AI 代理（AI Agent）是什麼？它和 ChatGPT 差在哪
同樣是 AI，有的只回答問題，有的會自己找資料、決定下一步。用一份報價例子，看懂 AI 代理是什麼、和 ChatGPT 差在哪，以及交給它工作前要想清楚的事。
假設採購同仁要比較三家供應商的報價。他把三份報價貼給 AI，請它整理成比較表，幾秒鐘就拿到了；表上標出其中一家沒寫交期，接下來要去翻信件、問供應商，還是得他自己來。
換成另一種 AI，同仁只交代一句「比較這三家報價，缺的資料幫我補齊」。它自己打開報價資料夾，讀完三份檔案，發現交期空白，就去翻那家供應商最近的往來信件；信裡也找不到，它把這項列為待詢問，草擬一封詢問信交給同仁，由他確認後寄出。前一種是你問它答，下一步由你決定；後一種是你交代目標，它自己決定怎麼往下做。後面這種，就是 AI 代理（AI Agent）。
AI 從回答問題，延伸到自己去開檔案、翻信件、準備寄信，交給它工作的方式、要給它多少權限、做完怎麼檢查，都跟著變。把它當成一般聊天工具隨手交辦，或一開始就給太多權限，都可能出問題。這篇用這份報價，說清楚 AI 代理是什麼、它和 ChatGPT 這類聊天 AI 差在哪，以及交給它工作之前，要先想清楚哪些事。
AI 代理（AI Agent）是什麼？
AI 代理是能為了一個目標，自己選擇下一步、動手去做、看結果再決定接著做什麼的 AI 系統，也常被叫做 AI 代理人。
兩大雲端服務商 Google 與 AWS 的說法很接近：它替使用者追求目標、完成任務，會與環境互動、蒐集資料，並有一定程度的自主，能自己做決定。
關鍵在「自己決定下一步」。一般聊天 AI 收到一個問題，就給一個回答，接下來怎麼做由人決定。AI 代理收到的是目標，它會根據剛拿到的資料，自己決定先讀哪份檔案、要不要再查一次、什麼時候該停下來問人。
自主是程度問題，不是有或沒有。國際組織經濟合作暨發展組織（OECD）2026 年的研究就指出，各界對代理的定義和自主程度說法不一；能自己判斷、行動，同時接受人的監督，兩者可以並存。比較貼近實際的理解是：在你劃定的範圍內，它能自己把一段工作往前推。
你可能也聽過「代理式 AI（Agentic AI）」。這個詞常和 AI 代理一起出現，有些資料也沒把兩者分清楚；OECD 這份研究整理各方說法後，用它指由多個 AI 代理協調合作、能拆解任務、長時間自主追求複雜目標的系統。
AI 代理和 ChatGPT、聊天機器人差在哪？
同一份報價的兩種交辦方式：AI 助手由你決定下一步；AI 代理看結果自己往下做，對外寄信仍由你確認。（報價為假設情境）
差在下一步由誰決定，以及它能不能自己動手。Google 把三種常被混用的東西分開來看，整理如下（前三列依 Google 的比較表改寫，最後一列為本文補充）：
| 照規則回應的聊天機器人 | AI 助手 | AI 代理 | |
|---|---|---|---|
| 怎麼回應 | 收到指令或關鍵字，照預先寫好的規則回應 | 你提出要求，它回應、提供資訊或完成簡單工作 | 你交代目標，它主動往下做 |
| 能做到什麼 | 照規則處理固定的問答 | 提供資訊、完成簡單工作，可以替你建議動作 | 能做好幾個步驟的動作，在被允許的範圍內自己取資料、用工具 |
| 下一步誰決定 | 規則 | 你；它可以建議 | 它自己判斷，必要時停下來問你 |
| 適合的工作 | 簡單、固定的問答 | 寫、改、摘要、回答問題 | 需要好幾個步驟、要邊做邊判斷的工作 |
要注意的是，在 Google 的分法裡，AI 助手也算一種代理，只是做成產品、和使用者一起工作，決定權留在人手上；所以「助手」和「代理」不是兩個互斥的東西，差在自主的程度。
ChatGPT 是 AI Agent 嗎？
平常那樣一問一答地用，比較接近上表的 AI 助手：你提問、它回答，下一步由你決定。當它被開啟能操作工具的功能、被允許自己查資料和處理檔案，並自己往下推進一件多步驟的工作，這時它做的才是代理的工作。
產品的名稱和功能變動很快。以 OpenAI 為例，說明中心在 2026 年 10 月下旬寫明，原本叫「ChatGPT agent」的功能已不再提供，多步驟的工作改用另一項叫 ChatGPT Work 的功能處理。所以判斷一個 AI 是不是代理，看它做事的過程比看名稱可靠：資料是你找好貼給它，還是它自己去拿？下一步是你逐步指示，還是它看了結果自己決定？
AI 代理怎麼運作？
靠四個部分配合：負責思考的模型、記得做到哪的記憶、能動手的工具，以及拆步驟、看結果的規劃與檢查。用報價例子一個一個看：
- 模型：負責理解和判斷。 這是 AI 背後真正在「想」的部分，常被比喻成代理的大腦：讀懂你的交代、看懂報價內容、寫出比較表。它為什麼有時會說錯，可以看 LLM 是什麼。
- 記憶：記住這次工作的來龍去脈。 要比哪三家、已經讀過哪幾份、還缺什麼，都得記著。這次工作當下看得到的資訊叫上下文，和跨次保留的長期記憶不一樣，差別在 AI 上下文 Context 是什麼。
- 工具：讓它能動手的管道。 打開資料夾、讀檔案、搜尋信件、寫進試算表，都要靠工具。系統之間交換資料常透過 API，也就是系統對系統的連接窗口；AI 怎麼使用這些工具，見 Tool Use 是什麼 和 API 是什麼。
- 規劃與檢查：把目標拆成步驟，看結果決定下一步。 先讀報價、再比對品項、發現缺交期就去查信件，這就是把目標拆成幾個步驟。AI 模型公司 Anthropic 的設計說明提到，代理會依工具傳回的結果繼續工作；遇到卡關或事先設好的確認點，可以停下來問人，也可以設定做到哪裡就停。
這也說明一件常被誤會的事：把指令寫得再長，AI 也不會因此多出動手的能力。它能不能打開資料夾、寄出信件，靠的是工具和權限的設定，不是一段文字。
AI 代理和 RPA、固定流程有什麼不同？
不同在下一步由誰決定。RPA，也就是用軟體機器人模擬人在電腦上重複操作的流程自動化軟體，照事先寫好的規則走；固定的 AI 工作流程照事先排好的步驟走，只是每一步交給 AI 處理；AI 代理則是邊做邊自己決定下一步。
同樣處理那三份報價，三種做法大致會長這樣：
| 怎麼處理報價 | 遇到交期空白 | 適合的工作 | |
|---|---|---|---|
| RPA | 照設定好的欄位位置，把數字搬進試算表 | 欄位空白就照填空白，或照規則跳出錯誤 | 格式固定、量大的重複操作 |
| AI 工作流程 | 程式依序請 AI 讀報價、整理表格、寫摘要，步驟是事先排好的 | 只會照預先寫好的步驟處理，例如一律標成「缺資料」 | 路徑想得清楚，但每一步要讀懂文字 |
| AI 代理 | 自己決定先讀哪份、怎麼比對 | 自己決定要不要去翻信件、要不要草擬詢問信，或停下來問人 | 事前排不出每一步、要邊做邊判斷的工作 |
賣 RPA 的廠商也這樣看。IBM 說明，RPA 用規則式軟體大量處理擷取資料、填表、搬檔案這類重複工作，只能照使用者定義好的流程走；同時賣 RPA 與代理產品的 UiPath，則把兩者說成分工：代理處理需要判斷、要調整的問題，RPA 負責在企業系統裡穩定執行，人負責監督。Anthropic 也用同樣的區分，並提到兩種做法可以組合。舉個假設的例子：先由代理釐清客人遇到什麼問題，確定要換貨，再交給固定的換貨流程處理。
所以，不是每件事都需要代理。Google 的架構指引提醒，可預測、步驟固定，或 AI 回答一次就能完成的工作，可以先考慮不用代理。Anthropic 也提醒，代理可能讓 AI 與工具的使用次數變多、花更多時間與費用，錯誤也可能一步步累積。
AI 代理有哪些類型？
常見的分法有兩種：看它是在前台和人互動、還是在背景自己運作；看它是一個代理單獨做，還是多個代理分工。
- 前台與背景。 Google 的說明把直接和人對話、多半由使用者提問啟動的，稱為前台的代理；在幕後處理例行工作、很少與人互動、多半由事件觸發的，稱為背景的代理。同樣是報價，同仁打一句話交辦，是前台；設定成每收到一份新報價就自動整理、比對，是背景。
- 單一與多代理。 一個代理獨立完成一項明確的工作，是單一代理；多個代理分工合作、各自擔任不同角色，是多代理系統。例如一個負責讀報價、一個負責查信件、一個負責整理成表，再交給人確認。
AI 代理可以做哪些工作？
凡是需要好幾個步驟、要邊做邊判斷的工作，都可能交給它。Google 把企業目前部署代理的用途歸成六類，以下各配一個工作例子（例子為假設情境）：
| 用途 | 可能的工作 |
|---|---|
| 服務客戶 | 回答客人的產品問題、查訂單狀態，答不了就轉給業務 |
| 協助員工 | 整理報價比較、回答同事的作業規定問題、整理交接紀錄 |
| 內容創作 | 依產品資料逐一草擬多款型錄文案，再對照規格表檢查數字有沒有寫錯 |
| 分析資料 | 從多份銷售報表找出異常、回頭查是哪張訂單造成的，再整理成給主管看的摘要；或蒐集多家同業公開資料整理成比較 |
| 寫程式 | 讀整個程式專案、修改好幾個檔案，再執行測試確認沒有改壞 |
| 資安 | 協助資安人員調查可疑事件 |
報價例子屬於協助員工的這一類。企業要評估哪些流程適合先導入，可以接著看 企業導入 AI Agent 指南 和 AI Agent 工作流程。
AI 代理會出錯嗎？使用前要注意什麼
會。能自己動手，也代表出錯時影響範圍比只回答問題更大。幾份說明不約而同提醒四件事：
- 結果可能不準確。 AWS 提醒，AI 產生的結果可能有偏誤或錯誤；Google 也指出，像執法、醫療診斷、司法判決這類高倫理風險的決定，代理缺乏相應的判斷力。報價比較表交回來，仍要有人看過。
- 權限給多少，風險就有多大。 代理靠工具讀資料、做動作，權限要事先設好。微軟的建議是依工具縮小權限，對影響大、敏感或無法復原的動作，安排人確認。報價例子裡，讀資料夾、整理表格可以交給代理，寄信給供應商、對外承諾交期，就留給人。
- 小心夾帶指令的內容。 OpenAI 在說明中心提醒，代理登入網站或啟用應用之後，可能碰到信件、檔案等敏感資料，也可能被惡意內容誘導，去做原本沒交代的事，這類攻擊叫「提示注入」。它建議只開啟這次工作需要的應用，也別下「檢查我的信箱並處理一切」這種範圍模糊的指令。
- 自主程度要配合出錯的後果。 英國國家網路安全中心建議，代理需要多少自主，看失敗的後果決定，並先界定它可以做和不可以做的範圍。
更完整的資安檢查，見 AI Agent 會洩漏公司資料嗎；哪些地方該由人把關，見 Human in the loop 是什麼。
怎麼開始用 AI 代理？
從一件範圍小、出錯也看得出來的工作開始。微軟在評估要不要把工作交給 AI 時，建議看四件事：工作是否重複、出錯的後果多嚴重、錯誤容不容易被發現，以及時間壓力。用這四個問題挑出「整理報價比較表、列出待確認事項」這類工作，再照下面四步交辦：
- 講清楚目標與交付物。 要的是比較表加待確認清單，不是一段摘要。
- 給它需要的資料，只開它需要的權限。 指定報價資料夾，不開放寄信。
- 說好什麼時候要停下來問你。 例如兩份報價版本矛盾、金額超過某個範圍。
- 檢查它交回的結果和過程。 看它讀了哪些檔案、怎麼處理缺項，再決定下次能不能交更多。
要錢嗎？
要看用的是什麼。現成產品的代理功能，免費與付費版的差別每家不同，而且像前面提到的，名稱和功能變動很快，本文因此不列免費工具清單，試用前以各家當下的官方方案說明為準。自己打造代理，則要算 AI 與工具的使用費用，以及維護、檢查的人力；雲端服務商也提醒，複雜的代理開發和上線運作要花不少電腦運算費用。完整成本怎麼估，見 AI 導入成本怎麼算。
常見問題
使用 AI 代理一定要會寫程式嗎？
不一定。做成產品的 AI 助手與代理，多半讓你用一般的話交代工作；要串接公司內部系統、打造專屬的代理，才比較需要技術人員協助。
AI 代理會取代人的工作嗎？
前面提到的微軟與英國國家網路安全中心，談的都是由人劃定代理能做的範圍、對影響大的動作保留人的確認，並沒有回答會不會取代人。比較實際的問題是：哪些步驟可以交給它，哪些判斷和責任要留給人。
回到那份報價：讓 AI 整理表格，你仍要自己找資料、追缺項；交給 AI 代理，你要先想清楚的，變成它可以讀哪些資料、可以做哪些事、什麼時候必須停下來問你。下次試用任何號稱「代理」的工具，就拿一件範圍清楚的小工作，看它怎麼取資料、怎麼處理缺項、交回什麼結果，這比名稱更能告訴你它能做什麼。
延伸閱讀
資料來源
- Google Cloud：What is an AI agent?（頁面顯示 04/02/2026）
- AWS：What are AI Agents?（頁面無日期）
- OECD：The agentic AI landscape and its conceptual foundations（2026 年 2 月）
- Anthropic：Building effective agents（2024-12-19）
- Google Cloud：Choose a design pattern for your agentic AI system（最後審閱 2026-05-28）
- IBM：What is robotic process automation (RPA)?（頁面無日期）
- UiPath：What is robotic process automation?（頁面無日期）
- Microsoft：AI agent shared responsibility model（最後更新 2026-08-26）
- Microsoft：Decide when Copilot or an agent is the right tool for your work（頁面無日期）
- 英國國家網路安全中心：Managing the cyber risk of agentic AI（2026-08-20）
- OpenAI Help Center：ChatGPT agent（2026 年 10 月下旬更新）
資訊截至 2026 年 11 月。本文依各家公開說明整理概念；報價、交辦與各類工作例子為編輯設計的假設情境，未對特定產品實測。
