AI Agent 有哪些？企業常見 5 類 AI Agent 與現成工具、客製怎麼選

AI Agent 有哪些？企業最常用到的 AI Agent 可以分成 5 類：客服類、業務類、文件類、流程類、程式類。前兩類面對客戶，後三類處理公司內部的資料和工作。每一類都有現成工具可以直接開帳號用，但只要碰到「要串內部系統、資料不能出公司、流程有簽核、要留紀錄」這四個條件裡的任何一個，現成工具通常就撐不住，得往客製走。

我們公司自己每天就在跑 20+ 個 AI 流程，從整理客戶對話、產出報告到檢查程式碼都有。在 AI 導入諮詢裡最常聽到的第一句話，幾乎都是「AI Agent 有哪些？我們公司該用哪一種？」這篇就照這個問題來回答：先用一張表講清楚 5 類 Agent 的差別，再給你判斷要不要客製的 4 個條件，最後是建議的導入順序。

如果你還在想「AI Agent 到底是什麼」，可以先看 AI Agent 是什麼？企業怎麼用 Agentic AI；想自己動手做一個，看 AI Agent 從原理到實作的完整教學。這篇不重講原理，專心處理分類和選擇。

AI Agent 跟聊天機器人差在哪？一句話分清楚

一句話：聊天機器人負責回答，AI Agent 負責把事情做完。聊天機器人收到問題、吐出一段文字就結束；Agent 會自己拆步驟、去查資料、呼叫其他系統、檢查結果，做到任務完成為止。

舉個例子。客人問「我的訂單到哪了」，聊天機器人只能回「請提供訂單編號，或到會員中心查詢」。客服類 Agent 會自己去訂單系統查這位客人最近的訂單、讀物流狀態、判斷有沒有延誤，延誤的話再開一張工單給倉管，最後回覆客人具體的到貨日。中間每一步都是它自己決定要做的。

Anthropic 在 Building effective agents 這篇工程文章裡把兩種做法分得很清楚：步驟固定、照順序跑的叫 workflow；由模型自己決定下一步、自己挑工具的才叫 agent。企業實際導入時，兩種常常混著用。下面這張表先讓你 30 秒看完 5 類 Agent 的全貌。

表格裡的「第一個用得到的部門」只是常見起點。同一類 Agent 在不同公司會落在不同部門，例如有些公司的業務類 Agent 其實是客服主管在用，因為成交前的詢問都由客服先接。

企業常見的 5 類 AI Agent：用途、現成工具與什麼時候要客製

先講結論：5 類裡面，程式類和文件類的現成工具最成熟，客服類和業務類最容易卡在「資料散在各處」，流程類最常需要客製。下表把每一類的現成工具代表、適合規模和客製訊號整理在一起。工具名稱只是舉例，方便你搜尋比較，價格變動太快，這裡不列。

客服類 Agent：最常被第一個想到，也最容易做歪

客服類 Agent 是老闆最常第一個想導入的，理由很直接：客服人力貴、夜班沒人接、同樣的問題一天回二十次。現成的 AI 客服工具處理 FAQ 型問題已經很成熟，把常見問答丟進去，一兩週就能上線。

卡點在第二階段。客人問的往往是「我上週買的那台什麼時候到」「我的保固還有沒有」，這些答案在你的訂單系統和會員資料裡，現成工具碰不到。想讓 Agent 真的查得到，就要做系統串接，這時候比較的已經是開發方案。這部分在 客製化 AI 客服系統開發完整指南 有完整拆解；如果正在評估 SaaS 方案，AI 客服 SaaS 改按成效計價後的採購邏輯 整理了合約要注意的地方。

業務類 Agent：讀對話、判斷階段、提醒追蹤

業務類 Agent 做的事情是：讀完你跟客戶的對話紀錄，判斷這位客戶現在在哪個成交階段，該追的時候提醒業務，甚至先幫你擬好跟進訊息。國外的 CRM 大廠都已經把這類 Agent 內建進產品。

台灣的難處是業務對話大多在 LINE，名單在 Excel，電子報又是另一套工具。三邊資料沒收在一起，再強的 Agent 也只能看到片段。如果要的是主動外撥，可以參考 AI Voice Agent 客戶外撥平台選型指南。

這個問題我們自己遇過，也做了一套來解：SalesKing 數位訊息平台 把 LINE 對話、客戶資料、電子報自動化收進同一個後台，AI 讀完對話判斷銷售階段、生成追蹤計畫，也是恆遠自己每天在用的 CRM。如果你的業務流程也卡在資料散落，可以跟我們聊聊，我們先幫你看流程適不適合。

文件類 Agent：把公司的文件變成可以問的資料庫

文件類 Agent 讓同事直接用問的找答案：「這份合約的違約金條款怎麼寫」「去年跟 A 供應商的報價差多少」「請假規定裡婚假幾天」。Microsoft 365 Copilot、Gemini for Google Workspace 這類工具已經能直接讀你雲端硬碟裡的檔案。

要特別注意兩件事。第一是權限：業助能查到老闆的薪資表就出事了，現成工具的權限設定要逐一檢查。第二是資料能不能出公司：醫療、金融、律師事務所這類產業，資料上雲本身就有合規問題，這時要考慮地端方案，資料不出公司的地端 AI agent 採購決策 有完整分析。

流程類 Agent：跨系統搬資料、送簽核

流程類 Agent 處理的是那些「每天都要有人做、做起來很煩」的跨系統作業：把訂單從 LINE 抄進 ERP、把報價單轉成請款單、月底把三個系統的數字對起來。n8n、Zapier、Make 這類工具很適合起步，步驟固定的部分用 workflow 跑，需要判斷的地方再交給 AI。

流程一碰到簽核就變複雜。誰可以核准、金額多少要兩層簽、被退回怎麼辦，這些規則每家公司都不一樣。比較穩的做法是讓 AI 先處理，關鍵節點留一個人按確認，AI 不敢全自動就把人放回去的審批設計 講的就是這種架構。

程式類 Agent：工具最成熟，門檻在團隊

程式類 Agent 是目前 5 類裡進步最快的：寫功能、修 bug、跑測試、寫文件，Claude Code、GitHub Copilot、Cursor 都能做到不錯的程度。對有內部工程團隊的公司來說，這是投入產出比最高的一類。

門檻在團隊的工作方式。程式類 Agent 產出很快，但需要有人定好規格、看程式碼、把關測試，否則只是把錯誤更快地寫進系統。想看這類 Agent 在完整開發流程中怎麼運作，可以參考 Claude Agent SDK 端到端自動化開發實戰。

AI Agent 用現成工具還是客製？看這 4 個條件

先給答案：下面 4 個條件全部沒中，用現成工具就好；中了 1 個，先試現成工具的進階方案；中了 2 個以上，直接評估客製。這 4 個條件是我們在諮詢時最常拿來判斷的問題。

下面這張決策圖把同樣的判斷畫成流程，可以直接拿去跟主管討論。

有一個數字很值得注意：Gartner 在 2025 年 6 月的預測 指出，到 2027 年底會有超過 40% 的 agentic AI 專案被取消，主因是成本上升、商業價值不明確、風險控管不足。同一份報告也提醒「agent washing」：很多廠商把原本的聊天機器人或 RPA 重新包裝成 Agent 來賣，Gartner 估計真正稱得上 agentic AI 的廠商只有約 130 家。所以評估現成工具時，先問清楚它到底會「自己做」哪些事，還是只是換了名字的問答機器人。

真的要走客製，接下來會碰到「怎麼找廠商、怎麼簽約」的問題，AI Agent 系統採購完整框架 整理了 workflow 跟 agent 的判斷方式、報價區間和合約紅線；技術團隊要選框架，看 AI Agent 框架選型指南。

我們的判斷：第一個 AI Agent 該從內部流程開始

我們的看法跟市場主流不太一樣：多數中小企業的第一個 AI Agent，應該放在內部的文件類或流程類，客服類往後排。

理由有三個。第一，對內出錯的代價小：內部流程 Agent 填錯一張表，同事改回來就好；客服 Agent 對客人講錯一句話，可能就是一則負評。第二，對內比較容易量化：原本一個人每天花兩小時對帳，導入後剩二十分鐘，這個數字老闆一看就懂。第三，內部流程會逼你先把資料整理好，而資料整理好之後，下一步做客服類 Agent 才查得到東西。

McKinsey 的 The state of AI in 2025 調查剛好呼應這點：23% 的受訪企業已經在某個部門擴大使用 agentic AI，另有 39% 還在實驗階段，但任何單一業務部門裡，擴大使用 Agent 的比例都不超過 10%。大多數公司的 Agent 還停在試點，能先在一條內部流程跑出成果的公司，後面擴張會快很多。

這也是我們自己的做法。我們公司內部 20+ 個 AI 流程裡，最早跑起來、到現在還天天在用的，幾乎都是整理資料、產出報告、檢查內容這類內部工作。對外的部分是內部流程穩了之後才一步步接上去的。

AI Agent 導入順序：從一條流程到多個 Agent

先講結論：挑一條流程、跑 30 天、量數字，過關再擴到下一條。一次導入多類 Agent 的公司，最後通常每一類都做不深。

每個階段要量什麼數字、怎麼驗收，AI Agent 評估方法論完整指南 有 6 個 KPI 可以直接套用。成本方面要特別留意，Agent 上線後的 token、主機和人工監控費用常常超出預期，AI agent 部署 6 個月成本飆 3 倍的真相 拆解了三段最容易漏算的帳。

想看更多企業實際把 Agent 用在哪些場景，可以參考 企業導入自主思考 Agent 的七大場景。台灣政府這幾年也在推企業導入 AI，經濟部產發署表示截至 2026 年 3 月底已 輔導 2,058 家企業導入 AI，其中九成一是中小企業，有補助資源的話可以一起評估。

導入 AI Agent 前，先避開這 4 個坑

這 4 個坑是公開報告和業界討論裡出現最多次的，跟用哪一類 Agent 無關，每一類都會遇到。

權限的問題特別值得花時間處理。員工自己開帳號用 AI 工具、把公司資料貼進去，是很多資料外洩事件的起點，AI agent 越權存取資料防禦指南 有一份 30 天的處理步驟。至於 Agent 出錯時的法律責任怎麼分，可以參考 當 AI Agent 犯錯，誰負責。

AI Agent 有哪些適合你？一張表對照你的公司現況

最後把前面的判斷收成一張表。找到最像你公司現況的那一列，就知道從哪類開始、用什麼方式做。

如果你已經有想自動化的流程，可以 用 LINE 跟我們聊，或看看我們的 AI 系統開發 和 客製化系統開發 做些什麼。