Amazon 创办人 Jeff Bezos 曾经讲过一个很值得做生意的人反复思考的问题：很多人会问未来五至十年有甚么会改变，但更重要的问题，可能是未来五至十年有甚么不会变。
放在 Amazon 的语境，客户长期都会想要更合理的价格、更快的配送和更多选择。技术、平台、竞争对手会变，但如果有些客户需求长期稳定，公司就值得围绕那些稳定的东西投资。
放到今日 AI agent，香港中小企其实面对同一个问题。AI model 会变，agent 工具会变，平台、介面、收费和 API 都会变。如果公司每次都追最新工具，很容易几个月后又要重砌一次流程。真正应该问的是：当 AI agent 工具不断变，公司有甚么营运层不应该跟住变？
1. 直接答案：不要把核心流程写死在某个 AI agent 工具入面
香港中小企要避免每几个月因 AI agent 工具换代而重砌流程，重点不是追逐最热门工具，而是把公司的工作流程、结构化资料、权限与操作纪录、人手审批与把关，设计成自己的长期营运层。
AI model、AI agent 平台和自动化工具可以更换，但客户查询、报价、订单、付款、交付、售后和内部审批，不应该每次重新设计。当更强的 AI agent 出现时，如果公司的流程事件、资料栏位、权限纪录和审批规则已经清楚，新 agent 只是接入和强化执行层；公司得到的是能力升级，而不是重新搭建整套营运流程。
换句话说，AI agent 可以换，公司的营运骨架不应该每次跟住换。
2. 为甚么 AI agent 工具会好快过时？
AI agent 发展很快，这是好事，也是很多中小企犹豫的原因。
今日最热门的工具，几个月后可能已经被另一个 model、另一个 agent 平台、另一套自动化流程取代。介面会改，API 会改，收费会改，平台支援的功能也会改。有些工具会变得更强，有些会被整合，有些会慢慢不再适合你的业务。
所以问题不是「有没有一个 AI agent 永远不会过时」。这个问题本身可能问错了。
更实际的问题是：当 AI agent 工具变强、变便宜、变快、变得更懂执行任务时，你的公司是否可以直接受惠？还是每次都要重新搬资料、重画流程、重写权限、重做审批？
3. 真正问题不是工具变，而是营运层跟住工具变
很多公司导入 AI 时，会先从工具开始：买一个 chatbot、试一个 agent builder、接一套 automation 工具，然后把流程直接建在工具入面。
短期看，这样最快有 demo。长期看，风险是核心营运会被工具画面牵住走。
如果公司仍在分辨 chatbot 和 AI agent 的角色，可以先看这篇比较：AI agent 同 chatbot 有甚么分别？ 重点是先分清楚「回答问题」和「执行流程」不是同一回事。
例如一间公司把查询、报价、跟进、提醒、审批全部做在某个 AI agent 工具入面，但没有清楚定义背后的工作流程、资料栏位、权限和审批规则。到下一个更强的 AI agent 出现时，公司表面上可以换工具，但实际上要重新理解自己原本做过甚么。
这就是重砌流程的真正原因。不是 AI 发展太快，而是公司没有把相对稳定的营运层沉淀下来。
以下说「十年不变」，不是指工作流程、资料结构、权限和审批真的十年不用改。香港中小企仍然会因为支付方式、CRM、WhatsApp Business API、私隐要求、平台政策和客户期望而调整营运方式。更准确的意思是：这些核心业务规则应该比 AI agent 工具、model 和平台更稳定，值得公司长期沉淀，并且定期检讨。
4. 第一个十年不变：工作流程
第一个要沉淀的是工作流程。
工作流程不应该由某个工具的画面去定义，而应该由公司的业务事件去定义。对香港中小企来说，很多流程其实很稳定：
| 业务事件 | AI 可以帮忙的部分 | 不应该被工具绑死的部分 |
| 收到客户查询 | 分类、摘要、提醒负责同事 | 查询如何分流、谁负责跟进 |
| 需要报价 | 草拟内容、检查资料是否齐全 | 报价规则、折扣权限、审批要求 |
| 客户确认 | 更新状态、产生待办事项 | 订单流程、付款要求、交付承诺 |
| 等待付款 | 提醒、整理未付款清单 | 付款政策、追款节奏、例外处理 |
| 安排交付 | 整理资料、通知内部人员 | 交付责任、时间承诺、客户通知规则 |
| 售后跟进 | 摘要对话、提醒下一步 | 投诉升级、退款、补救决策 |
工具可以帮你执行这些步骤，但流程本身应该属于公司，而不是属于某个 agent 平台。
当工作流程是用业务事件定义，将来换 AI agent 时，新工具只需要接入这些事件和规则。公司不用重新问一次：「收到查询之后究竟应该点做？」
5. 第二个十年不变：结构化资料
第二个要沉淀的是结构化资料。
AI agent 要做得好，不只是因为 model 够聪明。它还需要读到正确、清楚、有结构的资料。客户资料、产品资料、价格、订单、对话纪录、任务状态、审批纪录，如果全部散落在 WhatsApp、Excel、电邮、个人笔记和不同工具入面，再强的 AI agent 都很难稳定工作。
结构化资料的重点不是把所有东西变得很复杂，而是令公司和 AI 都知道：
- 客户是谁
- 现在处于哪个流程状态
- 上一次沟通讲过甚么
- 有哪些资料未齐
- 下一步应该由谁处理
- 哪些行动需要审批
- 哪些纪录将来需要查得回
如果资料有结构，AI agent 进步时，公司会更容易受惠。新的 AI agent 可能更懂总结对话、更懂判断优先次序、更懂草拟回复、更懂发现异常。但前提是它可以读到一致、可靠、可追溯的资料。
相反，如果资料本身只困在某个工具入面，将来有更强 AI agent 出现，公司第一件事不是升级，而是搬资料。
6. 第三个十年不变：权限与操作纪录
第三个要沉淀的是权限与操作纪录。
很多人讲 AI agent 时，会自然想像「AI 帮我自动做晒」。但在实际公司营运里，AI 可以做甚么、不能做甚么，比 AI 有多聪明更重要。
如果想再深入看权限分层，可以参考：香港中小企用 AI agent，权限应该点样设定？
权限设计不是单纯限制 AI，而是令 AI 可以安全地进入公司流程。至少要分清楚几个层级：
| 权限层级 | AI 可以做甚么 | 例子 |
| 只读 | 读取资料、摘要、分类 | 摘要客户查询、整理未完成任务 |
| 草拟 | 产生建议内容，但不直接发出 | 草拟报价电邮、草拟 WhatsApp 回复 |
| 提交待审批 | 准备动作，由人确认后执行 | 提交折扣申请、提交退款建议 |
| 禁止自动执行 | 高风险动作必须由人处理 | 改价、删资料、改权限、承诺合约 |
操作纪录则是令这些动作可追溯。公司需要知道 AI 建议过甚么、人改过甚么、边个批准、最后执行了甚么。
权限和操作纪录应该放在同一个控制层看待。只有权限而没有纪录，出事时很难追查。只有纪录而没有权限，风险已经发生才回头检讨。两者结合，AI agent 才能成为受控的营运工具，而不是一个看似方便但责任不清的黑盒。
7. 第四个十年不变：人手审批与把关
第四个要沉淀的是人手审批与把关。
AI agent 可以提升速度，但不应该令责任消失。尤其是香港中小企，很多决策牵涉真实客户、真实金钱、真实承诺，不能只看自动化是否方便。
以下类型的动作，即使 AI 将来更强，也应该保留人手把关：
- 涉及金钱，例如报价、折扣、退款、付款安排
- 涉及合约或服务承诺
- 涉及客户敏感资料
- 涉及资料删除或大量更新
- 涉及权限变更
- 涉及投诉、争议或高价值客户关系
人手把关不代表所有事都慢慢等人批。好的设计应该让 AI 做准备工作：整理背景、指出风险、草拟选项、提醒负责人、把需要审批的事项推到正确位置。
人要做的是判断和承担责任，而不是重复整理资料。
同时，人手审批本身不等于安全。如果员工太忙，只是见到 AI 建议就按批准，审批会变成形式。比较好的审批设计，应该让批准人看到风险摘要、变更前后对比、金额或敏感资料标示、批准责任，以及之后查得回的操作纪录。
8. 有更强的 AI agent 出现，公司应该点做？
这篇文章最重要的问题，其实不是「AI agent 会不会过时」，而是「有更强的 AI agent 出现时，公司能否即刻受惠」。
如果公司已经有清楚的工作流程、结构化资料、权限与操作纪录、人手审批与把关，新 AI agent 出现时，理想情况不是由零开始，而是替换或强化执行层。
举例，一条查询到报价流程本身没有变：
- 客户查询进来
- 系统分类查询类型
- AI 摘要需求和缺少资料
- 销售同事确认资料
- AI 草拟报价或跟进内容
- 超过指定金额或有特殊折扣时提交审批
- 负责人批准后才发出
- 系统记录整个过程
今日的 AI agent 可能只做到摘要和草拟。明日更强的 AI agent 可能可以更准确地理解需求、更快找出相似个案、更好地提示风险、更完整地草拟回复。
但只要底层流程和控制设计没有变，公司就不是重砌流程，而是把更强的 AI 放入同一条业务轨道。
9. 稳定系统设计点样令公司更容易承接 AI 发展？
稳定系统设计的价值，是把「AI 进步」转化成「公司能力提升」。
AI 进步通常会发生在几个方向：
- 更准确理解文字、图片、文件和对话
- 更好地分类和判断优先次序
- 更自然地草拟客户沟通
- 更懂分析资料和指出异常
- 更懂跟随多步骤任务
- 更容易接入不同工具和系统
如果公司的工作流程、资料、权限、审批本身已经清楚，这些 AI 能力提升就可以直接被吸收。新的 AI agent 不是重新定义公司怎样做生意，而是令既有流程跑得更快、更准、更少遗漏。
这就是所谓更容易承接 AI 发展：公司不是每次主动重建一套流程，而是因为底层系统够稳，当 AI 执行层变强时，原有系统有条件接住更多能力。
不过，这不是保证任何 AI 工具一接入就有效。前提仍然是公司已经把业务规则、资料结构、权限和审批设计清楚，并且在更换或升级 AI agent 时做测试、权限审查、资料保护评估和回归验证。没有这些基础，再强的 AI agent 都可能只是更快地制造混乱。
10. 反面例子：流程和资料困死在工具入面会点？
如果公司把所有东西都困在某个 AI 工具入面，短期可能很方便，长期会出现几个问题。
第一，流程难搬。公司未必知道哪些步骤是工具设定，哪些步骤是真正业务规则。
第二，资料难查。客户状态、审批纪录、AI 建议和人手修改分散在不同地方，将来换系统时很难完整交接。
第三，权限难控。AI 到底可以看到甚么、改甚么、发出甚么，可能只靠工具入面的零散设定，而不是公司层面的治理规则。
第四，审批难追。当客户问「点解当时咁样承诺」，公司未必查得回是哪个 AI 建议、哪个同事修改、哪个负责人批准。
这种情况下，就算市场上出现更强的 AI agent，公司也未必可以即刻升级。因为升级之前，先要清理旧流程、搬资料、重整权限和补回审批纪录。
要留意的是，绑死公司的不一定只是 AI agent 工具。CRM、ERP、自动化平台、资料库设计、WhatsApp provider，甚至某些低代码流程工具，都可能令营运系统失去可携性。所以公司除了避免把流程困在 agent builder 入面，也要留意资料能否汇出、API 是否稳定、流程是否有文件化、权限是否可以审视。
11. 香港中小企可以怎样开始？
中小企不需要一开始就把所有流程 AI 化。比较实际的做法，是先选一条高价值、重复出现、容易定义的流程。
例如：
- 客户查询到报价
- 订单确认到交付
- 售后查询到跟进
- 内部申请到审批
- 重复文件处理到任务分配
如果仍未决定第一条流程，可以先由这篇开始：香港中小企想用 AI agent，应该点开始先唔会嘥钱？
然后按四个营运层整理：
| 营运层 | 要问的问题 |
| 工作流程 | 这条流程有哪些固定业务事件？每一步由谁负责？ |
| 结构化资料 | AI 和员工需要读取哪些栏位？资料在哪里更新？ |
| 权限与操作纪录 | AI 可以读、草拟、提交甚么？哪些动作要留下纪录？ |
| 人手审批与把关 | 哪些情况一定要人批准？谁有权批准？ |
整理完这四层，再接 AI agent，通常会比一开始就追工具更稳阵。因为公司不是把未定义的混乱交给 AI，而是让 AI 进入一条已经有规则、有资料、有权限、有审批的营运流程。
12. oneflash 角度：可接入 AI 的营运系统不是追最新工具
oneflash 对 AI agent 的看法，不是帮公司追逐每一个最新工具，而是帮公司建立一个人和 AI 都能使用、亦能接入未来 AI agent 的营运系统。
在这个系统里，AI agent 是可替换、可升级的执行层；真正长期保留的是公司的工作流程、结构化资料、权限与操作纪录、人手审批与把关。
这样设计的好处是：今日的 AI 可以先帮你做摘要、分类、草拟和提醒；明日更强的 AI agent 出现时，公司可以在同一套营运规则下测试和接入更多能力。公司不是每几个月重砌一次流程，而是逐步把更强的 AI 能力接入原有业务系统。
对香港中小企来说，这比单纯买一个 AI agent 工具更重要。工具会变，但公司怎样服务客户、怎样管理资料、怎样控制风险、怎样做审批，才是值得长期投资的部分。
13. 参考资料
- 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