這往往意味著根據已有的脈絡預測下一個字元。它不是簡單地從資料庫抄一段文字出來,而是根據字詞、概念、格式及指示之間學到的關係,生成一個全新的回應。

生成式 AI 可以協助:

• 草擬一篇網誌文章
• 改寫一封銷售電郵
• 撰寫產品描述
• 把筆記整理成摘要
• 編寫軟件程式碼
• 按書面簡介製作圖像

它回應的,是眼前的請求。

因此,當工作仍然需要有人檢視、修改、批核或發布結果時,它就特別有用。市場推廣經理可以要求六個標題選項,選出一個、調整角度,再把定稿交給設計師。

生成式模型也能運用使用者提供的脈絡。如果您提供品牌指南、客戶筆記或過往通訊,產出就能更貼題。但除非有另一套系統賦予它這個角色,否則模型不會自動承擔整個更大的流程。

**生成式 AI 最好理解為一個生產層。**它能迅速創作有用的材料,但它不會自動知道哪項任務最重要、接下來該採取甚麼行動,或者這份工作是否已達到令人滿意的商業成果。

代理式 AI 如何運作?

代理式 AI 由一個目標開始,然後在一組既定的權限之內,規劃並執行行動。它可能會蒐集資訊、選用工具、評估結果、請求批核,並經歷多個階段持續推進。它的價值來自完成一整條工作流程,而不是產出一個令人驚艷的回覆。

一個代理通常需要幾個運作部件:

• 一個目標或任務定義
• 關於應如何行事的指示
• 存取獲批准的工具或系統
• 記憶或脈絡
• 決策及升級處理的規則
• 一套判斷任務是否完成的方法

假設目標是跟進一個新查詢。代理可以閱讀該查詢、辨識主題、找出合適的回應、追問欠缺的資料、發出回覆,並記錄整次互動。如果請求超出它的規則,它可以把事情轉交真人處理。

這就是一條工作流程。

代理不需要在每個階段等待新的提示。只要企業已批准那些行動,它就可以由一步走到下一步。這種授權應該收窄而清晰。一個可以發送訊息的代理,未必需要更改定價、批准退款或刪除記錄的權限。

美國國家標準與技術研究院(NIST)關於自主系統的概述為「感知環境、作出決定、在有限人為介入下行動」的系統提供了有用的背景。在商業上,明智的做法是有邊界的自主,而不是一張空白支票。

**代理的用處,取決於它的邊界。**清晰的目標、獲批准的工具及明確的升級節點,才能把自主性化為實際的工作。缺少這些管控,代理可能行動迅速,卻依然作出錯誤的判斷。

代理式 AI 與生成式 AI 的關鍵分別是甚麼?

生成式 AI 由提示主導,通常交付一個獨立的結果。代理式 AI 由目標主導,能執行一連串行動。兩者的主要分別,體現在自主性、規劃、記憶、工具使用、決策,以及使用者在流程中保留多少控制權。

這張表並不是說每件產品的行為都完全一樣。產品設計各有不同。有些生成式系統可以調用工具,有些代理則每一步都需要批核。

儘管如此,在選購或自建方案時,這個區分仍然很有幫助。

**實際的分界線,不在於系統會不會寫。**兩類系統都可能會寫。分界線在於系統能否決定下一步做甚麼、採取一個獲批准的行動,並持續追蹤任務,直至到達一個明確的終點。

代理式 AI 比生成式 AI 更自主嗎?

是。代理式 AI 的設計就是以較高的自主程度行動,而生成式 AI 一般會等待使用者的請求,然後回傳一個輸出。這種自主性應該受權限、業務規則、覆核節點及清晰的停止條件所約束,而不是放任不管。

生成式工具可能回應這樣的指令:

「幫我寫一封回覆這位客戶的信。」

然後由您閱讀、修改,再發送。

代理則可能接到一個較廣的指示:

「在辦公時間內處理新客戶查詢。解答例行問題、補齊欠缺的資料,凡涉及投訴或不尋常要求的一律升級處理。」

代理有空間決定下一步是甚麼。它可能為查詢分類、搜尋獲批准的資訊、草擬回覆,再把個案分流。這些行動,仍然受它周圍的指示及系統所規範。

自主不等於脫離人類。它的意思是,人從指揮每一下鍵盤,轉為設定工作、界限及批核規則。

正因如此,對完全自主的系統應保持審慎。Gartner 在 2025 年的調查發現,受訪的 IT 應用領袖之中,只有 15% 正在考慮、試行或部署完全自主的 AI 代理。企業正在測試這個概念,但大多數並沒有交出不受限制的控制權。

**自主程度應與犯錯的代價相稱。**例行的分類或跟進,可以讓代理在較少監督下處理。凡影響金錢、法律承諾、敏感資料或客戶關係的行動,則應加上人手批核。

代理式 AI 系統會使用記憶及工具嗎?

會。記憶讓代理在任務過程中保留相關脈絡,工具則讓它在模型以外採取行動。生成式系統可以在不具備這兩種能力的情況下產出回應。代理式系統的設計,則是把生成的推理或內容,與資訊檢索及獲准的行動結合起來。

記憶可以指不同的東西。它可能是當前的對話、為某位客戶保存的資料,或流程早前發生過甚麼的記錄。這幾種記憶需要不同的保留規則。

工具可能包括:

• 日曆
• 客戶記錄
• 電郵系統
• 工單隊列
• 內容管理系統
• 報告儀表板

工具存取權會改變風險狀況。模型在草稿裡寫錯一個日期,是一個待修正的問題。代理訂錯了日期、發錯了訊息或改錯了記錄,則是已經在真實世界採取了行動。

所以,要測試的是連接,而不只是文字。

要問清楚系統能看到甚麼資訊、能更改甚麼、如何處理失敗的行動,以及人可以在哪裡介入。一場打磨得漂亮的示範,可能掩蓋了混亂的邊緣情況。

**記憶與工具,正是把 AI 從對話帶進營運的關鍵。**它們同時帶來新的責任。每家企業都應該知道系統記住了甚麼、能存取哪些工具、哪些行動需要批核,以及活動如何被覆核。

Sevenfold 的 AI 勞動力,正是圍繞按職能劃分的 AI 工作者而建,包括 AI 接待員、AI SEO 內容寫手、AI 潛在客戶開發員、AI 社交媒體經理及 AI 支援經理。職能之所以重要,是因為指示、邊界及預期產出,都應該與該職能匹配。

生成式 AI 在企業裡能做甚麼?

當有人需要初稿、變化版本、格式轉換或解說時,生成式 AI 是很合適的選擇。它可以協助創作文字內容、圖像、程式碼、音訊及影片,但簡介、判斷、批核及下一步行動,通常仍然由使用者負責。

中小企可以用生成式 AI 來:

• 把會議錄音整理成筆記
• 為一封電郵撰寫多個版本
• 用淺白語言解釋一份技術文件
• 按提供的資料草擬網站文案
• 構思社交媒體帖子點子
• 檢查程式碼中可能的問題

這能大幅削減「面對空白頁」的時間,也能讓一個人應付更廣泛的溝通工作,不必為每項小任務都聘請專員。

但有一個簡單的前提:草稿不等於完成了的業務流程。您仍然需要核對事實、語氣、權限、客戶資料,以及內容是否切合受眾。

在搜尋相關的工作上,生成式系統可以協助撰寫大綱、頁面簡介、標題選項或初稿。而一位專責撰寫網誌及營銷文案的 AI SEO 內容寫手,則把這個概念更進一步,被指派到一個明確的內容職能上。

**當判斷力貼近工作本身時,生成式 AI 帶來的價值最大。**它能在數秒內產出十個有用的選項,但仍然要有人選出對的那一個、核實事實,並決定它是否適合放到客戶面前。

代理式 AI 有哪些例子?

當一項任務重複出現、遵循已知規則、涉及多個步驟,而且有清晰的結果時,代理式 AI 就派得上用場。例子包括處理例行查詢、篩選潛在客戶、統籌預約、管理支援工單,以及按獲批准的指示跟進準客戶。

看幾條實際的工作流程。

**AI 接待員**可以接聽來電、安排預約、分流查詢、發送提示,以及轉駁來電。這些行動組成一套前線接待流程,而不是一個單獨生成的回覆。

**AI 潛在客戶開發員**可以發掘準客戶、發送開發訊息、篩選潛在客戶,並支援跟進。成果是一條更有條理的銷售管道,而不只是一堆寫好的訊息。

**AI 支援經理**可以解決例行查詢、管理工單、升級問題、生成報告,以及跟進個案。每項任務都需要規則,界定哪些可直接處理、哪些必須交到人的手上。

代理也可以支援內部行政。它可以統籌會議、管理日曆,或處理界定清楚的行政工作。實際範圍取決於給它的指示及存取權。

有用的代理式工作流程,必定有一條終點線。「改善客戶服務」太模糊,難以安全管理。「為新的支援請求分類、解答獲批准的例行問題、把投訴升級處理」,才是一份可以被測試的工作。

企業何時應選擇生成式 AI?

當工作主要屬於創作、分析或編輯性質,而且有人想全程參與時,選擇生成式 AI。它適合偶發任務、初期試驗、內容草稿、研究輔助,以及每次要求的產出都不一樣的情況。

以下情況,生成式 AI 是較好的第一步:

• 您需要協助開展或改進一份工作
• 該任務沒有可重複的流程
• 每個結果都必須有人批核
• 成果是一份文件、一個構思、一張圖像或一段解說
• 您還未知道哪條流程應該自動化

當企業仍在摸索時間流失在哪裡時,它同樣有用。在要求代理接管一條流程之前,先觀察工作實際如何發生。記錄當中的決定、例外情況及交接。

這些基本功很重要。

一條定義不清的流程,不會因為接上了 AI 就變好。生成式 AI 可以協助把流程畫出來,但「怎樣才算完成」仍然要由企業決定。

企業何時應選擇代理式 AI?

當一條重複的工作流程有清晰目標、穩定規則、可存取的資訊,以及足夠的工作量值得委派時,選擇代理式 AI。它適合那些「等人逐步下指令」會造成延誤、跟進甩漏或不必要行政負擔的營運任務。

以下情況,代理式 AI 是更強的選擇:

• 同一流程反覆發生
• 工作包含多個相扣的步驟
• 系統能取得它需要的資訊
• 決策可以用清晰規則框住
• 例外情況可以轉交真人

這不代表所有重複任務都應該自動化。如果工作涉及敏感個人資料、複雜投訴、高風險決定或難以言明的判斷,就應保留更強的人手監督。

一個好的起點,是一條範圍收窄的工作流程。界定它的輸入、獲准的行動、升級規則及成功條件。先在有人覆核之下運行,再擴大範圍。

Sevenfold 把自己的產品描述為一支訓練有素的 AI 勞動力。它按職能劃分的工作者,目標是承擔整項業務職能,而不是充當通用的聊天視窗。對於正在比較「AI 工具」與獲指派明確業務職能的 AI 員工的老闆而言,這個區分很有參考價值。

**代理式 AI 靠完成了的工作證明自己的價值。**如果團隊每天花大量時間追討同一批資料、分流同一類請求或重複同一種跟進,一個有邊界的代理,可能比再多一件通用寫作工具更合適。

生成式 AI 可以變成代理式 AI 嗎?

可以,但只有當軟件為生成式模型加上目標、規劃、工具存取、記憶、決策規則及行動管控時,它才成為代理式系統的一部分。把聊天機械人的提示寫長一點,並不會自動把它變成代理。創造出代理行為的,是圍繞它的整條工作流程。

一個典型的混合設計,可能是這樣:

1. 使用者或系統定義目標。
2. 代理檢視脈絡及可用資訊。
3. 生成式模型創作計劃、訊息或建議。
4. 代理調用一個獲批准的工具。
5. 結果按規則核對。
6. 代理繼續、停止或升級處理。

語言模型可能負責寫那封客戶回覆。代理則決定需要哪一種回覆、調出相關資料、經獲批准的渠道發送,並記錄發生了甚麼。

正因如此,「生成式還是代理式」有時是個誤導性的選擇題。在許多有用的系統裡,兩者是並肩工作的。生成式 AI 提供靈活的理解及內容創作能力,代理式設計則提供結構與行動。

麻省理工學院(MIT)關於「代理式 AI 是甚麼、我們想它成為甚麼」的討論是一個有用的提醒:所謂「代理」,遠不止於產出流暢的語言,而是關乎系統如何朝著目標運作。

**生成式 AI 往往是代理背後的大腦,但它不是整個代理。**規劃、權限、工具、記憶、監察及升級機制,才把一個內容模型變成能把工作推進多個階段的系統。

代理式 AI 與生成式 AI 有甚麼風險?

生成式 AI 的風險主要是產出不準確、不合適或具誤導性。代理式 AI 除了同樣的風險外,還多了採取錯誤行動的可能。代理的權限愈寬、決策愈不透明,測試、監察、保安及人手覆核就愈重要。

生成式 AI 的風險包括:

• 虛構的事實
• 機密資料出現在提示或輸出之中
• 生成內容的版權或授權問題

代理式 AI 同樣存在上述風險，還要加上自主行動帶來的後果——正因如此，自主程度越高，清晰的權限設定、審批步驟與審計紀錄就越重要。先從低風險、可還原的任務開始，凡涉及客戶的環節都保留人手把關，待系統贏得信任後再逐步擴大範圍。