# AI agent 工具會好快過時，香港中小企點樣避免每幾個月重砌一次流程？

Amazon 創辦人 Jeff Bezos 曾經講過一個很值得做生意的人反覆思考的問題：很多人會問未來五至十年有甚麼會改變，但更重要的問題，可能是未來五至十年有甚麼不會變。

放在 Amazon 的語境，客戶長期都會想要更合理的價格、更快的配送和更多選擇。技術、平台、競爭對手會變，但如果有些客戶需求長期穩定，公司就值得圍繞那些穩定的東西投資。

放到今日 AI agent，香港中小企其實面對同一個問題。AI model 會變，agent 工具會變，平台、介面、收費和 API 都會變。如果公司每次都追最新工具，很容易幾個月後又要重砌一次流程。真正應該問的是：當 AI agent 工具不斷變，公司有甚麼營運層不應該跟住變？

## 直接答案：不要把核心流程寫死在某個 AI agent 工具入面

香港中小企要避免每幾個月因 AI agent 工具換代而重砌流程，重點不是追逐最熱門工具，而是把公司的工作流程、結構化資料、權限與操作紀錄、人手審批與把關，設計成自己的長期營運層。

AI model、AI agent 平台和自動化工具可以更換，但客戶查詢、報價、訂單、付款、交付、售後和內部審批，不應該每次重新設計。當更強的 AI agent 出現時，如果公司的流程事件、資料欄位、權限紀錄和審批規則已經清楚，新 agent 只是接入和強化執行層；公司得到的是能力升級，而不是重新搭建整套營運流程。

換句話說，AI agent 可以換，公司的營運骨架不應該每次跟住換。

## 為甚麼 AI agent 工具會好快過時？

AI agent 發展很快，這是好事，也是很多中小企猶豫的原因。

今日最熱門的工具，幾個月後可能已經被另一個 model、另一個 agent 平台、另一套自動化流程取代。介面會改，API 會改，收費會改，平台支援的功能也會改。有些工具會變得更強，有些會被整合，有些會慢慢不再適合你的業務。

所以問題不是「有沒有一個 AI agent 永遠不會過時」。這個問題本身可能問錯了。

更實際的問題是：當 AI agent 工具變強、變便宜、變快、變得更懂執行任務時，你的公司是否可以直接受惠？還是每次都要重新搬資料、重畫流程、重寫權限、重做審批？

## 真正問題不是工具變，而是營運層跟住工具變

很多公司導入 AI 時，會先從工具開始：買一個 chatbot、試一個 agent builder、接一套 automation 工具，然後把流程直接建在工具入面。

短期看，這樣最快有 demo。長期看，風險是核心營運會被工具畫面牽住走。

如果公司仍在分辨 chatbot 和 AI agent 的角色，可以先看這篇比較：[AI agent 同 chatbot 有甚麼分別？](https://oneflash.hk/blog/ai-agent-vs-chatbot-hong-kong) 重點是先分清楚「回答問題」和「執行流程」不是同一回事。

例如一間公司把查詢、報價、跟進、提醒、審批全部做在某個 AI agent 工具入面，但沒有清楚定義背後的工作流程、資料欄位、權限和審批規則。到下一個更強的 AI agent 出現時，公司表面上可以換工具，但實際上要重新理解自己原本做過甚麼。

這就是重砌流程的真正原因。不是 AI 發展太快，而是公司沒有把相對穩定的營運層沉澱下來。

以下說「十年不變」，不是指工作流程、資料結構、權限和審批真的十年不用改。香港中小企仍然會因為支付方式、CRM、WhatsApp Business API、私隱要求、平台政策和客戶期望而調整營運方式。更準確的意思是：這些核心業務規則應該比 AI agent 工具、model 和平台更穩定，值得公司長期沉澱，並且定期檢討。

## 第一個十年不變：工作流程

第一個要沉澱的是工作流程。

工作流程不應該由某個工具的畫面去定義，而應該由公司的業務事件去定義。對香港中小企來說，很多流程其實很穩定：

| 業務事件 | AI 可以幫忙的部分 | 不應該被工具綁死的部分 |
|---|---|---|
| 收到客戶查詢 | 分類、摘要、提醒負責同事 | 查詢如何分流、誰負責跟進 |
| 需要報價 | 草擬內容、檢查資料是否齊全 | 報價規則、折扣權限、審批要求 |
| 客戶確認 | 更新狀態、產生待辦事項 | 訂單流程、付款要求、交付承諾 |
| 等待付款 | 提醒、整理未付款清單 | 付款政策、追款節奏、例外處理 |
| 安排交付 | 整理資料、通知內部人員 | 交付責任、時間承諾、客戶通知規則 |
| 售後跟進 | 摘要對話、提醒下一步 | 投訴升級、退款、補救決策 |

工具可以幫你執行這些步驟，但流程本身應該屬於公司，而不是屬於某個 agent 平台。

當工作流程是用業務事件定義，將來換 AI agent 時，新工具只需要接入這些事件和規則。公司不用重新問一次：「收到查詢之後究竟應該點做？」

## 第二個十年不變：結構化資料

第二個要沉澱的是結構化資料。

AI agent 要做得好，不只是因為 model 夠聰明。它還需要讀到正確、清楚、有結構的資料。客戶資料、產品資料、價格、訂單、對話紀錄、任務狀態、審批紀錄，如果全部散落在 WhatsApp、Excel、電郵、個人筆記和不同工具入面，再強的 AI agent 都很難穩定工作。

結構化資料的重點不是把所有東西變得很複雜，而是令公司和 AI 都知道：

- 客戶是誰
- 現在處於哪個流程狀態
- 上一次溝通講過甚麼
- 有哪些資料未齊
- 下一步應該由誰處理
- 哪些行動需要審批
- 哪些紀錄將來需要查得回

如果資料有結構，AI agent 進步時，公司會更容易受惠。新的 AI agent 可能更懂總結對話、更懂判斷優先次序、更懂草擬回覆、更懂發現異常。但前提是它可以讀到一致、可靠、可追溯的資料。

相反，如果資料本身只困在某個工具入面，將來有更強 AI agent 出現，公司第一件事不是升級，而是搬資料。

## 第三個十年不變：權限與操作紀錄

第三個要沉澱的是權限與操作紀錄。

很多人講 AI agent 時，會自然想像「AI 幫我自動做晒」。但在實際公司營運裏，AI 可以做甚麼、不能做甚麼，比 AI 有多聰明更重要。

如果想再深入看權限分層，可以參考：[香港中小企用 AI agent，權限應該點樣設定？](https://oneflash.hk/blog/ai-agent-permission-settings-hong-kong)

權限設計不是單純限制 AI，而是令 AI 可以安全地進入公司流程。至少要分清楚幾個層級：

| 權限層級 | AI 可以做甚麼 | 例子 |
|---|---|---|
| 只讀 | 讀取資料、摘要、分類 | 摘要客戶查詢、整理未完成任務 |
| 草擬 | 產生建議內容，但不直接發出 | 草擬報價電郵、草擬 WhatsApp 回覆 |
| 提交待審批 | 準備動作，由人確認後執行 | 提交折扣申請、提交退款建議 |
| 禁止自動執行 | 高風險動作必須由人處理 | 改價、刪資料、改權限、承諾合約 |

操作紀錄則是令這些動作可追溯。公司需要知道 AI 建議過甚麼、人改過甚麼、邊個批准、最後執行了甚麼。

權限和操作紀錄應該放在同一個控制層看待。只有權限而沒有紀錄，出事時很難追查。只有紀錄而沒有權限，風險已經發生才回頭檢討。兩者結合，AI agent 才能成為受控的營運工具，而不是一個看似方便但責任不清的黑盒。

## 第四個十年不變：人手審批與把關

第四個要沉澱的是人手審批與把關。

AI agent 可以提升速度，但不應該令責任消失。尤其是香港中小企，很多決策牽涉真實客戶、真實金錢、真實承諾，不能只看自動化是否方便。

以下類型的動作，即使 AI 將來更強，也應該保留人手把關：

- 涉及金錢，例如報價、折扣、退款、付款安排
- 涉及合約或服務承諾
- 涉及客戶敏感資料
- 涉及資料刪除或大量更新
- 涉及權限變更
- 涉及投訴、爭議或高價值客戶關係

人手把關不代表所有事都慢慢等人批。好的設計應該讓 AI 做準備工作：整理背景、指出風險、草擬選項、提醒負責人、把需要審批的事項推到正確位置。

人要做的是判斷和承擔責任，而不是重複整理資料。

同時，人手審批本身不等於安全。如果員工太忙，只是見到 AI 建議就按批准，審批會變成形式。比較好的審批設計，應該讓批准人看到風險摘要、變更前後對比、金額或敏感資料標示、批准責任，以及之後查得回的操作紀錄。

## 有更強的 AI agent 出現，公司應該點做？

這篇文章最重要的問題，其實不是「AI agent 會不會過時」，而是「有更強的 AI agent 出現時，公司能否即刻受惠」。

如果公司已經有清楚的工作流程、結構化資料、權限與操作紀錄、人手審批與把關，新 AI agent 出現時，理想情況不是由零開始，而是替換或強化執行層。

舉例，一條查詢到報價流程本身沒有變：

- 客戶查詢進來
- 系統分類查詢類型
- AI 摘要需求和缺少資料
- 銷售同事確認資料
- AI 草擬報價或跟進內容
- 超過指定金額或有特殊折扣時提交審批
- 負責人批准後才發出
- 系統記錄整個過程

今日的 AI agent 可能只做到摘要和草擬。明日更強的 AI agent 可能可以更準確地理解需求、更快找出相似個案、更好地提示風險、更完整地草擬回覆。

但只要底層流程和控制設計沒有變，公司就不是重砌流程，而是把更強的 AI 放入同一條業務軌道。

## 穩定系統設計點樣令公司更容易承接 AI 發展？

穩定系統設計的價值，是把「AI 進步」轉化成「公司能力提升」。

AI 進步通常會發生在幾個方向：

- 更準確理解文字、圖片、文件和對話
- 更好地分類和判斷優先次序
- 更自然地草擬客戶溝通
- 更懂分析資料和指出異常
- 更懂跟隨多步驟任務
- 更容易接入不同工具和系統

如果公司的工作流程、資料、權限、審批本身已經清楚，這些 AI 能力提升就可以直接被吸收。新的 AI agent 不是重新定義公司怎樣做生意，而是令既有流程跑得更快、更準、更少遺漏。

這就是所謂更容易承接 AI 發展：公司不是每次主動重建一套流程，而是因為底層系統夠穩，當 AI 執行層變強時，原有系統有條件接住更多能力。

不過，這不是保證任何 AI 工具一接入就有效。前提仍然是公司已經把業務規則、資料結構、權限和審批設計清楚，並且在更換或升級 AI agent 時做測試、權限審查、資料保護評估和回歸驗證。沒有這些基礎，再強的 AI agent 都可能只是更快地製造混亂。

## 反面例子：流程和資料困死在工具入面會點？

如果公司把所有東西都困在某個 AI 工具入面，短期可能很方便，長期會出現幾個問題。

第一，流程難搬。公司未必知道哪些步驟是工具設定，哪些步驟是真正業務規則。

第二，資料難查。客戶狀態、審批紀錄、AI 建議和人手修改分散在不同地方，將來換系統時很難完整交接。

第三，權限難控。AI 到底可以看到甚麼、改甚麼、發出甚麼，可能只靠工具入面的零散設定，而不是公司層面的治理規則。

第四，審批難追。當客戶問「點解當時咁樣承諾」，公司未必查得回是哪個 AI 建議、哪個同事修改、哪個負責人批准。

這種情況下，就算市場上出現更強的 AI agent，公司也未必可以即刻升級。因為升級之前，先要清理舊流程、搬資料、重整權限和補回審批紀錄。

要留意的是，綁死公司的不一定只是 AI agent 工具。CRM、ERP、自動化平台、資料庫設計、WhatsApp provider，甚至某些低代碼流程工具，都可能令營運系統失去可攜性。所以公司除了避免把流程困在 agent builder 入面，也要留意資料能否匯出、API 是否穩定、流程是否有文件化、權限是否可以審視。

## 香港中小企可以怎樣開始？

中小企不需要一開始就把所有流程 AI 化。比較實際的做法，是先選一條高價值、重複出現、容易定義的流程。

例如：

- 客戶查詢到報價
- 訂單確認到交付
- 售後查詢到跟進
- 內部申請到審批
- 重複文件處理到任務分配

如果仍未決定第一條流程，可以先由這篇開始：[香港中小企想用 AI agent，應該點開始先唔會嘥錢？](https://oneflash.hk/blog/ai-agent-no-waste-first-workflow-hong-kong)

然後按四個營運層整理：

| 營運層 | 要問的問題 |
|---|---|
| 工作流程 | 這條流程有哪些固定業務事件？每一步由誰負責？ |
| 結構化資料 | AI 和員工需要讀取哪些欄位？資料在哪裏更新？ |
| 權限與操作紀錄 | AI 可以讀、草擬、提交甚麼？哪些動作要留下紀錄？ |
| 人手審批與把關 | 哪些情況一定要人批准？誰有權批准？ |

整理完這四層，再接 AI agent，通常會比一開始就追工具更穩陣。因為公司不是把未定義的混亂交給 AI，而是讓 AI 進入一條已經有規則、有資料、有權限、有審批的營運流程。

## oneflash 角度：可接入 AI 的營運系統不是追最新工具

oneflash 對 AI agent 的看法，不是幫公司追逐每一個最新工具，而是幫公司建立一個人和 AI 都能使用、亦能接入未來 AI agent 的營運系統。

在這個系統裏，AI agent 是可替換、可升級的執行層；真正長期保留的是公司的工作流程、結構化資料、權限與操作紀錄、人手審批與把關。

這樣設計的好處是：今日的 AI 可以先幫你做摘要、分類、草擬和提醒；明日更強的 AI agent 出現時，公司可以在同一套營運規則下測試和接入更多能力。公司不是每幾個月重砌一次流程，而是逐步把更強的 AI 能力接入原有業務系統。

對香港中小企來說，這比單純買一個 AI agent 工具更重要。工具會變，但公司怎樣服務客戶、怎樣管理資料、怎樣控制風險、怎樣做審批，才是值得長期投資的部分。

## FAQ

### AI agent 工具咁快變，中小企仲值唔值得投資？

值得，但投資重點不應該只放在某個工具本身。中小企更應該投資在工作流程、結構化資料、權限與操作紀錄、人手審批與把關。這些營運層打好之後，將來測試、替換或升級更強 AI agent 會比較容易。

### 公司應該先買 AI agent，定先整理工作流程？

通常應該先整理一條具體工作流程。未定義流程就買 AI agent，容易變成 demo 很漂亮，但實際落地時不知道誰負責、資料在哪裏、哪些動作要審批。先整理工作流程，再接 AI agent，風險會較低。

### 結構化資料對 AI agent 有甚麼影響？

結構化資料令 AI agent 知道自己在處理甚麼資料、資料屬於哪個客戶、現在處於哪個流程狀態、下一步應該交給誰。資料越清楚，AI 越容易穩定地摘要、分類、提醒和草擬內容。

### 權限與操作紀錄點解要放在一起看？

權限定義 AI 可以做甚麼，操作紀錄記錄 AI 和人實際做過甚麼。只有權限而沒有紀錄，出事時難以追查；只有紀錄而沒有權限，風險可能已經發生。兩者結合，AI agent 才能在受控情況下進入公司流程。

### AI agent 將來更強，是否可以取消人手審批？

不建議把這件事當成目標。AI 更強，可以幫人更快整理背景、草擬建議、指出風險和準備文件，但涉及金錢、合約、退款、客戶承諾、敏感資料或權限變更，仍然應該保留人手審批與把關。審批亦不應該只是按一下批准，而要讓批准人清楚看到風險、改動和責任。

### 如果公司已經用緊某個 AI 工具，點樣避免之後重砌？

可以先把工具入面的流程拆出來，重新用業務事件、資料欄位、權限規則和審批節點描述。當這些規則變成公司自己的營運設計，而不是只存在於某個工具設定裏，將來更換 AI agent 就會容易得多。

## 參考資料

- Harvard Business Review: The Institutional Yes, https://hbr.org/2007/10/the-institutional-yes
- Amazon News: Meet Len Edgerly, Kindle superfan and host of the popular Kindle Chronicles podcast, https://www.aboutamazon.com/news/devices/the-kindle-chronicles-podcast-len-edgerly-interview
- Quote Investigator: What's Not Going To Change in the Next 10 Years?, https://quoteinvestigator.com/2021/03/03/not-change/
- OECD: Empowering SMEs in the age of AI, https://www.oecd.org/en/publications/empowering-smes-in-the-age-of-ai_bf5a9816-en.html
- PCPD: Artificial Intelligence: Model Personal Data Protection Framework, https://www.pcpd.org.hk/english/resources_centre/publications/files/ai_protection_framework.pdf
- NIST: AI Risk Management Framework, https://www.nist.gov/itl/ai-risk-management-framework
- HKPC Academy: Leveraging AI Agents to Optimise Your Business, https://www.hkpcacademy.org/en/10018951-14-leveraging-ai-agents-to-optimise-your-business/
- HKT Enterprise: What is Agentic AI? 5 business use cases, https://www.hkt-enterprise.com/en/blogs/what-is-agentic-ai-5-business-use-cases