在報價流程裡，AI Agent 可能已經整理好詢價資料、比對過歷史訂單，也草擬了報價，卻還是處理不了少數例外。主管看到這種情況，可能會認為專案「還不能用」；同仁也會覺得，既然最後還是得逐項檢查，乾脆自己從頭做比較快。不過，問題不一定是模型能力不夠，也可能是企業仍把「能不能完整取代一個人」當成驗收標準。
Palantir 技術長 Shyam Sankar 接受 Stratechery 訪談時也提出類似的看法：企業導入 AI，應該以工作流程（workflow）為基本單位，而不是以取代一名知識工作者為目標。如果專案要求 AI 完整取代人類，即使 AI 能完成九成八，企業還是可能因為剩下的工作沒有完成，而把整個專案判定為失敗。他認為，企業應該依照 AI 現有的能力重新設計流程，就像工廠開始使用電力後，不會只是換掉一台機械，而是會重新安排整座工廠的運作方式。
AI 已經完成九成八，流程為什麼還是走不完？
業務報價就是一個常見的例子。AI Agent 也許能整理客戶需求、搜尋歷史價格、比對成本，也能草擬報價單；不過，折扣是否符合這次的競爭情勢、特殊付款條件能不能接受、交期是否牽涉跨部門承諾，仍需要業務、財務或主管判斷。如果專案目標是「由 AI Agent 自動完成報價」，企業就可能因為最後幾項工作仍需要人判斷，而把整個專案判定為失敗。相反地，如果目標改成縮短整理資料的時間、減少遺漏，並且只讓主管處理例外狀況，團隊才看得到人機協作帶來的成果。
Sankar 以供應鏈分析師為例指出，即使個人的工作效率提高，也不一定能提升投資報酬。因此，企業評估供應鏈專案時，不能只看分析師個人做得有多快，還要確認採購、庫存、排程與核准等環節是否真的有所改善。檢查現有專案時，可以先問：「AI Agent 整理完成的資料會交給誰？接手的人能直接使用，還是得重新整理一次？」如果下一位同仁仍要從頭確認，就應該先調整交接內容、釐清責任，再討論是否需要更換模型。
先把流程分成執行、判斷與核可三類工作
重新分工時，可以先挑一條起點、終點與負責人都很清楚的流程。例如，採購比價可以從收到需求開始，一直到主管核准採購建議為止。接著，再把流程中的每個步驟分成三類：AI Agent 可以按照明確規則執行的工作、同仁需要依實際情況判斷的工作，以及牽涉責任或承諾、必須由人核可的工作。分類的重點，是讓每次交接都有明確的輸入資料、產出內容與負責人，不需要刻意讓三類工作的數量平均。
AI Agent 可以先處理蒐集資料、整理格式、比對規則與製作草稿等工作；如果資料互相矛盾、條件沒有寫清楚，或現行規則無法處理，就交由同仁判斷。當金額超過部門上限、內容即將寄給客戶，或採購條件可能形成長期承諾時，流程就應該先停下來，等具核決權限的人員確認。公司也要明確規定，核可人必須查看哪些原始資料、差異與建議理由，不能只讓主管看著一份表面完整的建議，直接按下同意。
EgentWrX 可以將任務接成工作流，並在交接前設定人工核可。AI Agent 完成前面的工作後，流程會先停下來，等待人員確認放行。企業可以先用最近處理過的真實案件測試，看看哪些環節最常出現退件、補資料或重新改寫的情況，再調整 AI Agent 與同仁的分工。導入初期，可以先找出條件模糊、金額超過上限或涉及對外承諾等風險較高的環節，決定由誰負責確認，不必一次把所有工作都搬進系統。
把資深同仁的經驗整理成可供審查的技能
流程拆開後，可以再把「需要人判斷」的工作分成兩類。一類是公司其實已經有固定做法，只是一直沒有寫下來；另一類才是每次情況都不同、確實需要專業判斷的工作。例如，資深採購看到供應商更改付款條件時，可能會固定檢查過去的履約紀錄、替代來源與合約限制，但新進同仁往往只看到最後的同意或退回，不知道資深同仁中間查了哪些資料。
企業可以訪談實際負責這項工作的同仁，先整理出三到五項最常用的判斷條件、例外情況與輸出格式，再拿真實案件逐項驗證。適合反覆使用的做法，可以在 EgentWrX 寫成技能（AI Skill），讓 AI Agent 每次都按照同一套規則整理資料。如果公司要將同仁自行建立的技能推廣到全公司，應先把技能送進後台審查佇列，審查通過後才能推廣。至於會影響合約、價格或客戶承諾的判斷，仍然要保留人工核可，以免把資深同仁的經驗法則直接當成自動決策。
驗收要看整條流程與實際業務成果
重新分工後，驗收標準也要一起調整。團隊可以記錄每件工作從開始到完成經過幾次交接、在哪些環節等待、被退回是因為缺少資料還是判斷有爭議，以及最後的結果是否符合原本的業務目標。這些資訊比 AI 回答得是否流暢，更能反映企業實際付出的成本，也能幫助團隊確認下一輪應該調整資料、規則還是責任分配。
Sankar 觀察到，以增加營收、提高市場競爭力為目標的客戶，比以裁員、降低成本為目標的客戶更容易成功。不過，原文沒有提供客戶數、產業分布或量化比較，因此不能把這項觀察直接當成普遍結論。企業可以把它當成檢查方向：除了計算可以減少多少人力，也要評估 AI 能不能協助業務處理過去無暇處理的工作、縮短回應客戶的時間，或減少遺漏關鍵案件。先針對選定的流程寫清楚預期成果、風險與負責人，再用真實案件驗證；確認流程達到預期成果後，才擴大導入到其他單位。
