過去，企業對生成式 AI 討論，主要集中在「助理」層面：幫忙寫稿、摘要、查數據。但真正改變成本結構，是下一步發展——就是具備目標、能自主執行多步流程的 AI 代理（Agentic AI），從示範走進企業的後台，執行更多工作，節省更多成本。
由助理到代理：分別在哪
助理式的 AI 需要人類逐步下指令；代理式 AI 則被賦予一個目標，自行規劃步驟、調用工具（API、數據庫、系統）並在完成後回報。換言之，AI 代理開始具備「執行權」，這亦正是風險與價值同時放大的原因。
本站曾報道 Anthropic 推出新框架讓 AI 代理操作實體設備，以及 Databricks 以百萬行代碼庫對智能代理進行基準測試結果——後者顯示代理在大型真實代碼庫中表現與示範環境，仍有落差，正是企業導入時必須預留驗證時間的原因。
市場動向：後台自動化成收購主軸
- 企業軟件併購：HCLSoftware 宣布收購 Robotiq.ai，以加強企業級智能代理自動化能力，反映傳統企業軟件正透過併購補上代理層。
- 本地議程：香港多場大型 AI 活動均以 Agentic AI 為主題，包括將於 10 月 20 日舉行的 IABHK C26 數碼營銷大會，後者聚焦 AI 如何重塑商業與營銷。
- 金融業實踐：本站曾報道 金融機構在代理式 AI 的部署方向。
三個香港企業可先試的後台場景
- 催收與帳務跟進：以 AI 代理處理逾期提醒、分期協商的前期溝通與紀錄整理。香港其實早有數碼催收的討論——2021 年已報道「數碼催收免尷尬」的本地個案，只是當時並未具備代理能力。
- 客服第一線分流：代理先行查詢訂單、保單或服務紀錄，再決定自行答覆或轉交真人，可顯著壓縮首次回應時間。
- 營銷投放調度：代理按成效自動調整預算與受眾。程序化購買早已存在，但代理式調度把「人手設定規則」推向了「自主優化」。
風險與治理：想清楚才放手
- 權限邊界：代理應只被授予完成任務所需的最小權限，並禁止自行擴權。
- 可審計性：每一步決策與調用的系統都須留下可追溯紀錄，否則事故後無法歸因。
- 數據與合規：涉及個人資料、信貸或受監管業務時，須先確認符合《個人資料（私隱）條例》及行業監管要求。
- 人類把關：付款、法律通知與客戶承諾等高風險動作前，保留人工確認。
成本可控量大重複
對多數香港企業，務實起步方式是選擇「規則明確、錯誤成本可控、量大重複」的後台流程作試點，先量測準確率與人工介入比例，決定是否擴大授權範圍。代理式 AI 價值不在於取代人手，而在於把人力由重複步驟，移到例外處理與加強客戶關係，這些工作以 AI 代理能力，現時還是力有不逮。