AI 代理這兩年很熱門，很多人一看到「可以自己執行工作」，就開始想：
「是不是做一個 AI 代理，就能變成一門生意？」
也有人把「AI 代理」和「AI 服務」混在一起，覺得兩者只是不同說法。
其實差別很大。
一個是技術能力，一個是你和客戶之間的交付關係。
如果這一點沒有先分清楚，很容易做出一個功能很多的 AI 代理，卻不知道客戶為什麼要買；也可能接了 AI 服務，卻沒有定義好誰要處理錯誤、資料、權限與最後品質。
先說 AI 代理：它重點在「能不能代替人完成一段工作」
IBM 對 AI 代理的說明，是能代表使用者或其他系統自主執行任務的系統或程式，並能設計工作流程、使用可用工具。
NIST 在 2026 年啟動 AI Agent Standards Initiative 時，也把 AI 代理描述為具有自主行動能力、會和外部系統及內部資料互動的新一代 AI 應用。
用比較容易理解的方式說，一個 AI 代理通常不只是回答問題。
它可能會：
- 接收一個目標。
- 判斷接下來要做哪些步驟。
- 讀取被允許使用的資料。
- 呼叫其他工具或系統。
- 執行一連串動作。
- 依結果決定下一步。
例如「整理今天收到的客戶詢問，分類後建立待辦」就比單純「幫我摘要這段文字」更接近代理式工作。
但自主程度不是固定的。不同 AI 代理能做的事情、需要多少人工確認、能不能直接執行外部動作，差異都很大。
AI 服務是什麼？重點不是用了哪個模型，而是你承諾交付什麼
AI 服務比較接近一種商業服務。
客戶不一定在意你背後用了幾個模型、幾個代理或幾套自動化。他比較在意：
- 你要替我解決什麼問題？
- 我要提供哪些資料？
- 最後會拿到什麼？
- 多久更新或維護一次？
- 出錯時誰處理？
- 哪些地方需要我自己確認？
例如，一家公司希望把散落的內部文件整理成可搜尋的知識系統。
你可以用 AI 代理協助分類、檢索、整理與回答，但客戶實際購買的可能是一整套服務：盤點資料、設定權限、建立知識結構、測試回答、教育使用者，以及後續維護。
這時 AI 代理是服務中的一個技術元件，不是整個服務本身。
最簡單的區分方式：AI 代理在回答「怎麼做」，AI 服務在回答「誰負責」
如果你正在評估一個 AI 創業方向，可以先用這個方式拆開。
| 比較項目 | AI 代理 | AI 服務 |
|---|---|---|
| 核心 | 技術能力與執行流程 | 客戶問題與交付結果 |
| 主要問題 | 能不能完成這段任務？ | 誰需要這個結果？誰負責交付？ |
| 重點 | 工具、權限、流程、可靠性 | 需求、範圍、品質、支援、責任 |
| 客戶買到的東西 | 可能是軟體能力或使用權 | 一項明確的服務與成果 |
| 常見風險 | 錯誤動作、權限過大、資料問題 | 範圍不清、交付不一致、責任模糊 |
兩者並不是互斥。
一項 AI 服務可以使用一個或多個 AI 代理；一個 AI 代理也可以被做成獨立產品，讓客戶自行使用。
收入來源為什麼會不同？因為客戶付費的價值不同
這篇不談特定價格，而是先看收入從哪裡來。
如果你提供的是 AI 代理產品，客戶付費的理由可能比較接近：
- 使用這套軟體能力。
- 取得特定功能或使用權限。
- 依使用量取得服務。
- 讓內部團隊自己操作。
如果你提供的是 AI 服務，客戶付費的理由則可能來自：
- 需求分析。
- 流程設計與設定。
- 資料整理。
- 導入與測試。
- 代操作或持續管理。
- 教育、維護與支援。
還有第三種常見方式：混合模式。
你提供一套可重複使用的代理或系統，同時提供設定、導入、維護或顧問服務。
所以選擇商業模式時，不要只問「AI 代理能不能收費」，而要問：客戶願意付費的價值，是產品本身，還是你把產品導入他的工作流程？
想做 AI 事業，服務型通常比較容易先驗證客戶問題
如果你還不確定市場要什麼，一開始就做完整 AI 代理產品，可能會投入不少時間在開發、權限、介面與整合。
但最危險的假設還沒被驗證：客戶到底在不在乎這個問題？
精實創業（Lean Startup）的做法會建議先測高風險假設。
因此有些情況下，可以先用「人工＋現有 AI 工具」提供服務。
例如你想解決企業內部知識整理問題，不一定先做完整代理平台。
可以先替少量客戶完成：
- 盤點現有文件。
- 整理常見問題。
- 建立一個可測試的回答流程。
- 觀察哪些問題最常出錯。
- 確認客戶願不願意持續使用。
如果相同需求持續出現，再思考哪些步驟值得產品化。
這能讓你先驗證「問題」，再投資「工具」。
但服務型也不是比較簡單，因為責任更直接
很多人看到 AI 可以自動化，就以為服務型生意可以全部交給 AI。
實際上，只要你對客戶承諾交付，就需要有人負責品質。
尤其當 AI 代理可以讀資料、寄信、建立紀錄、修改系統或執行外部動作時，風險會比只生成一段文字更高。
開始前至少要定義：
- 代理能存取哪些資料？
- 能使用哪些工具？
- 哪些動作可以自動執行？
- 哪些動作一定要人工確認？
- 錯誤發生時誰負責處理？
- 客戶能不能看到操作紀錄？
NIST 目前推動 AI 代理標準時，特別把安全、身分與授權列為重點，就是因為代理一旦能代表使用者行動，權限管理會變得更重要。
「全自動」不一定比「有人確認」更有價值
如果一個 AI 代理只是整理公開文章，全自動風險可能不高。
但如果它要寄客戶信件、修改訂單、存取公司資料、操作帳號或影響重要決策，人工確認的價值就會提高。
所以設計服務時，不要把「自動化比例越高」當成唯一指標。
更值得看的，是：
- 錯一次的代價有多大？
- 輸出能不能被快速檢查？
- 有沒有辦法回復？
- 誰有權批准高影響動作？
有時候，保留一個明確的人工作業點，反而讓服務更穩定。
AI 代理產品和 AI 服務，適合的人也可能不同
如果你喜歡產品化，願意處理系統、介面、權限、維護與大量使用者的一致需求，代理產品可能比較接近你的方向。
如果你比較擅長理解客戶情境、設計流程、導入工具、調整細節與持續服務，AI 服務可能更適合先開始。
沒有哪一種一定比較高級。
定位的重點，是讓客戶知道你和他目前的替代方案有什麼不同。
有些客戶需要「自己能操作的工具」，有些客戶需要「有人幫我把事情做好」。
如果客戶真正想要的是後者，硬把他推向自助型代理產品，反而增加學習與導入成本。
先看客戶現在用什麼替代方案
評估 AI 代理或 AI 服務時，不要只比較其他 AI 產品。
客戶現在的替代方案可能是：
- 用試算表。
- 請助理人工整理。
- 用既有軟體勉強處理。
- 把工作分給不同同事。
- 乾脆不處理。
如果現有方式雖然麻煩，但客戶覺得還能接受，你的新方案就必須提供足夠理由讓他改變。
這也是待完成工作（Jobs to Be Done）很重要的一點：除了新方案的吸引力，還要看客戶對新方法的焦慮，以及對舊方法的習慣。
開始前先畫一張「責任表」
不管你最後選代理產品、服務，還是混合模式，都可以先把責任寫清楚。
- 目標：誰定義代理要完成什麼？
- 資料：誰提供資料、誰確認資料可以使用？
- 權限：代理可以讀什麼、改什麼、呼叫什麼？
- 確認：哪些動作一定要真人核准？
- 品質：誰檢查輸出是否符合需求？
- 異常：錯誤、失敗或資料問題由誰處理？
- 維護：工具、流程或模型改變時誰更新？
如果這七件事都沒有答案，就算代理展示起來很厲害，也還沒有變成一項穩定的商業服務。
不要把「代理會做事」直接等同於「客戶會付費」
技術展示很容易讓人驚訝，但商業價值還需要多一步。
你要確認這個代理完成的工作：
- 是不是客戶本來就在做？
- 是不是反覆發生？
- 是不是目前很花時間或容易出錯？
- 是不是有人願意為改善這件事投入成本？
- 導入後是否真的比原本方式更容易？
如果答案多半是否定的，代理再聰明也可能只是很酷的展示。
前一篇AI 創業不是每天介紹 AI 工具：真正重要的是客戶問題已經談過：先找到需要被解決的工作，再決定 AI 放在哪裡。
如果你還沒決定走產品還是服務，可以先這樣測
第一階段先提供小範圍服務，觀察客戶最常需要哪一部分。
第二階段把重複性高、規則比較清楚的工作整理成固定流程。
第三階段再判斷：客戶是否願意自己操作？如果願意，哪些部分值得做成代理產品；如果仍然高度需要情境判斷，就保留服務層。
這樣你不是先替自己選一個「看起來比較科技」的商業模式，而是讓真實使用情況告訴你，產品和服務應該怎麼分工。
如果你正在規劃第二事業，也可以接著看想發展第二事業，AI 能扮演什麼角色？，先把 AI 放回研究、內容、流程與交付裡，再決定要不要產品化。
服務責任不等於替客戶保證所有結果
如果你提供 AI 服務，責任要清楚，但也不能把不可控制的結果承諾成保證。
你可以承諾的是工作範圍，例如完成設定、依流程測試、提供維護、發現異常時處理；至於客戶最後的營收、成交或經營成果，通常還會受到市場、執行、資料品質與其他條件影響。
把可控制的交付和不可控制的結果分開，反而更容易建立長期、穩定而清楚的合作關係。客戶知道你會負責哪一段，也知道哪些決策仍然需要自己參與，合作邊界會清楚很多，也更容易管理。
常見問題
AI 代理就是聊天機器人嗎？
不一定。聊天介面只是其中一種入口。AI 代理的重點是能依目標規劃、使用工具並執行一連串動作，不只是回答一句問題。
做 AI 代理一定要會寫程式嗎？
不一定。現在有不同程度的工具可以建立代理流程，但越複雜的資料、權限、整合與可靠性需求，通常越需要技術能力或技術支援。
AI 服務一定要自己開發代理嗎？
不需要。服務可以使用現成模型、代理工具與自動化系統。客戶購買的是你如何把這些工具組合成能解決問題的交付。
代理產品和服務，哪一種比較容易開始？
要看你的能力與客戶問題。如果需求還沒有驗證，先用服務方式測試通常能更快接觸真實情境；需求穩定後，再決定是否產品化。
AI 代理可以完全不需要人工嗎？
要看任務風險。低風險、可回復的工作可能適合較高程度自動化；涉及敏感資料、外部行動或重要決策時，通常需要更清楚的人工監督與權限設計。
結語：先選你要負責的價值，再選 AI 的形式
AI 代理是一種能力，AI 服務是一種交付關係。
你可以把代理做成產品，也可以把代理放進服務裡，甚至同時提供兩者。
開始前最值得先決定的，不是「我要不要做 Agent」，而是：
我要替哪一群客戶完成什麼工作？客戶願意為哪一段價值付費？如果 AI 做錯了，誰負責發現與處理？
這些問題說清楚之後，產品、服務或混合模式才會變成商業選擇，而不是跟著技術名詞走。
參考資料
IBM，The 2026 Guide to AI Agents。
NIST，AI Agent Standards Initiative，2026。
OECD，Due Diligence Guidance for Responsible AI，2026。