AI Agent 工作流程自動化：香港企業由試點到管治

AI Agent 與傳統 AI 應用的關鍵分別

傳統的 AI 應用通常是單次輸出：輸入一段文字，得到一個摘要或分類結果，人手再決定下一步。AI Agent 的設計目的是連續執行多個步驟——讀取資料、做判斷、觸發下一個動作、再讀取結果、再做判斷——中間不一定需要人手介入。

這種連續性帶來效率，但也帶來風險：如果 Agent 在第二步做錯判斷，第三步、第四步的動作都會建基於錯誤的判斷之上，而人手可能要到流程走完才發現問題。這就是為什麼 Agent 自動化需要比單次 AI 應用更嚴謹的管治設計。

選擇試點流程：從低風險、可逆轉開始

理想的試點流程有兩個特徵：出錯的後果可以撤銷或修正，以及流程本身不直接觸及對外承諾（例如合約條款、客戶承諾的價格）。舉例來說，內部文件分類、會議記錄整理、供應商發票初步核對，都比直接自動回覆客戶查詢或自動下單更適合作為試點。

很多企業因為想「快速見效」而選擇高風險的對外流程作試點，一旦出錯，處理善後所花的時間往往遠超過自動化節省下來的時間，也會削弱內部對後續自動化項目的信心。

設計人手覆核點：不是每一步都要人手看,但關鍵決策點必須有

有效的覆核點設計，不是讓人手審核每一個步驟（這樣會失去自動化的意義），而是識別流程中「一旦出錯代價最高」的那幾個決策點，在那裡設置人手覆核，其餘步驟可以讓 Agent 自行完成。

例如在處理供應商發票的流程中，Agent 自動核對金額與訂單是否相符可以全自動進行，但當金額差異超過某個門檻，或者供應商是新增的，就應該轉交人手處理，而非讓 Agent 自行決定是否放行。

門檻的設定不應該一次過寫死，而應該在試點期間根據實際發現的問題不斷調整。

審計紀錄與可追溯性：試點階段就要建立

如果 Agent 執行了一連串動作，企業必須能夠回答：它在哪一步做了什麼判斷、根據什麼資料、有沒有人手介入過。沒有這些紀錄，一旦出現爭議或錯誤，企業將難以還原事件經過，也無法向監管機構或客戶交代。

審計紀錄的設計不需要等到規模化階段才做，應該在試點的第一天就啟用，這樣試點結束時，企業手上已經有一份完整的行為紀錄，可以用來評估是否值得擴大範圍。

在香港落地 Agent 自動化的特別考量

如果 Agent 需要處理涉及個人資料的流程（例如客戶查詢分流、僱員資料整理），企業應該在設計階段一併考慮《個人資料（私隱）條例》框架下對資料收集、使用目的與保留期的一般要求，並確保 Agent 的資料存取範圍有明確界線，而非讓它可以無限制讀取整個資料庫。這裡同樣是一般性的營運提醒，而非法律意見。

另外，香港不少企業的營運同時涉及香港總部與內地或東南亞的分支機構，Agent 若需要跨機構調用資料，應該先釐清各地資料是否可以互通，以及互通後的責任誰屬，避免自動化流程無意中造成資料處理範圍超出原先預期。

在人手覆核的安排上，考慮到香港職場普遍存在跨部門溝通需時的情況（例如財務、法務、業務部門各自有審批鏈），Agent 的升級路徑設計應該預先與各部門協調清楚由誰在什麼時間內回應，避免自動化流程因為等待人手覆核而變成新的瓶頸。

由試點過渡至規模化：逐步調升自動化程度

試點結束後，企業常犯的錯誤是一次過把自動化程度推到最高（例如完全取消人手覆核）。更穩健的做法是分階段調升：先把覆核比例從百分之百降至部分抽查，觀察錯誤率是否維持在可接受水平，再逐步降低人手介入比例。

每一次調升自動化程度，都應該伴隨一次正式的覆核決定，由負責人簽署確認風險可控，而不是讓自動化程度在沒有人留意的情況下自然「爬升」。

治理規則需要一位負責人定期覆核

很多企業把治理文件寫好之後就束之高閣，直到出現問題才翻出來看。有效的做法是指定一位負責人，定期（例如每季）覆核治理規則是否仍然適用：門檻是否需要調整、新增的用例是否已納入規則範圍、升級路徑的聯絡人是否仍然在職。

隨著企業引入更多 Agent 用例，治理規則會自然變得複雜，這時候更需要一份清晰的文件把所有規則集中管理，而不是散落在不同部門的個別記錄裡。