AI 代理現在能做到哪裡？哪些工作能交給它、哪些還不行

如果你最近聽過幾場 AI 代理（AI Agent）的產品介紹，大概看過這樣的示範：交代一句話，AI 代理就自己開系統、查資料、填表、寄信，幾分鐘把一件事做完。可是翻開新聞，又會看到國際研究顧問機構 Gartner 在 2025 年 6 月預測，到 2027 年底，超過四成的代理專案會因為成本太高、看不出價值或風險控管不足而被取消。

兩邊說的都不是假話，只是看的東西不一樣。示範挑的是 AI 代理最擅長的工作；預測看的是企業把它放進真實工作後，可能遇到的成本與風險。

先說清楚名詞。AI 代理是接上公司系統和工具的 AI：你交代一個目標，它會自己決定下一步、動手去做。它背後負責理解問題、產生回答的那顆大腦，叫做 AI 模型，例如 ChatGPT 背後的模型。兩者差在哪，可以先讀〈AI 代理（AI Agent）是什麼？它和 ChatGPT 差在哪〉。

這篇整理 2024 到 2026 年研究機構與 AI 公司公開的評測，以及國際組織、顧問公司對企業的調查，回答一個問題：公司的哪些工作現在就能交給 AI 代理，哪些還不行。

資料一次給齊、只交一份成品的工作，已經做得不錯

研究機構測 AI 代理，常用的做法是設計一批有標準答案的任務，看它能完成多少。在這類任務上，進步非常快。

• 操作電腦的短任務： 史丹佛大學的《2026 AI 指數報告》整理，一套讓 AI 代理在電腦上點選、填表、開檔案的測驗，2025 年一年之內，成功率從一成左右升到約 66%。一般人做同一批任務，成功率約 72%。
• 專業人士的工作成品： OpenAI 在 2025 年找了 44 種職業的資深專業人士出題，例如寫報告、做簡報，這些工作專家平均要做 7 個小時。所有資料一開始就交給 AI，再請業界專家在不知道哪份是 AI 做的情況下比較成品。發表時表現最好的模型，將近一半的成品被評為和專家一樣好或更好。
• 業務與客服系統裡的查詢和操作： 客戶管理軟體公司 Salesforce 的研究團隊在 2025 年發表一項測試，在模擬的業務與客服系統裡測 AI 代理。資料一次給齊時，表現領先的 AI 代理整體約有六成做對；其中照既定流程辦事的那一類最簡單，成功率超過八成。

這三個測驗有共同的條件：要做什麼說得清楚、需要的資料一開始就全部交給它、只要交出一份成品，不必跟人來回溝通。

工作一拉長，成功率就掉得很快

條件一變，結果就不一樣了。

一家專門評測 AI 能力的非營利機構，用「人類專家要做多久」來量 AI 代理能接多長的軟體工作。這份量測在 2026 年 9 月不再更新，在那之前測到的最強模型：如果要求八成把握做對，只能接專家約三小時做得完的工作；如果接受有一半會做錯，可以挑戰更長的工作，但這家機構也說，超過 16 小時的部分它量不準。

長流程的電腦工作也一樣。前面那套電腦操作測驗，研究團隊在 2026 年推出第二版，任務改成要跨好幾個網站和軟體、人類通常要做一個半小時左右的完整工作。論文發表時，最強的模型只完整做完約兩成。

真實的外包案也是。美國人工智慧安全中心和資料公司 Scale AI 收集了 240 件真實外包案，例如設計、資料分析、動畫，請 AI 代理直接接案，再由專家判斷客戶會不會接受成品。2025 年 10 月發表時，最好的 AI 代理只做出 2.5% 能交差的成品。研究團隊之後持續把新模型加進成績表，較新的模型約到兩成，但頁面沒有標明測試日期。

離老闆最近的，是美國卡內基美隆大學的一個模擬：讓 AI 代理在一家虛擬的小型軟體公司上班，要看內部網站、寫程式、找同事問事情。2025 年表現最好的代理，只完整做完約三成工作。做得最差的是行政、財務和資料分析，不少模型在這幾類一題都沒做完。

換句話說，AI 代理擅長的是「一段」工作，還不是「一整件」工作。

要來回溝通的工作，它常常亂猜、不問

公司裡很多工作，一開始資料並不齊全，要邊做邊問。這正是 AI 代理目前的弱點。

Salesforce 那套測試，把同樣的任務改成「客人一點一點說出需求」，要代理自己問清楚。表現領先的代理，成功率從資料一次給齊時的約六成，掉到約三成五。電腦操作測驗第二版的研究團隊也發現，代理遇到不確定的地方，常常直接猜，而不是回頭問使用者，做完也不檢查。卡內基美隆的虛擬公司裡，有代理找不到該聯絡的同事，就把另一位同事的名字改成要找的人，當成找到了。

判斷什麼不該做、什麼不能說，它還很弱

能力夠，不代表判斷夠。幾個研究都看到同樣的問題：

• 不知道哪些資料不能說。 Salesforce 的測試發現，沒有特別提醒時，遇到不該透露的機密資料，AI 代理會主動拒絕的不到 3%。加上保密提醒後有改善，但任務完成率跟著下降。
• 容易被說服讓利。 AI 公司 Anthropic 讓 AI 代理在自家辦公室經營一間小商店，第一個月它大量發折扣碼、低於成本賣東西，結果虧錢。第二階段換上新版模型，並補上查價規定、客戶紀錄和購買前的人工核准，虧損大致消除，Anthropic 認為流程規定是影響最大的改變之一；但它仍差點簽下一份違反美國法律的合約，也被人用話術騙走商品。
• 說了不要動，它還是可能動。 據美國《財星》雜誌報導，2025 年 7 月，有人在試用一個程式開發平台的 AI 代理時，系統明明處在「不准修改」的期間，代理仍刪掉了正式使用中的資料庫。平台執行長公開表示這「不可接受，絕不應該發生」，之後補上防護。

在指令裡提醒它小心，有一點用，但不夠。要擋住錯誤動作，主要得靠權限、備份和人工核准；導入前該注意的資料外洩風險，可以參考〈AI Agent 會洩漏公司資料嗎？企業導入前必懂的 4 大資安風險〉。

還有一點常被忽略：試一次做對，不等於每次都做對。2024 年一份客服測驗，同一題讓當時的 AI 代理做好幾次，在零售客服的情境下，連做 8 次都成功的比率不到四分之一。公司每天要處理上百件案子，在意的正是這種穩定度。

企業實際怎麼用：大公司加速試，賺到錢的還不多

研究室之外，企業實際使用的情形也符合上面的輪廓。

• 大公司用得越來越多。 麥肯錫 2026 年 8 月發表的全球調查（1,719 位受訪者）中，來自年營收 10 億美元以上大型組織的受訪者，40% 表示公司至少在一個部門大量使用 AI 代理，前一年是 27%。
• 但賺到錢的比例沒有跟著變多。 同一份調查中，表示 AI（不限代理）對獲利有任何貢獻的受訪者是 37%，和前一年差不多。
• 沒有人放手讓它完全自主。 經濟合作暨發展組織 2026 年 9 月發表的報告，訪談了 25 個已在使用代理的組織，包括大型科技公司、電信業者與政府機關。沒有任何一家讓代理不受限制地自主運作；付款、刪除資料這類高風險或收不回來的動作，通常要人核准，只是各組織的門檻不同。
• 用得最多的是內部工作。 同一份報告中，最常被提到的用途之一是軟體開發，另外還有資安、知識管理、法遵監控、法律文件起草、客服等。報告歸納出現階段適合的條件：任務夠有條理、結果可以用可靠的資料核對、出錯的代價有限或改得回來。
• 客服是混合，不是取代。 Gartner 在 2026 年 7 到 8 月調查 275 位客服主管，只有 21% 表示因為 AI 減少了真人客服，而且已經有 7% 在減少之後又把人補回來。

台灣目前沒有找到專門針對 AI 代理的官方統計。經濟部產業發展署指導的《2025 製造業 AI 普及度調查報告》中，傳統製造業約兩成把 AI 用到正式驗證或擴大使用的階段（這部分的傳統製造業樣本為 53 家）。報告裡的示範案例，是一家企業用 AI 代理做報價比對，但報告註明「目前仍在測試階段」，異常的數據也由工程師複審。

你的工作能不能交給它？用四個問題判斷

把評測和企業經驗放在一起，可以整理出四個判斷問題。符合越多，越適合現在就交給 AI 代理：

1. 這件事是不是一段，而不是一整件？ 例如內部知識查詢、比對幾份報價的差異、回答有標準答案的常見問題。一件要好幾個小時、跨好幾個系統才做得完的工作，最好先拆成幾段。
2. 需要的資料能不能一開始就給齊？ 資料越完整，表現越好；要邊做邊問的工作，目前很容易做錯。
3. 做錯了，看得出來、改得回來嗎？ 草稿、整理、內部查詢，錯了改就好；付款、刪資料、對外承諾，錯了很難收回。
4. 它要用的權限，是不是只限這件事？ 能讀不能改、能擬稿不能寄出，重要動作由人核准。

以下是依前面的評測與調查整理的判斷：

拿貿易或製造公司常見的工作來試：請 AI 代理依規格比對幾家供應商的報價、擬好詢價信，由人看過再寄出，屬於中間那一欄；讓它自己跟供應商來回議價、決定下單，目前還不適合。

看廠商說法時，先問清楚三件事

聽到「AI 代理能做好某某工作」時，可以先問：

1. 這個成功率，是一次給齊資料測的，還是要來回溝通？ 在 Salesforce 的測試裡，改成來回溝通後，成功率從約六成掉到約三成五。
2. 是試一次的成功率，還是連續做很多次的穩定度？ 公司日常用的是後者。
3. 「省多少時間」有沒有算進人的檢查時間？ OpenAI 自己的研究算過：只看 AI 產出，比專家快約 90 倍；算進人檢查、不滿意再自己修的時間，只快約 1.1 到 1.4 倍。

另外，Gartner 在 2025 年也提醒有「代理清洗」的現象：把原本的聊天機器人或自動化工具改個名字，就稱為 AI 代理。它估計自稱做 AI 代理的數千家廠商裡，真正符合的只有約 130 家。

回到開頭那場示範。它展示的多半是 AI 代理最擅長的那一段，這是真的能力；但要放進公司的日常工作，還要問那一段之外的部分由誰負責。先挑一段資料齊全、錯了改得回來的工作讓它做，同時把權限收緊、重要動作留給人核准，是現階段最穩當的開始。人要在哪些環節介入，可以讀〈Human in the loop 是什麼？AI Agent 人機協作指南〉。

常見問題

參考資料：

1. Gartner，〈Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027〉，2025 年 6 月 25 日。
2. Stanford HAI，《The 2026 AI Index Report》技術表現章，2026 年（頁面無日期）。
3. OpenAI，〈GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks〉，2025 年 10 月 5 日。
4. Salesforce AI Research，〈CRMArena-Pro: Holistic Assessment of LLM Agents Across Diverse Business Scenarios and Interactions〉，2025 年 5 月 24 日。
5. METR，〈Task-Completion Time Horizons of Frontier AI Models〉，最後更新 2026 年 9 月 8 日；Kwa、West 等，〈Measuring AI Ability to Complete Long Software Tasks〉，2025 年 3 月 18 日初版，2026 年 7 月 10 日第四版。
6. XLANG Lab 等，〈OSWorld 2.0: Benchmarking Computer Use Agents on Long-Horizon Real-World Tasks〉，2026 年 7 月 13 日（第二版）。
7. Center for AI Safety、Scale AI，〈Remote Labor Index: Measuring AI Automation of Remote Work〉，2025 年 10 月 30 日；排行榜頁面無日期。
8. Carnegie Mellon University 等，〈TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks〉，2025 年 9 月 10 日（第三版）。
9. Anthropic，〈Project Vend: Can Claude run a small shop?〉，2025 年 6 月 27 日；〈Project Vend: Phase two〉，2025 年 12 月 18 日。
10. Fortune，〈AI-powered coding tool wiped out a software company's database in 'catastrophic failure'〉，2025 年 7 月 23 日。
11. Yao 等（含 Sierra 研究人員），〈τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains〉，2024 年 6 月 17 日。
12. McKinsey & Company，〈The state of AI in 2026: On the road to ROI〉，2026 年 8 月 25 日。
13. OECD，〈Agentic AI in organisations: Early insights from practitioner interviews〉，2026 年 9 月。
14. Gartner，〈Gartner Survey Finds 21% of Service and Support Leaders Have Reduced Human Agent Headcount Because of AI〉，2026 年 11 月 5 日。
15. 經濟部產業發展署指導，《2025 製造業 AI 普及度調查報告》，2025 年 10 月。