別再迷信「一個 agent 搞定一切」：矽谷工程師的「三種價值創造者」，翻成電商團隊該怎麼分工

有個電商團隊，去年底很興奮地導了一隻 AI 客服 agent（智能客服代理），老闆跟主管在會議室裡擊掌，想著「太好了，以後客服不用排班、不用養人了」。

三個月後打開後台，臉都綠了。

該退的貨，它笑咪咪地退了；明明超過七天鑑賞期、一看就是來鑽漏洞的濫用申請，它也一句「親愛的顧客，已為您處理」放行。它把每一位客人都服務得眉開眼笑，順便把公司的退貨政策服務到破產邊緣。

問題出在哪？不是這隻 agent 不夠聰明。是這個團隊把「打死不能鬆的規則」跟「可以靈活應對的話術」，全部揉成一鍋，整包丟給一隻 agent，然後祈禱它自己會分。

它不會分。你沒告訴它的紅線，它就當作沒有。

矽谷工程師講的三種東西，其實在講你的電商公司

前陣子看到矽谷一位工程師 IndyDevDan 拍的影片，標題很嗆，叫 FORGET Loop Engineering。今年六月 AI 圈為了「loop engineering（迴圈工程）」這個詞吵翻天，他直接跳出來說這詞是廢話。（那場迷因我在這篇談「AI 指標怎麼反過來咬你」的文章聊過，這裡不重複。）

他真正想講的，是一句我覺得每個在導 AI 的電商老闆都該抄下來的話：

真正在賺錢的工程師，手上只有三種價值創造者：人、AI agent、還有最被大家看不起的，寫死的規則跟程式碼。

會用 AI 的人跟不會用的人，差別不在誰的 agent 比較猛，而在誰知道「哪件事該交給誰」。

我讀完，想的完全不是工程師。是你那間天天喊著要導 AI、卻把三種角色混成一鍋的電商公司。

切入重點，這三種角色翻成電商團隊的白話，長這樣。

角色一：規則，那個被你看不起的骨幹

先講最不性感、卻最可靠的那個：確定性的規則跟自動化。

庫存低於 5 件就自動下架、退貨超過七天一律不受理、廣告單日預算上限卡死在多少、EDM（電子報）每週二早上十點自動寄、簡訊發送量到頂就停。這些東西有個共同點：你設定一次，它就一直照做，不會累、不會看心情、不會今天心軟明天嚴格，跑起來幾乎不花錢，也不會「幻覺」亂編一條規則出來。

IndyDevDan 說程式碼是「被埋沒的英雄」，快、穩、零成本、每次都一樣。翻成電商，就是你那些寫死的營運規則。

大家一窩蜂在講 agent 多聰明，卻忘了：一間店能不能穩，靠的往往是這些無聊到沒人想討論的硬規則。

這就像我以前待雨傘工廠的年代。真正撐起產能的，從來不是那幾位手藝最好的老師傅，是那條設定好就整天不停的輸送帶跟模具。老師傅很貴、會請假、心情不好還會做壞幾支；輸送帶不會。你把該標準化的都交給輸送帶，老師傅才騰得出手去處理真正需要手藝的活。

規則，就是你電商團隊裡的那條輸送帶。

角色二：AI agent，有彈性但會亂講、會燒錢的執行者

再來才是主角光環最強的 AI agent。

它厲害在哪？彈性。客人問一個你 SOP 裡沒寫過的刁鑽問題，它能生一段像樣的回覆；你要它從一千支商品裡挑出這季主打，它能給你一份有模有樣的選品建議；你要它寫十組廣告文案跑 A/B 測試，它幾分鐘就交件。

但它有兩個你不能裝作沒看到的毛病：一是它會幻覺，會很有自信地講錯；二是它每一次呼叫都在燒你的 token（運算費用），用越兇帳單越可觀。

所以 agent 該擺在哪？擺在那些「需要彈性、錯了也不會捅出大簍子」的位置。

寫文案初稿，好。整理客訴分類，好。生選品的第一版清單，好。但「這筆退貨到底准不准」這種碰到錢、碰到政策紅線的事，不准讓 agent 自己拍板。那是規則的地盤，不是它的。

一句話：agent 負責「有彈性的執行」，不負責「守紅線」。

角色三：人，只該站在最前面跟最後面

那人呢？人最貴，該用在刀口上。

IndyDevDan 的講法我很認同：人只該出現在兩端，最前面的「計畫」，跟最後面的「驗收」。

前面你決定策略：這季主打客群是誰、哪幾條規則是紅線、agent 該被授權到哪。後面你驗收成果：agent 生出來的東西對不對、規則有沒有跑歪。中間那一大段執行，交給 agent 跟規則自己去跑。

講清楚，不是中間就不要人。是別讓人長期卡在每一步補破網。人的位置是設計規則、處理例外、最後驗收，不是在中間當搬運工。

最怕的是什麼？是老闆把最貴的人力，塞在中間當「人肉膠水」。

你請了一個月薪不低的員工，結果他整天在做的事，是把 agent 吐出來的東西複製貼上到另一個系統、手動把 Excel 的資料搬進後台、盯著自動化流程看它有沒有跑完。這些活，本來就該是規則跟腳本的工作，你卻拿活人去填。

想像一下，你早上打開電腦，看到團隊裡最懂顧客的那個人，正在手動一筆一筆改訂單狀態，改到中午。這就是把廠長拖去顧輸送帶。輸送帶的事，讓輸送帶做。

電商團隊的分工地圖：先手動跑一遍，再決定誰做什麼

講到怎麼落地，這件事矽谷大廠其實早有共識。Anthropic 在 Building Effective Agents 這篇文章裡分得很清楚：一種叫 workflow（工作流），是你用寫死的流程去編排 AI 跟工具；另一種才是讓 agent 自己決定下一步。而且他們反覆強調一件事：從簡單開始，別一上來就堆一堆複雜的框架。

這跟 IndyDevDan 講的「先自己動手跑一遍」是同一個意思。翻成你的電商團隊，我會這樣做：

► 第一，把一個流程先用人腦走一遍。 拿「處理一筆退貨」當例子，從收到申請到退款完成，中間每一步攤開來寫在紙上。

► 第二，替每一步貼標籤。 這步是「非黑即白的規則」（超過七天不退），還是「需要彈性判斷」（客人語氣很差要怎麼安撫）？前者寫死成規則，後者才交給 agent。

► 第三，把人抽出中間。 凡是你發現有活人在做「複製貼上、搬資料、盯流程」的環節，那就是還沒自動化的坑，用腳本補起來。

► 第四，從最簡單的那條流程開始，別想一次做完。 先把退貨流程理順，跑穩了，再理下一條。

以前做電商，比的是誰的行銷比較猛、誰的商品比較齊。現在多了一題：你有沒有把「人、agent、規則」這三種角色，擺到對的位置上。

我自己也踩過坑。早年剛開始用一些自動化工具，我犯過一模一樣的錯，貪心地想把一整包工作全塞給一個工具，結果它有一半做得七零八落，我還得花更多時間去收尾，比自己做還累。後來才學乖：先拆清楚哪些該寫死、哪些該給它彈性，一次只交一段。慢，但穩。

如果你問我，AI 時代電商團隊的競爭力，不在你買了多貴的 agent，在你會不會分工。

這件事，跟你怎麼把團隊 SOP 變成 AI 用得上的技能包、怎麼看待 AI 到底要接手你哪一段工作，是同一盤棋的不同角。

工具會一直換，agent 會一直變強。但「哪件事該交給誰」這個判斷，永遠是你的工作，外包不掉。

FAQ

Q：導入 AI agent 之後，我的團隊還需要人做什麼？
需要，而且更需要。人該從中間的執行雜活抽出來，專心顧兩端：前面定策略跟紅線（這季打誰、哪些規則不准鬆），後面驗收成果（agent 生的東西對不對）。中間的執行交給 agent 跟規則。人變少不是目標，人擺對位置才是。

Q：什麼事該交給 agent，什麼事該寫成固定規則？
一個簡單的分法：非黑即白、碰到錢跟政策紅線的，寫成規則（退貨天數、庫存下架、預算上限）；需要彈性判斷、錯了也不會捅大簍子的，交給 agent（客服話術、選品初稿、文案）。把「守紅線」這件事交給 agent，是最常見的災難。

Q：為什麼不建議把所有事都丟給一個萬能 agent？
因為 agent 會幻覺、會燒錢，而且它不知道你的紅線在哪。你沒寫死的規則，它就當作沒有。把該標準化的硬規則也丟給它，等於花錢請一個會累、會亂講的員工，去做本來輸送帶就能穩穩做好的事。

Q：電商小團隊資源少，也能搞這套嗎？從哪開始？
能，而且更該做。不用一次到位。挑一條最花人力的流程（通常是客服或退貨），先用人腦走一遍、每步貼標籤、把該寫死的寫死，跑穩再換下一條。Anthropic 自己都在喊「從簡單開始」，你更沒理由一上來就搞複雜。

Q：AI agent 跟以前的自動化腳本、RPA 有什麼不一樣？
腳本跟 RPA 是規則，你叫它做什麼它就做什麼，一步都不會變，適合固定流程。agent 會自己判斷下一步，適合有變化、要彈性的情境。健康的做法不是二選一。是讓兩者分工：規則當骨幹跑固定的，agent 補上需要彈性的那幾塊。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。