面試時，候選人能說明大型語言模型（large language model，LLM）、會寫提示詞（prompt），也做得出展示版本。不過，專案一牽涉採購、法務、資訊與使用部門，問題就來了：資料要從哪裡取得、遇到例外由誰判斷、金額超過上限要找誰簽核、出錯後要怎麼回查？這些問題如果答不出來，即使技術展示再順，也不能證明系統能實際用在日常工作中。
企業要判斷 AI 部署人才有沒有落地能力，不必再多考一題模型知識，應該看他能不能把同仁的經驗整理成固定規則、把跨部門工作拆成可以執行的任務，並在高風險環節安排人員核可。此外，團隊還要記錄整個執行過程，讓主管、IT 與稽核人員查得到 AI Agent 用過哪些資料、做過哪些事。
會寫提示詞，不代表能把 AI 專案帶進日常工作
TechOrange 報導，Anthropic 投入 1 億美元成立 Claude Frontier Academy，目標是在 2027 年底前培訓 1 萬名前沿部署工程師（Frontier Deployed Engineer，FDE）。企業先提名有實作經驗的資深軟體工程師，由 Anthropic 面試後，獲選者接受 4 天的實體課程與測驗，再回到原公司執行為期 12 週的實際專案。這套培訓方式重視實際部署能力，不是只看學員在課堂上懂了多少。
Anthropic 認為，優秀的 FDE 要熟悉代理式 AI（Agentic AI）系統，也要能解決問題、與不同部門溝通合作，並具備成熟的工程能力與好奇心。不過，報導也提到，Anthropic 仍在建立完整的評量機制，目前只說明會評估表達、解決問題與程式開發能力，尚未公布完整的評分方式與成果衡量標準。因此，台灣企業可以參考這套培訓流程，但什麼程度才算能正式上線運作，仍要由企業自己定義。
以採購比價為例，如果候選人只會讓模型讀取三份報價並整理差異，還沒有碰到真正困難的部分。他還要問清楚匯率與付款條件要怎麼比較、供應商資料有缺漏時要找誰補齊、價格超過授權額度時流程要停在哪一步，以及結論送出前該由誰負責確認。企業挑選人才時，應請候選人說明過去如何追問需求、處理例外，以及取得跨部門共識。這些經驗比證照或提示詞作品更能反映實際工作能力。
用實際運作的跨部門流程，看出候選人的落地能力
企業可以直接挑一段目前正在運作，而且範圍可以控制的流程作為評量題，例如供應商文件審查、內部報表彙整或客服案件分類。除了提供需求文件，也要讓候選人訪談實際承辦人，因為文件通常只寫標準作業方式，退件、補件與臨時例外等實際情況，往往要問承辦人才會知道。評量時可以看以下四件事：
- 資料盤點： 他能不能列出每一步需要哪些資料、資料從哪裡來、由誰負責，以及如何更新；如果資料不齊，也要說清楚流程該停止，還是改由人員接手處理。
- 規則整理： 他能不能把資深同仁的判斷方式寫成可以重複使用的規則，並分清楚哪些是固定條件，哪些仍要依個案判斷。
- 任務交棒： 他能不能把工作拆成前後相接的任務，說清楚每一步會收到什麼、完成後要交出什麼，以及下一位承辦人該在什麼時候接手。
- 核可安排： 他能不能找出高金額、資料互相矛盾或條件不明確等情況，讓流程先停下來，交由指定人員確認，而不是讓 AI Agent 自行決定。
這些工作也可以用 EgentWrX 實作。團隊可以把資深同仁的固定做法寫成 AI Skill，經過審查後再推廣使用；也可以把多項任務串成工作流（workflow），並在交棒前設定人工核可，讓 AI Agent 完成前段工作後先停下來等待確認。評量候選人時，不妨要求他實際做出一小段流程，再用正常案例、資料缺漏案例與越權案例測試。主管要看的不是展示畫面漂不漂亮，而是規則有沒有寫清楚，以及遇到例外時，流程會不會停下來。
驗收不能只看最後答案，還要能回查每一步
很多展示只挑資料完整的案例，最後產出的結果看起來也合理。不過，系統正式運作後，管理者還要能回答另一組問題：AI Agent 讀的是哪一版文件、使用過哪些資料、在哪一步改變原先的判斷、由誰核准繼續執行？如果團隊只能打開最後一份報告，卻無法還原中間的執行過程，IT 很難找出錯誤發生在哪裡，主管也無法確認是哪個環節出了問題。
因此，專案驗收表要納入可追溯性（traceability）。企業可以指定一筆測試案例，要求候選團隊現場說明資料來源、執行步驟、使用的規則版本與核准人員，並匯出相關紀錄，再逐項檢查是否完整。EgentWrX 的稽核日誌（audit log）可記錄 AI Agent 執行過的操作，也能用雜湊鏈（hash chain）驗證紀錄的完整性；管理者下載稽核紀錄時，系統也會留下紀錄。這些機制無法保證結果一定正確，但企業日後遇到爭議時，至少能查清楚當時發生了什麼事。
企業如果連團隊職責都還說不清楚，就不必急著成立 FDE 團隊。可以先挑一段跨部門流程，請候選人在限定範圍內完成資料盤點、規則整理、任務交棒、人工核可與紀錄匯出，再由承辦人、IT 與主管共同驗收。企業現階段需要的 AI 部署人才，必須能把同仁的經驗整理成可供核可、事後也能回查執行過程的工作流。
