admin
AI不只回答問題，開始直接幫你工作？OpenAI AgentKit之後，下一波職場改變可能是「工作流程被AI接手」
生成式AI正在跨過「你問一句、它答一句」的階段。OpenAI在2025年推出AgentKit後，持續把Agent能力往工具調用、工作流程、系統連接與人工審核發展；到了2026年，Agent Builder本身甚至已準備退場，官方開發重心轉向Agents SDK、Agents API、Responses API與Workspace Agents。真正值得注意的並不是某一套產品名稱，而是AI產品的目標已從「幫員工寫內容」往「替員工完成一連串任務」移動。當AI能讀資料、選工具、執行操作、檢查結果再決定下一步，客服、行政、行銷、研究與軟體工程的工作，都可能先從任務層級被重新切割。
先更新一件事：AgentKit是2025年的轉折點，但Agent Builder現在反而準備退場
OpenAI是在2025年10月6日DevDay發表AgentKit。
當時AgentKit被定位成協助開發者與企業建立、部署及最佳化AI Agent的一整套工具，主要元件包含Agent Builder、Connector Registry、ChatKit，以及評估Agent表現的相關能力。
Agent Builder的概念尤其容易理解。
開發者可以用視覺化節點把模型、工具、條件與不同Agent串成一段工作流程，而不是每一步都從零寫大量編排程式。
但到了2026年6月，OpenAI又宣布Agent Builder與原本的Evals產品進入退場程序，預計2026年11月30日停止服務。
ChatKit仍然保留，而需要程式化控制工作流程的開發者，目前官方建議往Agents SDK發展；適合用自然語言建立企業工作流程的使用情境，則可以轉向Workspace Agents。
所以現在真正值得看的已經不是「AgentKit這個產品會不會成功」，而是它代表的方向已經留下來：AI不只產生文字，而要開始和工具、資料、企業系統及多步驟流程連在一起。
AI Agent到底和Chatbot差在哪裡？一個負責回答，一個開始負責把事情往下做
過去幾年大家最熟悉的生成式AI模式是：
人類提出要求 → AI產生答案 → 人類自己去執行下一步
例如請AI寫一封Email，它可以把文字寫好。
但接下來還是由人類複製內容、找到收件人、確認附件、按下寄送。
AI Agent想處理的是後半段。
OpenAI目前對Agent工作方式的描述，包括：
- 理解任務與目前脈絡
- 判斷是否需要呼叫工具
- 執行工具並取得結果
- 把結果帶回下一個推理步驟
- 需要時把任務交給其他專門Agent
- 遇到高風險操作暫停並等待人工批准
- 直到工作達到真正停止點才回傳最終結果
真正的差別因此不是模型突然「比較聰明」。
而是AI第一次開始擁有把答案變成動作的能力
第一波生成式AI自動化的是「內容」，Agent真正想自動化的是「工作流程」
2022年後第一波生成式AI最明顯的能力，是產生內容。
- 寫Email
- 撰寫文章
- 翻譯
- 整理摘要
- 產生圖片
- 寫程式碼
- 整理會議紀錄
但企業真正的工作通常不是「產生一段文字」就結束。
一封客服Email背後可能還包含查訂單、看物流、讀公司退款規則、登入後台、更新CRM與通知客戶。
以前AI只能幫忙產生最後的回覆。
Agent模式希望把中間那一串「開不同系統、找資料、做判斷、執行下一步」也串起來。
收到需求 → 查資料 → 使用工具 → 判斷條件 → 執行操作 → 驗證結果 → 回覆
當AI能處理的是這整條鏈，企業真正重新計算的就不再只是「一名員工一天可以多寫幾封Email」，而是「這一段流程還需要多少人工介入」。
AI最先改變的可能不是「職業」，而是每一份工作裡面哪些任務還需要人做
討論AI對職場的影響時，最常見的問法是：
- 會計師會不會被取代？
- 工程師會不會消失？
- 行銷還需要人嗎？
- 客服會不會全部變成機器？
但一個職業往往由很多完全不同的任務組成。
一名行銷人員可能同時做市場研究、資料蒐集、SEO、寫文案、看廣告數據、做報表、開會、提案、和客戶溝通。
即使AI沒有直接「取代一名行銷人員」，只要其中資料蒐集、例行報表、初步SEO分析與初稿產生逐漸自動化，公司需要的人力組合就已經可能改變。
ILO針對近3萬項工作任務重新評估生成式AI曝險後，同樣認為比較可能發生的是工作被轉型，而不是整個職業直接一夕消失。
所以比「AI會不會把我的職業消滅」更實際的問題是：我每天做的20件事情裡，有幾件已經可以交給AI，有幾件可以讓AI先做、人再審核，又有哪些一定需要我本人負責？
哪些工作流程最容易先被Agent接手？通常不是最有創意的工作，而是最重複、最標準化的那些步驟
Agent真正適合切入的工作，通常具有幾個共同特徵：
- 流程重複率高
- 資料來源相對固定
- 規則可以被明確描述
- 結果可以驗證
- 需要在多個系統之間搬運資訊
- 發生例外時可以轉交真人
| 工作領域 | Agent可能先處理的任務 | 較需要人類保留的部分 |
|---|---|---|
| 客服 | 辨識問題、查訂單、查物流、建立工單、產生標準回覆 | 重大客訴、特殊退款、法律爭議、情緒處理 |
| 行政 | 讀信、擷取附件、分類、填表、搬資料、建立紀錄 | 例外判斷、人事決策、敏感資料核准 |
| 行銷 | 資料蒐集、競品整理、初稿、例行報表、監測指標 | 策略、品牌判斷、創意方向、預算決策 |
| 軟體工程 | 讀Issue、修改程式、跑測試、修Bug、準備PR | 架構、安全性、需求取捨、Code Review |
| 研究分析 | 搜尋資料、整理來源、結構化內容、初步比較 | 判斷證據品質、因果推論、最終結論 |
真正可能大規模節省企業時間的，也許不是AI突然創作出一件世界級作品，而是每天替公司少做幾千次登入、搜尋、複製、貼上、分類與填表。
未來一個人會不會同時管理多個AI Agent？「會用AI」可能從Prompt技巧變成工作流程設計能力
如果Agent成熟，工作方式可能出現一個非常大的改變。
過去是一名員工自己完成所有步驟。
未來可能變成一名員工負責調度不同AI能力。
研究Agent → 蒐集產業資料
SEO Agent → 監控排名與網站問題
分析Agent → 整理GA4、CRM與廣告資訊
內容Agent → 產生初稿與版本
客服Agent → 處理大量標準案件
人類 → 設定目標、判斷品質、處理例外與批准高風險行動
這時真正重要的AI能力就不再只是「Prompt寫得好不好」。
而是能不能把工作拆成合理步驟，知道哪一步可以自動化、哪一步需要驗證、哪一步絕對不能讓AI自行決定。
真正需要注意的可能不是資深職位先消失，而是「Junior原本拿來練功的工作」先被AI做掉
很多專業工作者都是從低風險、重複性的初階任務開始成長。
- 工程師先修簡單Bug
- 分析師先蒐集與整理資料
- 會計人員先處理基礎核對
- 律師先做文件與案例研究
- 行銷新人先整理報表與競品
- 客服新人先處理標準案件
問題是，這些工作恰好也是目前AI最容易切入的區域。
2026年世界經濟論壇針對初階工作的研究指出，全球超過三分之一年輕工作者所在的職業，面臨中度至高度的AI任務變化曝險。
真正長期的問題因此不只是企業能省多少人力。
如果大量Junior工作被自動化
未來的Senior要從哪裡培養？
公司或許可以短期提高效率，但人才培養方式也可能必須一起重新設計。
Agent最大的問題也正是它最有價值的地方：AI講錯之後，現在可能真的會「動手」
Chatbot產生一段錯誤文字，可能造成錯誤資訊。
Agent如果判斷錯誤，後果可能多一層：
它可能真的執行錯誤動作
- 誤判退款條件並真的退款
- 理解錯Email內容並寄出錯誤訊息
- 修改不該修改的資料
- 刪除重要檔案
- 呼叫錯誤API
- 受到Prompt Injection誘導使用不該使用的工具
- 把敏感資訊傳送到不應該出現的位置
因此Agent時代的安全問題，不只是怎麼降低「幻覺」。
還必須控制AI即使判斷錯了，究竟有沒有權限把錯誤真正變成現實世界的動作。
企業真正的Agent門檻可能不是模型能力，而是「到底敢給AI多少權限」
一個企業Agent真正要產生價值，往往必須連接公司內部系統。
- Slack或Teams
- Google Drive或SharePoint
- CRM
- ERP
- 客服系統
- 內部資料庫
- 各種外部API與MCP工具
連得越多，能力越強。
但接下來公司就必須回答：
- AI可以讀哪些客戶資料
- 可以新增還是只能查看
- 可以修改嗎
- 可以刪除嗎
- 可以主動寄信嗎
- 可以退款嗎
- 可以建立採購單嗎
- 可以碰到薪資與個資嗎
- 哪一種動作一定要人類批准
未來企業管理Agent，可能會愈來愈像管理真正的員工帳號：權限最小化、操作紀錄、角色分級、敏感資料隔離與高風險行為批准，都會變成標準治理問題。
Human in the Loop可能成為企業導入Agent最重要的過渡設計：AI做大部分，人掌握最後一道門
OpenAI目前的Agents SDK文件已直接把Human Review列入Agent控制機制。
核心邏輯並不複雜：
AI可以把工作做到快完成，但真正有重大副作用的那一步，先停下來等人確認。
例如：
- AI判斷退款資格，但超過5,000元必須人工批准
- AI建立廣告活動，但正式花費預算前由人確認
- AI準備供應商訂單，但採購單需要主管簽核
- AI分析合約並標記風險，但不能自行完成簽約
- AI準備系統修改，但刪除資料或執行敏感指令以前先暫停
未來很多工作流程可能不是「人做」或「AI做」二選一
而是AI執行、人類保留批准權
對台灣企業而言，Agent第一階段可能不一定是「裁員」，而是原本要再招3個人，最後只補1個
討論AI時很容易直接跳到「企業是不是準備裁員」。
但對很多企業，尤其是大量使用行政、客服、電商營運、資料處理與數位行銷流程的組織而言，另一種可能更早出現的變化是：
不一定先裁掉現有人員，而是減少下一個職缺
例如原本業務增加後需要再補3名行政，導入自動化流程後，也許只需要增加1人處理例外案件與品質控管。
這類變化不一定會立刻變成大規模失業新聞，卻可能慢慢反映在：
- 新鮮人職缺數
- 初階白領職位
- 一人負責的工作量
- 公司要求的AI能力
- 團隊主管幅度
- 員工從執行者轉為審核與例外管理者
因此AI對就業的影響未必只會以「某個職業突然消失」的形式發生，更可能先從企業下一次招不招人開始。
AI Agent正在接手工作流程，目前哪些事情已經確認？哪些還不能直接推論？
目前已確認
- OpenAI於2025年10月6日推出AgentKit
- 當時元件包含Agent Builder、Connector Registry、ChatKit與Agent評估能力
- 2026年6月3日OpenAI宣布Agent Builder與原Evals產品退場
- Agent Builder預計2026年11月30日停止服務
- ChatKit目前仍然保留
- 既有Agent Builder工作流程可匯出至Agents SDK，或轉向Workspace Agents
- 目前OpenAI Agent可使用工具、handoff、MCP、guardrails與human review等機制
- Agents SDK可以讓應用自行掌握部署、儲存、工具與批准決策
- Workspace Agents可用於企業重複性工作流程，並可連接工具與應用
- ILO研究認為生成式AI目前較可能帶來工作轉型，而不是所有曝險職業直接消失
現在不能直接推論
- 不能說AgentKit是2026年10月才推出的新產品
- 不能說Agent Builder退場代表AI Agent方向失敗
- 不能說所有客服、行政、行銷或工程職位一定會消失
- 不能把技術上可自動化等同企業一定會立刻自動化
- 不能說AI Agent目前已能可靠處理所有高風險企業流程
- 不能精準預測AI會造成多少淨失業或創造多少新職位
- 不能把Agent工具能力等同完全自主決策權
- 也不能忽略法規、個資、資安、責任與企業治理對導入速度的限制
AI從「幫你做」走向「替你完成」，接下來最值得追蹤的6件事
Demo能完成任務不代表企業每天跑數萬次仍然可靠，長期成功率與例外率才是關鍵。
企業究竟只在初期要求人工批准，還是高風險操作永久保留人工節點，將影響自動化程度。
真正需要看的不是單次裁員，而是行政、分析、客服與初階專業職位的新招聘需求是否持續下降。
模型提供商、開發商、導入企業、主管與使用者之間如何分配責任，會變成企業治理與法律重要議題。
讀取、修改、刪除、付款與對外聯絡是否逐步形成標準化Agent權限模型值得追蹤。
設定目標、判斷品質、建立信任、處理例外與承擔責任，可能比單純執行標準流程更重要。
結論：下一波職場真正要問的不是「AI會不會取代我」，而是「公司還需要我親手做多少步驟」
ChatGPT剛出現時，大家最震撼的是AI竟然可以寫出一篇文章、程式碼或Email。
但真正更深的職場變化，可能要等到AI不只把內容寫完，而是把內容後面的事情也做完。
查資料。
開系統。
搬資料。
判斷規則。
執行操作。
驗證結果。
遇到例外才把任務交回人類。
這也是為什麼Agent比單純Chatbot更值得企業與工作者注意。
AI真正的職場衝擊
可能不是「人類工作全部消失」
而是每一份工作都重新拆成
AI做、人審核、人決策三種任務
ILO目前的研究也提醒，生成式AI更可能先帶來工作轉型，而不是所有曝險職業一起消失。
但「轉型」並不代表沒有衝擊。
如果一個職位原本8小時的工作，有5小時可以交給Agent，同一名員工就可能管理更多客戶、更多案件或更大的工作量，公司也可能重新評估下一個職缺還需不需要補人。
所以比「哪一年AI會讓我失業」更實際的問題，是現在就把自己的工作拆開來看：哪些步驟已經高度標準化，哪些需要專業判斷，哪些動作涉及責任，而哪些能力即使Agent愈來愈強，公司最後仍然需要一個人真正簽名、批准與負責。
AI Agent、AgentKit與未來工作常見問題 FAQ
資料來源與查核基礎
- OpenAI，2025年10月6日Introducing AgentKit與DevDay 2025產品公告
- OpenAI Developers，2026年Agent Builder與Evals退場時程
- OpenAI Developers，Agents SDK、Agents API、Responses API與Agent工作流程文件
- OpenAI Developers，Guardrails與Human Review機制文件
- OpenAI，ChatGPT Workspace Agents企業工作流程說明
- International Labour Organization，Generative AI and Jobs: A 2025 Update
- World Economic Forum，Artificial Intelligence and the Future of Entry-Level Work，2026
- World Economic Forum，Future of Jobs Report 2025
