工作流自動化是照你寫好的規則跑，同樣的資料進來，每次做的事都一樣。AI Agent 是會自己判斷下一步、自己動手用工具的 AI，同樣的情況可能有不同做法。中小企業建議先用工作流自動化把流程跑順，只在需要判斷的地方加 AI，例如分類客戶來信、讀懂格式不一的文件。不管用哪一種，都要先設好 AI 能看什麼、能做什麼、哪些步驟要人按同意，而且每一步都留紀錄。
1. 兩者差在哪
| 項目 | 工作流自動化 | AI Agent |
|---|---|---|
| 怎麼決定下一步 | 照事先寫好的規則 | AI 依當下情況自己判斷 |
| 同樣的資料進來 | 每次結果都一樣 | 結果可能不同 |
| 擅長的事 | 搬資料、產生報表、照規則派單和提醒 | 讀懂口語訊息、分類需求、處理格式不一的文件 |
| 出錯時 | 通常是規則沒寫到的情況，查得出原因 | 可能判斷錯，要靠權限、確認步驟和紀錄控制 |
| 上線時間 | 單一流程通常 1–2 週；跨系統整合通常 3–6 週 | 牽涉好幾套系統時，通常 6–12 週分批上線 |
簡單說，工作流自動化像照著 SOP 做事的新同事，可靠但不會變通；AI Agent 像會自己想辦法的助理，會變通但需要有人看著。很多中小企業的重複工作，其實規則就說得清楚，不一定要讓 AI 自己判斷。
2. 工作流自動化適合的事
規則說得清楚的事，交給工作流自動化就好。例如表單送出後存進 Google Sheets、每天固定時間整理報表、新名單依地區派給業務。這類工作不需要 AI 判斷，用規則做通常比較穩定，出錯時也容易查。TriloAI 自己在跑的台股主動型 ETF 每日持股報表就是這一類：每個交易日自動到證交所和各投信官網抓資料，整理成報表，再和前一天比較，把重點傳到 LINE。這是資料整理工具，不構成投資建議。
3. AI 適合加在哪裡
需要「看懂」的地方，才需要 AI。例如：
- 客戶來信和 LINE 訊息寫得很口語，要判斷是詢價、客訴還是改單
- 供應商寄來的報價和發票格式各家不同，要抓出品項和數量
- 要先打好回覆草稿，讓人修改後再寄出
- 資料不齊時，要判斷缺了什麼、該問誰
這些地方很難用規則寫完。讓 AI 讀懂之後，再交回給規則處理後面的步驟。也就是說，大部分流程還是規則在跑，AI 只負責中間需要判斷的那一段。
舉個例子：客戶在 LINE 傳來「上次那批改成下週三出貨可以嗎」。規則很難判斷這是不是改單；AI 讀懂之後，把這筆標成「改出貨日」，再交給規則通知負責的業務，並放進待確認清單。業務確認之後，訂單才會真的被修改。
4. 讓 AI 動手前 先設好 4 道防線
- 權限：AI 只能讀你同意的資料，只能用清單上的工具
- 要人按同意的步驟：寄信、改訂單、改正式資料，可以設定成要人按同意才執行
- 待確認清單：AI 沒把握或資料不齊的項目，放進清單等人處理，沒按同意就不會存進系統
- 操作紀錄：每一次操作都有紀錄，事後查得到 AI 在什麼時候做了什麼
設好這 4 道防線，AI 就算判斷錯，也會先停在清單上等人看，不會直接改到正式資料。
5. 中小企業的建議順序
- 先挑一條規則清楚的流程，用工作流自動化跑順
- 找出流程裡卡在「要人看懂」的那一步，例如分類來信或讀文件
- 在那一步加 AI，先讓 AI 給建議、由人按同意
- 看待確認清單裡 AI 錯在哪裡，調整給 AI 的說明和規則
- 確認穩定之後，再決定哪些步驟可以少一道確認
一開始就想做一個什麼都會的 AI Agent，範圍很難定，測試也很難做完。從規則開始、一段一段加 AI，每一步都看得到效果，出錯時也比較容易知道錯在哪裡。
一句話結論
先用規則把流程跑順，只在需要判斷的地方加 AI，設好權限、確認步驟和紀錄，再慢慢放手。
常見問題
- n8n 可以做 AI Agent 嗎？
- n8n 可以把 OpenAI、Claude 或 Gemini 接進流程，讓 AI 讀資料、分類或打草稿，再交回規則處理。要不要做成會自己動手的 AI Agent，看流程需要多少判斷。
- AI Agent 會不會自己亂做事？
- AI 只能讀你同意的資料，也只能用清單上的工具。寄信、改訂單、改正式資料可以設定成要人按同意才執行，每一次操作都有紀錄；AI 沒把握的項目會放進待確認清單。
- 做 AI Agent 要多久？
- AI Agent 要用到好幾套系統時，通常 6–12 週分批上線。實際時程看系統數量、資料整不整齊，以及要設幾個確認步驟。
- AI 的判斷會不會每次都對？
- 不會每次都對。AI 可能讀錯或判斷錯，沒有人能保證。所以要留待確認清單和操作紀錄，並從 AI 給建議、人按同意開始。