AI agent 和 chatbot 有什么分别？香港中小企应该如何选择

如果用一句说清楚，聊天机械人主要负责回答问题，AI 代理则负责在授权范围内执行工作流。但这个说法仍然太简单。更准确地说，AI 模型好像大脑或驾驶员，而聊天机械人和 AI 代理是两种不同机体。

同一个 AI 模型，例如 ChatGPT、Gemini 或 Claude，放进聊天机械人机体入面，主要会对答；放进 AI 代理机体入面，就可以连接电邮、WhatsApp、Excel、CRM、ERP 或 oneflash 系统，读取资料、建立任务清单、逐步执行较长的任务，并在重要位置停下来让人审批。

所以，香港中小企不应只问「这是不是 AI？」而应该问：这个系统只是回答问题，还是可以在安全权限内帮公司完成工作？

1. 先分清楚：AI 模型、聊天机械人、AI 代理不是同一件事

很多人听到 AI 代理、聊天机械人、ChatGPT、Gemini、Copilot，会将它们混在一起。这是正常的，因为市场上的销售说法确实很混乱。不过，如果公司准备投资 AI 工作流，第一步就要分清楚三件事：AI 模型、聊天机械人和 AI 代理。

1.1 AI 模型是大脑，负责理解和推理

AI 模型可以理解文字、推理、生成答案、草拟内容、分析资料。你平时见到的 ChatGPT、Gemini、Claude，或者其他大型语言模型，都可以理解成 AI 的大脑。

但大脑不等于整部机器。大脑再聪明，如果没有工具、资料、权限和工作流，它最多只能回答你、建议你、草拟给你。它未必可以安全地替公司建立客户、更新订单、发 WhatsApp、查 ERP 库存，或者改 CRM 记录。

1.2 聊天机械人是对答机体，主要负责回应

聊天机械人是一个以对话为中心的机体。它的工作通常是接收问题，然后回复答案。

较传统的聊天机械人会跟规则和关键字。例如客户输入「退货」，系统就回复退货政策；输入「营业时间」，系统就回复开门时间。较新的 AI 聊天机械人可以接上 AI 模型和知识库，读完指定文章、常见问题或公司资料后，再用自然语言回答。

但无论它的语气有多自然，如果它只是在对话框中回复文字，本质仍然是聊天机械人。

1.3 AI 代理是工作流机体，负责使用工具和执行任务

AI 代理不只是对答。它可以接收一个目标，拆成多个步骤，选择需要用的工具，读取资料，执行动作，然后根据结果更新下一步。

例如你可以给 AI 代理一个指令：

帮我建立一个新客户，发送欢迎电邮，按 VIP 折扣规则草拟报价单，整理好后交给我审批。

一个真正有工作流能力的 AI 代理，应该能够分拆成几个任务：

• 建立客户资料；
• 草拟或发送欢迎电邮；
• 读取产品和价格资料；
• 套用 VIP 折扣规则；
• 草拟报价单；
• 停下来等人手审批；
• 审批后才发出正式内容或更新状态。

这已经不只是「回答问题」，而是进入公司工作流。

1.4 同一个 AI 模型，放进不同机体，结果会完全不同

这就是最容易被忽略的地方。同一个 AI 模型，放进聊天机械人，它主要是答问题；放进 AI 代理，它才有机会做任务。

所以，供应商说「我们用了最强 AI 模型」并不足够。你要问的是：这个 AI 模型被放在甚么机体入面？有没有工具？有没有资料权限？有没有审批？有没有审计纪录？出错时能否追踪？

2. 聊天机械人能做甚么？甚么情况下已经足够？

聊天机械人不是没有价值。相反，对很多香港中小企来说，聊天机械人是一个很实际的第一步。问题不是聊天机械人好不好，而是你有没有将它放在合适的位置。

2.1 规则型聊天机械人：跟脚本和关键字

规则型聊天机械人会跟预设流程、选项和关键字回复。它的好处是便宜、简单、稳定、容易控制。坏处是弹性低，只要客户问法稍为不同，或者问题超出脚本，就容易答不到。

这类聊天机械人适合非常标准的问题，例如：

• 营业时间；
• 地址和交通；
• 退货条款；
• 基本收费；
• 预约方式；
• 联络方法；
• 常见产品问题。

2.2 AI 聊天机械人：可以读知识库或指定文章再回答

AI 聊天机械人比传统聊天机械人更自然。它可以读公司知识库、网页内容、产品资料或常见问题，然后用较接近人类的语气回答。

例如退货政策本身已经放在网站，但内容很长，客户未必想逐段看。AI 聊天机械人可以帮客户用问答方式理解内容，例如「过了 7 日还可以退货吗？」、「拆封后可否换货？」、「退款要几耐？」这类问题。

这是聊天机械人很适合的位置：答案本身已经存在，只是客户不想自己找。

2.3 最适合用于常见问题、条款、营业时间和标准答案

如果公司主要想减少重复问题，聊天机械人已经可以帮到手。特别是以下情况：

• 答案固定；
• 风险低；
• 不需要查即时资料；
• 不需要更新 CRM 或 ERP；
• 不需要代表公司作出承诺；
• 不涉及复杂销售判断。

例如「你们星期日开吗？」、「退货要带甚么？」、「课程地点在哪里？」、「有没有 WhatsApp 联络？」这类问题，用聊天机械人回答是合理的。

2.4 为何服务业和专业服务不应随便用聊天机械人取代新客对话

但如果你是服务业、专业服务、顾问、B2B 解决方案、教育中心、设计公司、系统开发公司，就要小心。

新客第一次查询，往往是黄金销售时间。那一刻不是单纯回答问题，而是了解对方真正需要甚么、预算如何、时间是否急、谁是决策者、背后有甚么痛点。这些资讯，很可能决定能否成交。

如果公司不是多客到处理不来，不应随便用低成本聊天机械人取代有价值的新客对话。聊天机械人可以协助分流和收集资料，但不应阻挡真正有意向的客户接触人。

2.5 非办公时间聊天机械人：夜晚接住查询，但不取代黄金销售时间

聊天机械人比较适合用在非办公时间，例如晚上、凌晨、假日。当无人即时回复时，聊天机械人可以先接住查询、回答基本问题、收集联络资料、安排第二天跟进。

这样的做法比较健康：白天有价值的新客对话仍由人处理；非办公时间则由聊天机械人接住基本互动，避免客户完全没有回应。

3. AI 代理多了甚么能力？

AI 代理和聊天机械人最大分别，不只是语气更自然，而是它有工作流能力。它可以由「对话」进一步走向「做事」。

3.1 由「回答」变成「接收目标、拆解任务、逐步执行」

聊天机械人通常是一问一答。你问一句，它答一句。AI 代理则可以接收一个较大的目标，再自己拆成多个步骤。

例如你不是问它「这个客户买过甚么？」而是说：

帮我整理这 100 个客户过去一年买过甚么，找出最有加购机会的 20 个，草拟跟进讯息。

这个任务需要多步骤：

• 找出 100 个客户；
• 查每个客户的购买纪录；
• 分析购买类型和金额；
• 找出加购机会；
• 草拟讯息；
• 可能还要交给销售审批。

这不是普通聊天机械人应该做的事。

3.2 AI 代理可以建立任务清单，完成一步后再更新下一步

真正的 AI 代理应该能够在任务过程中维持状态。它不是一次回答完就结束，而是可以建立任务清单，完成一步后更新结果，再决定下一步。

例如它先查 CRM，发现客户资料不完整，就新增一个任务要求补电话；之后查订单，发现有 VIP 折扣规则，就把报价单草稿套用折扣；最后停下来要求人手审批。

这种「一步一步做，再因应结果更新计划」是 AI 代理的核心特征。

3.3 AI 代理可以连接电邮、WhatsApp、Excel、CRM、ERP 和公司系统

AI 代理的价值，通常来自工具连接。

它可以接入：

• 电邮：草拟回复、整理线索、发出通知；
• WhatsApp：跟进查询、发送提醒、收集资料；
• Excel / Google Sheets：读取表格、整理资料，但不应作为核心资料库长期乱用；
• CRM：建立客户、更新状态、安排跟进；
• ERP：查库存、查订单、查付款状态；
• oneflash 系统：在受控权限下读取和保存公司资料，执行指定工作流。

重点不是 AI 代理会不会聊天，而是它能否安全地连接公司真正使用的工具。

3.4 AI 代理可以处理较长任务，但不是所有自称 AI 代理的工具都做到

2026 年之后，市场上很多工具都会叫自己 AI 代理。但不是每一个都真的能处理长任务。

一个成熟的 AI 代理架构，应该具备：

• 任务拆解；
• 状态记忆；
• 工具调用；
• 失败重试；
• 权限限制；
• 人手审批；
• 审计纪录；
• 例外处理。

如果一个工具只是回答问题、生成文字、叫你自己去做下一步，它可能只是 AI 聊天机械人包装成 AI 代理。

3.5 长任务例子：建立客户、发送欢迎电邮、按 VIP 折扣草拟报价单，再交人审批

最容易理解的例子，是新客户报价流程。

你可以想像一个 AI 代理收到以下指令：

帮我建立这个新客户，发送一封欢迎电邮，按我刚才说的产品需求出一份报价单，用 VIP 折扣，整好后给我审批。

这里面有几个不同层次：

• 建立客户：低至中风险，但要避免重复客户；
• 欢迎电邮：可以由 AI 草拟，但正式发送前可按规则决定是否审批；
• 报价单：要读产品和价格资料；
• VIP 折扣：要读折扣规则，不能由 AI 自己乱估；
• 审批：正式发出前由人确认。

这才是比较健康的 AI 代理工作方式：AI 做重复资料和文件工作，人做判断和最后确认。

4. AI 不是取代整个工作流，而是令每个人产出更高

香港中小企最常见的误解，是以为「有 AI 就不需要人」。这个想法很危险，也不现实。

4.1 香港 SME 最常见误解：有 AI 就不需要人

AI 不是整间公司的替代品。AI 是工作流入面的一部分。

它可以令员工更快整理资料、草拟文件、查纪录、建立任务、准备跟进，但客户关系、商业判断、责任承担和最终审批仍然需要由人负责。

如果公司把 AI 当成「不用再管理流程、不用再安排人、不用再做审批」的工具，结果通常会很乱。

4.2 AI 是工作流的一部分，不是整间公司的替代品

比较成熟的做法，是将 AI 放进工作流入面，让它处理重复、耗时、可结构化的部分。

例如：

• 将 WhatsApp 查询分类；
• 从电邮抽取客户资料；
• 查 CRM 是否已有同一客户；
• 草拟报价单；
• 生成跟进讯息；
• 整理每日销售摘要；
• 提醒同事有高意向客户未跟进。

这些工作本来都需要人做。AI 可以令每个人做得更快、更完整、更少漏。

4.3 个人用 AI 可以接近 6 个人的产出；但 0 x 2 仍然是 0

比较实际的说法是：AI 可以帮公司提升每个人的产出。例如 3 个人配合合适 AI 工作流，可能做到接近 6 个人的产出。

但如果完全没有人负责判断、审批、跟进和承担责任，0 x 2 仍然是 0。

AI 可以放大人的能力，但不应假设没有人也可以自动运作整间公司。对现阶段香港中小企来说，最健康的目标不是「全自动无人公司」，而是「同一个团队做到更多、更快、更少漏」。

4.4 人负责判断、关系、审批；AI 负责重复资料工作

一个合理分工可以是：

这个分工比「AI 取代人」更贴近现实。

5. 香港中小企应该甚么时候用聊天机械人，甚么时候用 AI 代理？

选聊天机械人还是 AI 代理，不应该按潮流决定，而应该按流程决定。

5.1 如果只是回答标准问题，用聊天机械人已经足够

如果客户问题大多只是资讯查询，聊天机械人已经足够。例如：

• 服务内容；
• 地址；
• 营业时间；
• 条款；
• 标准价格；
• 预约方法；
• 常见技术问题。

这类问题的答案相对固定，不需要 AI 改公司资料，也不需要查复杂系统。

5.2 如果每次都要查资料、输入资料、跟进或更新系统，就应考虑 AI 代理

如果每次客户查询都需要员工做很多后续动作，例如查资料、输入资料、安排跟进、建立任务、更新 CRM 或 ERP，就应该考虑 AI 代理。

例如：

• 客户问产品有没有货，要查 ERP；
• 新客查询后，要建立 CRM 记录；
• 销售要根据历史购买纪录草拟加购跟进讯息；
• 教育中心要查学生上堂、请假、补堂、学费状态；
• B2B 客户要报价，涉及产品、折扣、交货期和付款条款。

这些都不是单纯常见问题。

5.3 前台客服 AI 代理，还是后台行政 / 销售工作流代理？

很多公司一想到 AI 代理，就先想到客服。但对香港中小企来说，后台行政 / 销售工作流可能更值得做。

前台客服 AI 代理适合：

• 查询量大；
• 非办公时间需要回复；
• 很多重复问题；
• 客户需要即时分流。

后台行政 / 销售工作流代理适合：

• 员工很多时间花在输入资料；
• 销售经常漏跟进；
• 客户资料散落 WhatsApp、Excel、电邮；
• 老板要追问先知道进度；
• 报价、订单、付款、库存状态经常不一致。

如果你的问题是「客很多，覆不切」，先做前台；如果你的问题是「内部资料乱，跟进漏，流程慢」，先做后台。

5.4 -30 人 SME 应由高频、低至中风险工作流开始

对 1-30 人香港 SME，第一个 AI 代理工作流不应该是最高风险的核心 ERP 更新，也不应该一开始就全自动。

较好的起点是：

• WhatsApp 查询分类；
• 销售线索跟进草稿；
• 新客资料建立草稿；
• 报价单草稿；
• 预约提醒；
• 欠资料提醒；
• 每日营运摘要；
• 高意向销售线索提醒。

这些工作高频、重复、容易量度效果，而且可以保留人手审批。

6. AI 代理可否直接改 CRM / ERP / WhatsApp 资料？

技术上可以，但不代表应该全部放行。AI 代理最需要设计的地方，不是「它可不可以做」，而是「哪些可以自动做，哪些一定要人审批」。

6.1 技术上可以，但不应一开始全部放行

AI 代理可以透过 API 或系统工具更新 CRM、ERP、WhatsApp 工作流或其他公司系统。但如果一开始就让 AI 任意读写所有资料，风险会很高。

比较好的做法，是分阶段开放权限：

• 先让 AI 读资料；
• 再让 AI 建立草稿；
• 再让 AI 建立低风险记录；
• 最后才考虑让 AI 执行特定已审批动作。

6.2 权限要看资料重要性、动作难度和出错成本

权限设计应该按几个因素判断：

• AI 看到的是甚么资料？
• 这些资料是否敏感？
• 动作是否可逆？
• 出错成本有多高？
• 是否会影响客户？
• 是否会影响金钱、合约、库存或法律责任？

例如「新增一个内部跟进任务」和「删除 10,000 个客户资料」完全不是同一级风险。

6.3 低风险动作可以自动，高风险动作要人手审批

可以较自动的动作：

• 建立草稿；
• 加内部备注；
• 标记跟进；
• 生成摘要；
• 建立待审批任务；
• 整理资料清单。

需要人手审批的动作：

• 发正式 WhatsApp 或电邮给客户；
• 确认报价；
• 改价格；
• 更新付款状态；
• 确认订单；
• 删除资料；
• 改合约条款；
• 大量更新客户资料。

AI 代理最有价值的地方，不是完全放手，而是将大量准备工作做好，让人只需要审批最重要的部分。

6.4 Audit trail：要记录 AI 建议、谁批准、实际执行了甚么

当 AI 代理进入公司工作流，审计纪录很重要。

系统应该记录：

• AI 根据甚么资料提出建议；
• AI 草拟了甚么内容；
• 哪个人修改或批准；
• 实际发出了甚么；
• 甚么时间执行；
• 执行后更新了哪些资料。

如果之后出错，公司才知道是资料本身错、AI 推理错、权限设定错，还是人手审批时没有检查清楚。

7. 为甚么 AI 代理需要一个真正的商业系统？

这是 oneflash 最重视的部分：AI 几聪明，都需要一个可靠的商业系统才能安全地工作。

7.1 AI 几聪明，都需要一个安全地方保存资料

AI 不应该漂浮在公司外面，只靠即场读文件、读 Excel、读一堆零散讯息来做事。

如果公司希望 AI 帮忙查客户、整理报价、更新状态、建立任务，它需要一个安全、结构化、有权限控制的地方保存资料。

这个地方不只是资料库，也包括：

• 资料结构；
• 使用者权限；
• 工作流规则；
• 审批流程；
• API / 系统服务层；
• 审计纪录；
• 错误处理。

7.2 为甚么不应把 10,000 个客户资料交给 AI 在 Excel 入面乱读乱写

很多 SME 一开始会用 Excel 管资料，这很正常。但当客户数量去到 10,000 个，或者有几个同事加 AI 一起处理资料，Excel 就会变得危险。

你不会想像一个 AI 直接连入 Excel，五个同事每部机也连入同一个档案，然后大家都可以改客户资料。如果 AI 有幻觉、读错栏、执行错误公式，或者一次过删除大量资料，后果可以很严重。

问题不是 Excel 一定不好，而是 Excel 不适合作为 AI 代理长期读写核心资料的控制层。

7.3 结构化资料库、SQL 和系统服务层比 Excel 更适合 AI 工作

如果 AI 要查一个客户买过甚么项目，不应该叫 AI 自己在 Excel A 找客户名，再去 Excel B 的 100 万行资料中逐行找购买纪录，然后重复 100 个客户。

正确做法是：由系统用 SQL 或受控服务帮 AI 查资料。

例如 AI 只需要提出：

查客户 A 过去 12 个月的购买纪录和总金额。

系统就用已定义好的查询和权限，回传 AI 可以看的资料。AI 不需要直接碰整个资料库，也不需要自己在 Excel 里面乱翻。

7.4 程式层限制：限制 AI 可以读、写、改、删甚么

商业系统的价值，是在程式层限制 AI 可以做甚么。

例如：

• AI 可以读客户基本资料，但不能读付款敏感资料；
• AI 可以建立报价草稿，但不能自己确认报价；
• AI 可以新增跟进任务，但不能删除客户；
• AI 可以草拟 WhatsApp 讯息，但正式发送前要人审批；
• AI 可以查库存，但不能未经审批改库存数量。

这些限制不应只靠口头指示。它们应该写入系统权限和工作流。

7.5 oneflash 的定位：不是聊天机械人，也不是纯 AI 代理，而是人和 AI 一起工作的商业系统

oneflash 不应被理解为只是聊天机械人，也不应只是单一 AI 代理工具。更准确的定位，是帮公司建立一套让人和 AI 一起工作的商业系统。

这个系统让公司可以将 CRM、ERP、WhatsApp、表单、工作流、权限、人手审批和审计纪录放在同一个框架内。AI 模型是大脑，AI 代理是机体，但公司仍然需要一个可靠的身体和骨架，让 AI 的动作被限制、被记录、被审批。

所以，真正重要的不是「AI 有几聪明」，而是「AI 是否在一个可控的商业系统入面工作」。

8. 如何测试供应商是真的 AI 代理，还是假代理包装？

市场上愈来愈多供应商会用 AI 代理这个字。你不需要一开始相信对方的宣传说法，可以直接用几个测试问题判断。

8.1 测试一：是否只能回答，还是可以完成一个多步骤任务？

请供应商示范一个完整任务，例如：

建立客户、查产品资料、草拟报价、套用折扣、交人审批。

如果它只能回答「你可以这样做」，但不能真的建立草稿、查资料、生成报价或进入审批流程，那它比较像聊天机械人。

8.2 测试二：是否能安全读取即时资料，而不是只读常见问题？

很多 AI 聊天机械人可以读常见问题，但 AI 代理应该可以在权限内读即时资料，例如 CRM 客户状态、ERP 库存、订单、预约、付款状态。

重点是「安全读取」，不是任意读取。供应商应该讲得清楚 AI 可以读甚么、不能读甚么。

8.3 测试三：是否能建立草稿、任务或记录，并交人审批？

商业可用的 AI 代理不一定要所有动作自动完成，但至少应该能建立草稿、任务或记录，然后交人审批。

例如：

• 建立报价草稿；
• 草拟电邮；
• 建立 CRM 跟进任务；
• 整理 WhatsApp 查询摘要；
• 生成每日销售报告；
• 标记需要人手处理的例外个案。

这些都比单纯回答问题更有营运价值。

8.4 测试四：是否有权限、纪录和审计纪录？

如果供应商不能清楚解释权限和纪录，就要小心。

你应该问：

• AI 可以看到哪些资料？
• AI 可以更新哪些栏位？
• 哪些动作要人审批？
• 执行后有没有纪录？
• 出错时可否追踪？
• 可否知道是 AI 建议、员工修改，还是系统自动执行？

没有审计纪录的 AI 代理，很难放进真正商业工作流。

8.5 测试五：是否能处理失败、例外和需要人手介入的情况？

AI 代理不可能永远顺利。真正重要的是出错时怎样处理。

例如：

• 找不到客户资料时怎样做？
• 有两个相似客户名时怎样做？
• 价格资料不足时会不会乱估？
• WhatsApp 发送失败会不会重试？
• 任务风险太高时会不会停下来问人？

如果系统只展示最顺利的示范，而没有例外处理，就未必适合放进公司实际流程。

9. 建议落地路线：先由一条工作流开始

AI 代理不应一开始追求全自动。对香港 SME 来说，最实际的做法是先选一条工作流，做好、测量、再扩展。

9.1 不要一开始追求全自动

一开始就追求全自动，通常会出现几个问题：

• 资料未整理好；
• SOP 未清晰；
• 权限未定义；
• 员工不信任；
• 出错后难追踪；
• 客户体验不稳定。

比较好的第一步，是让 AI 做准备工作，人做审批。

9.2 选一条高频、重复、低至中风险的流程

第一条工作流可以符合几个条件：

• 每星期都大量发生；
• 现在人手做很花时间；
• 出错成本可控；
• 可以清楚量度效果；
• 可以保留人手审批。

例如：

• 每日 WhatsApp 查询分类；
• 新客 CRM 记录草稿；
• VIP 报价单草稿；
• 教育中心请假 / 补堂整理；
• B2B 客户订单状态查询；
• 每日未跟进销售线索报告。

9.3 先让 AI 草拟和整理，再逐步开放执行权限

一个健康路线可以是：

1. AI 只读资料和生成摘要； 2. AI 草拟内容，但不发出； 3. AI 建立草稿任务，等待人审批； 4. AI 自动执行低风险动作； 5. 高风险动作仍然保留人手审批。

这样员工会较容易接受，公司也可以逐步建立信任。

9.4 用数据衡量：少了多少重复工时、多了多少跟进、快了多少回复

AI 工作流不应只看感觉。你可以量度：

• 每日少了多少重复输入；
• 销售跟进有没有增加；
• 客户回复时间有没有缩短；
• 报价草稿速度有没有变快；
• 漏跟进个案有没有减少；
• 员工是否少了手动查资料；
• 老板是否更快看到进度。

如果这些指标改善，AI 代理才是真的帮到公司。

10. 结论：选聊天机械人还是 AI 代理，其实是在选工作方式

聊天机械人和 AI 代理的分别，不只是技术名词，而是公司想怎样工作。

10.1 如果你只想回答问题，聊天机械人可以先做

如果你只是想回答常见问题、条款、营业时间、基本服务资料，聊天机械人是合理选择。它便宜、快、容易控制，特别适合标准答案和非办公时间初步回复。

10.2 如果你想让 AI 进入 CRM、ERP、WhatsApp 和内部工作流，就需要 AI 代理架构

如果你想让 AI 查资料、输入资料、建立任务、草拟报价、更新 CRM、查 ERP、发 WhatsApp 跟进，就要用 AI 代理的思维设计。

这时候，你需要的不只是聊天框，而是工具、资料、权限、工作流、人手审批和审计纪录。

10.3 如果你想人和 AI 一起安全工作，就需要商业系统

最终，AI 代理是否有用，不只取决于 AI 模型几强，而取决于公司有没有一套适合人和 AI 一起工作的系统。

oneflash 的方向，就是帮香港公司把 CRM、ERP、WhatsApp、表单、工作流、权限和 AI 代理放在同一个可控框架内。AI 负责提高产出，人负责判断和审批，系统负责保存资料、限制权限和记录过程。

这比单纯安装一个聊天机械人更接近真正的 AI 商业工作流。

11. 想知道你的公司应先做聊天机械人还是 AI 代理？

如果你不确定应该先做聊天机械人、AI 代理，还是先整理 CRM / ERP / WhatsApp 工作流，可以先预约一次 AI 工作流诊断。

我们会先帮你画出现有查询、跟进、报价、输入资料和审批流程，再判断哪一个工作流最适合先用 AI 改善。很多时候，第一步不是买最强 AI，而是找出哪一段工作最值得被 AI 放大。