如果一項企業部署進展順利，我通常在前兩週內就會知道。

人們不只是登入而已。他們登入後，會關閉 AI 代理在夜間處理好的支援工單，確認在他們睡覺時寄給銷售線索的後續跟進，發現新的使用情境，並自行建立更多代理。團隊開始問的是「它也能做這個嗎？」而不是「為什麼它沒做那個？」那就是你知道客戶喜歡這個產品，並且已經在依賴它的時刻，就像他們每天使用 WhatsApp 一樣。

所帶來的價值相當可觀，體現在顯著的時間與成本節省，以及 CSAT 分數和整體營運效率的明顯提升。這種業務影響大到不可能忽視。

但當情況出錯時，訊號同樣清楚。

他們簽了合約，發布了關於重大 AI 轉型的新聞稿，然後……人們登入後其實沒做什麼。代理實際處理的工作，只有原先預期的一小部分。團隊大多仍以人工方式處理事情。他們沒有完成與 CRM、ERP 或工單系統的整合。他們一開始每天登入一次，接著變成每週一次，最後就不再使用。你不需要水晶球也能知道，到了明年他們會說出類似「這不符合我們的工作方式」的話，而合約也不會續約。

這兩種結果之間的差異，幾乎從來都不在於技術本身。

技術沒問題。AI 代理已經準備好了。但企業還沒準備好。

原因如下。多數公司以為部署 AI 代理就是把 ChatGPT 接到他們的系統上，然後一切就像魔法一樣自行運作。事情不是這樣。AI 與你的 CRM、ERP、工單系統、通訊渠道等等之間的每一項整合，本身都是一個困難的工程問題。不存在 AI 自動連上 200 個內部系統的魔法。

人們也常以為 AI 模型才是最困難的部分。現在已經不是了。AI 模型越來越像商品。你可以在幾秒內從 ChatGPT 切換到 Claude、Gemini 或其他模型，而現今的開源模型成本大約只有前沿實驗室的 1%~2.5%，表現卻約有 90%~96% 的品質，在某些特定利基領域甚至能超過 100%。模型沒有護城河。護城河在整合，而每一項整合都需要真正的工作來完成。

護城河也在於驅動這些整合的知識。

你的知識必須先變得可用

即使你把所有整合都做對了，代理的輸出品質也只取決於你餵給它的知識品質。資料為王，資料品質才是真正的金礦。像 Mercor 這類公司，透過以高薪聘請領域專家來生產供 AI 學習的高品質資料，建立起商業模式。大多數一般企業沒有數百萬美元可投入這件事，但它們也擁有同樣有價值的東西：多年累積、關於企業實際如何運作的知識。唯一的問題是，這些知識幾乎從來不在該在的位置。

想想知識在公司內部是怎麼流動的。某位員工花了好幾天研究一個複雜的客戶問題，終於解決後，便透過 WhatsApp 回覆。等到同樣的問題再次出現，換成另一位員工、另一位客戶時，對方又得從零開始，再花幾天時間才走到同樣的結論。這是多大的時間浪費。

而且，公司知道的一切通常都散落在各處，以自然語言形式存在：電子郵件、PDF、某人本機硬碟上的文件、公司雲端中充滿重複與衝突版本的檔案……還有那些只發生過一次、從未被錄音的電話內容。以及已離職員工的腦中與刪除後的資料裡，因為從未完成知識 انتقال。

現在，這些知識都可以被 AI 記錄、整理、管理、使用與應用。

要把這件事做好，就必須把知識當成基礎設施來對待。代理所依賴的每一份文件都必須上傳到知識庫、保持最新，並且受到存取控制。面向客戶的代理只能看到客戶應該看到的內容，內部代理則能看到完整資訊。

可以把它想成新人入職。你不會只是丟給他一堆 Google Drive 檔案，然後轉寄一堆電子郵件串，期待他在一個月內自行吸收正確資訊；相反地，你會從第一天起就精確決定他知道什麼。

知識庫也必須能處理企業丟進來的各種內容，無論是 PDF、試算表、語音備忘、圖片，或是多語言文件。當內容改變時，知識應該能在不從頭重建的情況下更新。這件事應該像把新內容交給代理，讓它自動、全面地替換舊知識一樣簡單。

亞洲一家管理數百處住宅與商業物業的大型房地產集團，就正面臨這個問題。它有合規文件、租約、建築專屬維護流程、供應商升級規則，以及分散在不同系統、不同語言中的資料。多年來，沒有人建立一致的結構，也沒有清楚區分哪些知識可以對外分享、哪些應該保留在內部。

過去，他們回覆租戶詢問常常要花上好幾個小時。導入 agentic AI 後，任何資訊都能在 30 秒內被檢索到。首響時間從 12 小時降到 60 秒以內，租戶滿意度在部署後 90 天內幾乎翻倍。

我曾聽過該集團的一名員工說，即使做了 20 年，他仍然無法記住 50% 的 SOP，因為 SOP 一直在變；而 AI 卻能記住一切，並在吸收後 2 秒內正確回答所有問題。

同樣的資訊，終於變得可用。

銷售 99% 在於跟進，代理也是一樣

把知識做對，是內部問題。外部問題則是把代理的每一次對話，都連到企業實際運作的系統上。

我告訴你一個很多人不會寫在 LinkedIn 上的銷售真相：銷售有 99% 都在做後續跟進。在我創辦 Jurin AI 之前，我每年大約收集 800 到 1,200 張名片。我實際跟進的不到 2%。不是我不想做剩下的 98%，而是流程真的很痛苦。你得花時間手動輸入對方資料，回想你們在哪裡見面、到底聊了什麼，然後再寫一封個人化訊息。等你終於處理到那一步，當下的時機早就過了。

現在想像由代理來處理這件事。你遇到一個人時，系統已經知道他是誰、他上週發了什麼，以及哪些內容與你正在打造的東西有關。後續跟進會在同一天發出，而且是個人化的，當時對話還很新鮮。每一個潛在客戶都不會漏掉，不只是你記得住的那些。

這不只是 10% 的改善。做得好，這代表 50 倍營收，或者在某些產業中 200 倍利潤，正躺在一堆沒人處理過的名片裡。這就是 AI 成為「遊戲規則改變者」的地方。

當你能回想起每一次過往對話，並且從你中斷的地方繼續時，那正是 Meta 使命宣言中「讓世界更緊密連結」的核心。

同樣的邏輯也適用於企業內部。當潛在客戶詢問價格時，表面上的對話可能很簡單，但底下的工作流程並不簡單：這是既有帳戶還是新帳戶？之前有人聯繫過嗎？這段關係歸哪個地區負責？管道中有未結案的商機嗎？這個折扣需要核准嗎？之前有支援工單嗎？有人已經在處理了嗎？人為層級越多，低效率就越會以指數方式累積；但 AI 只會以線性方式擴展，毫不費力。

AI 代理可以處理所有這些事情，但前提是它必須連到掌握這些答案的系統。Salesforce、HubSpot、SAP、Oracle、你的工單系統、你的 ERP，以及企業實際使用的任何系統組合，都必須先整合好，代理才有辦法做這些事。整合完成後，代理會檢查 CRM、調出真實歷史、分派給正確負責人、記錄互動，並排定後續跟進。對話發生了，而 AI 會接住之前、當下與之後的所有工作流程。

所有互動都必須集中在同一處

但要接住工作流程，前提是你得看得到完整圖像。而多數企業做不到，因為對話發生在不同地方，由不同的人負責，而這些人彼此不知道對方說過什麼。

例如，客戶經理掌握 WhatsApp 歷史。銷售看到 CRM。支援看到工單。財務看到發票。客戶則以為公司裡任何一個人都知道他曾對公司任何一個人說過的所有事情。

如果企業在這種碎片化情況下部署代理，卻期待它表現良好，那是不會發生的。

客戶接觸到的每一個渠道，無論是電子郵件、WhatsApp、Slack、電話、CRM，或工單系統，都必須整合進同一個系統。完成之後，代理就會掌握完整情境：上週承諾了什麼、哪些事項仍未結束、今天早上是誰跟客戶說了話，以及說了什麼。無論對話從哪個渠道開始，它都能帶著完整上下文接續下去。

前面提到的那家房地產集團，原本每個物業都各自運作不同的 LINE、WhatsApp、WeChat 帳號與電子郵件信箱。當所有渠道被統一並連接後，代理知道了建築、租戶、歷史紀錄與尚未解決的問題。它終於擁有了完整圖像。

讓代理在每個工作流程中擁有適當的自主權

你不會在新員工第一天就把公司的信用卡交給他。但你也不會要求他回覆一封電子郵件前先請示。代理的運作方式也是一樣。

有些工作流程，你會希望代理直接端到端處理，例如回覆客戶、更新紀錄、關閉工單、重新安排交付。另一些流程，你則希望有人先審核後再送出。代理會先做前置工作，例如提取資料、草擬回覆、標記例外情況，最後再由人做決定。

關鍵在於，在企業 AI 部署上線之前，先決定你要給每個代理多少自主權。

一家每天處理 3,000 筆訂單的電商企業，可能會讓代理對訂閱修改、配送變更與取消核准擁有完全自主權；但超過某一金額的退款，仍然交由人工處理。定義所有這些規則與權限，不到一天就能完成。但只要設定得當，你就能在下班後沒有任何未處理請求，並且每年為自己省下七位數金額，以及大量麻煩。

這才是企業 AI 代理真正需要的東西

我一開始描述的那個魔法時刻——人們登入後發現工作都已完成，並問「它也能做這個嗎？」——不是偶然發生的。它發生在知識被結構化且可用、代理連接到企業實際運作的系統、每個渠道都整合到同一系統，而且有人在上線前就已明確決定代理能做什麼的時候。

如果你站在對的平台上，這些事情在技術上都不難。但它們全都要求企業做出自己一直在迴避的決策。

真正把這些工作做完的企業，不只是得到一個能運作的代理。他們還會比以前更清楚地知道自己的業務究竟如何運作：文件化的工作流程、乾淨的知識，以及整合完成的系統。

結果證明，良好的企業 AI 部署前提，和一間運作良好的公司的前提，其實是同一件事。