「我們已經建了上百支 AI Agent，算導入成功了嗎？」這是我們在企業現場經常被問到的問題。
要回答這個問題，不能只看 Agent 的數量，還要看它們彼此怎麼配合。十支任務如果已經串成一條工作流，實際發揮的效益，很可能比數百支各自運作的任務更高，代表這家公司的 AI 能力也更成熟。
企業的 AI 能力到了哪個等級，關鍵在於幾件事：有效的做法有沒有留下來，工作交接能不能自動完成，治理機制是否允許 AI Agent 正式執行，以及其他部門能否重用已經建立的能力。我們把這段發展過程分成點、線、面三個等級。
從個人使用，到公司能力
在「點」的階段，許多同仁已經開始使用 AI 工具，也為特定任務寫了大量提示詞。問題是，這些任務彼此獨立，成果通常停留在個人或單一部門。局部工作或許變快了，公司整體的效率卻看不出明顯改變。
如果企業沒有管理平台，或同仁使用的是個人帳號，經驗和提示詞也會跟著留在個人帳號裡。人員一旦異動，原本有效的做法很可能就此中斷。
到了「線」的階段，企業開始把不同部門的 AI Agent 串成工作流。原本需要人工傳遞、確認與重複輸入的工作，逐步由流程接手，效率改善也從單一任務擴大到整段流程。
再往前走到「面」，公司層級的技能與治理已經成形。企業能建立全公司通用的 AI 技能，讓 Agent 彼此串接協作、取用公司的知識庫，並依照公司的規則做事。這時候，AI 才真正成為可以管理、維護與擴充的組織能力。
第一階段：先讓全員建出任務（約第 1 至 3 個月）
導入初期，目標很明確：先把固定工作建成任務。
一開始就規劃多 Agent 工作流，方向雖然沒有錯，但我們在現場常看到，多數同仁連第一支任務都還做不出來。如果基本任務尚未建立，太早討論複雜串接，往往只會得到一張看起來完整、實際上無法執行的流程圖。
這個階段需要把角色分清楚。專案窗口負責盤點與追蹤；部門主管決定優先順序、指派 AI 專案小組，並確認預期效益；導入顧問帶領訪談、首批任務建置與工作坊；作業同仁提供資料，並實際參與驗測。資訊部則先處理環境、帳號與資安邊界，暫時不必急著開發系統串接。
每支任務都要留下足夠的紀錄，包括原始職責、輸入範例、操作步驟、預期輸出、驗測結果與維護者。這些內容看似基本，卻直接影響任務日後能不能交接。否則任務即使做得出來，也可能只有原本的建立者知道該怎麼用、出錯時該怎麼改。
階段結束時，應該交付職責清單、任務候選清單、已驗測的任務、維護者名冊，以及改善前的基準數據。這些交付物讓管理層看得見目前建立了哪些能力，也能在下一階段比較導入前後的差異。
要進入下一階段，可以檢查三個條件：至少兩個部門已經在日常工作中使用任務；每支任務都找得到維護者；管理層能從既有任務中，挑出一條適合串接的流程。三個條件都具備，才有機會把分散的點連成一條真正跑得動的線。
第二階段：把點串成一條跑得動的線（約第 3 至 6 個月）
進入中期後，通常用 2 到 3 個月完成第一條工作流。
這時由專案窗口召集流程的上下游單位，部門的 AI 專案小組與作業同仁一起畫出流程節點，再由流程負責人決定交接標準。等到確認哪些環節需要串接資料或系統，再請資訊部加入。這個順序很重要，因為流程規則如果還沒談清楚，資訊部就算先把系統接好，後續仍可能反覆修改。
這個階段最費工的地方，通常是把交接談清楚。每個節點都要寫明由誰觸發、讀取什麼資料、產出什麼格式、交給下一站什麼內容，以及發生錯誤時由誰處理。過去靠同仁經驗補上的細節，現在都必須成為明確規則，AI Agent 才知道下一步該怎麼走。
舉例來說，一家精密沖鍛廠已經有合約初審、圖面尺寸識別、模具零件清單、材質證明審核、報價與工單回寫五支單點任務，但各節點之間仍然靠人工搬運資料。碰到這種情況，該做的是把五個節點串起來，而不是繼續增加第六支單點任務。否則任務愈做愈多，人工交接也會跟著增加，整體流程未必真的變快。
中期的交付物包括現況流程圖、目標流程圖、節點輸入輸出規格、例外處理表、權限表、驗測紀錄，以及一條實際運行中的工作流。
判斷能否進入下一階段，要看流程總時間與人工搬運次數，是否都有導入前後的對照數字。只要流程中仍然固定需要有人下載檔案、重新輸入，或逐筆通知下一站，就還不算完成串接。對企業而言，一條能穩定運行的工作流，遠比十條只留在簡報上的藍圖有用。
第三階段：把重複規則整理成技能（約第 6 個月之後）
進入長期階段後，企業通常會發現，同一種報表格式、審查標準、用語規範或例外判斷，常常重複寫在不同任務裡。平常看不出問題，一旦簽核表單改版，幾乎每一支相關任務都得跟著更新，維護成本很快就會浮現。
這時候，要把跨任務重複出現的規則，整理成公司或部門層級的技能，同時建立版本、維護者與變更流程。管理單位或 AI 治理小組負責技能目錄與版本；部門專家擔任內容擁有者；資訊部維護權限、串接與稽核；AI 專案小組負責回歸測試；管理層則決定哪些技能可以跨部門共用。
技能不是替提示詞換個名字。一套規矩必須能被兩支以上的任務重用，更新一次就能同步，而且使用邊界與負責人都清楚，才值得抽成技能。否則只是把原本散落在任務裡的內容，換一個地方存放，維護問題仍然存在。
到了這個階段，驗收重點不再是應用的總數，而是新部門能不能沿用既有的 AI 資產。新團隊能否從 Agent 清單裡找到可用的技能，在既有權限規則下完成調整，並把新增的例外狀況，經管理者審核後回寫到共用版本，才是更實際的檢查方式。
即使日後人員異動，這些知識仍然可以查詢、修改與追溯，企業的 AI 能力才算具備成熟的條件。
公司目前在哪裡？從四個維度檢查
要判斷公司目前走到哪個位置，可以從四個維度檢查：
- 知識資產化：公司的做事方法寫下來了嗎？職責盤點過了嗎？重複的工作有沒有變成任務？資料是否乾淨到 AI 讀得懂？
- 流程串聯：部門之間的交接點，有沒有標準化的輸入與輸出？有沒有至少一條流程能由 AI Agent 從頭跑到尾？
- 治理放行：誰在用、花多少、碰了什麼資料，管理層答得出來嗎？出錯時，有沒有人收到通知並能停止？
- 組織動能：推動者是懂流程的單位，還是只靠資訊部？領導者自己用嗎？部門之間看得到彼此的成果嗎？
這四個維度不能互相取代。知識整理得再好，如果跨部門流程沒有梳理清楚，最後往往只能做出方便員工查文件的知識問答工具。流程畫得再完整，如果治理規則與邊界沒有定清楚，所有應用也只能停在 POC 階段，無法正式進入日常作業。
我們觀察到，大多數台灣企業目前落在「點」與「線」之間。最大的風險，是只看授權數與使用量，就認定公司已經往前走，卻沒有設定進入下一級的具體條件。
與其同時推動許多項目，不如先找出目前卡住下一步的弱項：是任務沒有維護者、流程交接仍靠人工、治理邊界尚未確定，還是部門之間無法重用成果？位置看清楚了，才知道接下來應該優先補強哪個維度。
本文摘自智慧方案《Agent-Ready：台灣製造業 AI 應用白皮書》。白皮書附有完整的十二週導入時程表，以及 12 題自我評核表，依得分對應點、線、面三個等級，並給出每個等級三個月內該做的第一件事。