一段對話、一條工作流，還是一個 Agent？

先用最小的方法完成工作

只需要幫一封信改標題，打開 AI 助手對話就夠了。每週把同一份 CSV 依固定公式算成週報，則先做可重跑的工作流：驗欄位、加總、套公式、輸出表格。這兩件事都不需要額外包裝成 Agent。

工作開始需要查資料、比較結果，並依查到的異常決定下一步時，才值得讓模型參與判斷。例如廣告週報發現購買數下降，系統可能要先檢查事件追蹤是否改動；若資料口徑不一致，應停止成效推論，而不是直接建議停投。

用廣告週報看三種做法的差別

對話可以協助解釋 ROAS 公式；工作流能依固定規則算出每個活動的 ROAS；Agent 則在發現 B 活動變差時，決定要查追蹤紀錄、對照實際訂單，或因資料不足把問題交還給人。差別不在介面像不像聊天，而在下一步是否由系統依證據選擇。

選擇更多自主判斷，通常也會增加等待、成本與錯誤可能性。先把資料權限設為唯讀，要求列出來源與未確認事項，預算或發布決定留給負責人。這是一個能驗收的小範圍，而非一次自動化整個部門。

• 一次性的語句任務：先用對話。
• 路徑固定且容易驗算：先做工作流。
• 需要依結果補查與改變路徑：再考慮 Agent。

從哪裡開始試？

找一件每週都會發生、資料拿得到、做錯能重跑的事。先寫出輸入與交付物，再定義一個系統必須停下來問人的情況。連這三項都寫不出來時，補清楚工作規格會比換模型更有幫助。

最後比較原本的總工時、錯誤率，以及成果真正被採用的比例。若 Agent 多查了三輪卻沒有改善成果，就縮回較簡單的流程。