最近看幾個企業軟體大廠的 AI 產品動向，我有一個感覺越來越強：企業 AI 的下一階段，不是把聊天助理做得更會說話，而是把 AI 放進真正的流程裡，讓它知道自己能做什麼、不能做什麼、為什麼能做，以及做完之後誰要負責。
這聽起來沒有「全自動 Agent」那麼性感，但我覺得這才是企業場景會不會落地的分水嶺。
過去一年，很多團隊導入 AI 的第一步都是聊天介面。這很合理，因為聊天介面成本低、學習門檻低，也最容易展示效果。你丟一份文件給它，它可以摘要；你問一個流程問題，它可以回答；你請它幫忙寫信或產報告，它也能交出看起來不錯的版本。
問題是，聊天介面很容易讓人誤會「能回答」就等於「能工作」。在企業系統裡，這兩件事差很遠。
企業裡的工作，不只是產生文字
真正的企業工作流通常不是單一問答，而是一串帶有權限、狀態、資料來源與責任歸屬的操作。
例如一個看似簡單的請款流程，背後可能牽涉供應商資料、採購單、驗收紀錄、預算科目、簽核層級、付款條件、例外處理與稽核紀錄。AI 可以幫你看懂文件，也可以幫你整理差異，但它不能只靠「我覺得合理」就往下一關送。
企業系統最麻煩也最有價值的地方，就是它不是只有資料，還有規則。不是只有規則，還有角色。不是只有角色，還有責任鏈。
所以我現在看企業 AI，會特別注意它有沒有回答幾個很無聊但很關鍵的問題：
- 它讀的是哪一套正式資料？
- 它用誰的權限執行？
- 它能不能區分建議、草稿與正式操作？
- 它的每一步是否留下可追溯紀錄？
- 出錯時，人要在哪個節點接手？
這些問題如果沒有設計好，再強的模型也只是把風險包裝得比較漂亮。
從聊天助理到流程參與者
我覺得「聊天助理」跟「流程參與者」最大的差別，在於前者主要負責生成回應，後者必須被系統治理。
聊天助理可以很自由。它可以用自然語言解釋，可以猜測使用者意圖，可以把模糊問題整理成比較清楚的答案。只要它沒有直接改資料、送簽核、建立交易，容錯空間就比較大。
但一旦 AI 開始進入工作流，它就變成一個會動手的操作者。操作者不能只有 prompt，它需要身份、權限、操作範圍、審批邏輯、錯誤處理與 audit trail。這些東西聽起來傳統，甚至有點土，但企業軟體能活這麼久，靠的就是這些土東西。
我很喜歡把這件事想成兩層：模型負責理解與生成，企業系統負責約束與落地。前者讓 AI 變聰明，後者讓 AI 不會亂跑。
如果一個 AI Agent 什麼都能說、什麼都能查、什麼都能做，短期展示一定很爽。但在真實公司裡，這通常不是能力強，而是邊界還沒畫好。真正成熟的設計，反而會讓 AI 在很多時候回答：「這件事我只能整理建議，不能直接執行。」或者：「這個操作需要具備某個角色的人確認。」
這不是退步，這是變成系統的一部分。
資料上下文會變成護城河
另一個我覺得重要的轉變，是企業 AI 的競爭點會從「模型本身」慢慢轉到「誰掌握工作上下文」。
通用模型會越來越強，這件事不用懷疑。但企業裡真正難的是：某個欄位在這家公司代表什麼、某個狀態在這個流程中能不能跳、某個客戶的特殊條件是不是仍然有效、某個例外過去是誰核准的、某個報表數字到底從哪個 source of truth 來。
這些不是單靠大模型就會自然知道的事。它們藏在 ERP、CRM、HR、ITSM、BI、文件、會議紀錄、簽核歷史和一堆內部慣例裡。更麻煩的是，它們不是靜態知識，而是會跟著組織變動。
所以我會更看好那些把 AI 接進既有系統權限模型、資料模型與流程狀態的產品，而不是只在外面包一層漂亮對話框的產品。因為前者比較可能知道「這個人此刻在這個流程裡能做什麼」，後者通常只知道「這句話聽起來像在問什麼」。
差別很大。
CTO 該關心的是控制面
如果從技術主管的角度看，我覺得接下來導入企業 AI，不該只問「哪個模型最強」或「哪個 Agent framework 最潮」。那些當然要看，但更早該問的是控制面：
- 身份與權限怎麼繼承？
- 工具呼叫怎麼授權？
- 操作紀錄怎麼保存？
- 人工審批節點在哪裡？
- 資料來源可信度如何標示？
- AI 的建議和正式決策如何分離？
這些設計如果沒有先想清楚，後面功能越多，風險越大。因為 AI Agent 很容易從「幫忙查資料」一路長成「幫忙做決定」，再長成「幫忙執行」。每一步看起來都只是多一點便利，但累積起來就是權限邊界的搬移。
我不是反對讓 AI 執行工作。相反地，我覺得企業 AI 真正有價值的地方，正是它能把很多跨系統、跨角色、跨文件的流程變得更順。但前提是，我們要承認它進入的是企業作業系統，不是玩具沙盒。
最後會回到很老派的工程問題
有趣的是，AI 越往企業核心走，最後越會回到一些很老派的工程問題：資料治理、權限控管、狀態機、流程設計、稽核紀錄、錯誤處理、人工介入。
這些東西以前可能被嫌笨重，現在反而會變成 AI 能不能安全落地的基礎設施。
我現在對企業 AI 的判斷標準也因此變得比較務實：不要只看 demo 裡它回答得多漂亮，要看它在真實流程裡有沒有被約束得夠清楚。能不能查資料是一回事，能不能知道自己查到的資料可不可信，是另一回事；能不能產生建議是一回事，能不能知道這個建議要由誰核准，又是另一回事。
AI 進企業，不會只是多一個聊天框。它會逼我們重新整理流程、資料、權限與責任邊界。
如果整理得好，它會變成很強的工作流加速器。整理不好，它就會變成一個很會講話、很難追責、偶爾還會自作主張的同事。
老實說，後者聽起來蠻可怕的。公司已經不缺這種同事了。